色狗狗

DeepSeek 让各行业引入 AI 大模子的意志和积极性赫然提高，已推进 AI 在政务、动力、制造等界限世俗铺张开来。

好多政企用户接入 DeepSeek 之后，感受到了 AI 大模子给业务带来了"旦用难回"的体验，很快就从试用的第一阶段，进入第二阶段——大模子推理集群的扩容升级。

当"有莫得 Deepseek 用"不再成为问题，那么" Deepseek 好不好用"的挑战就当面而来。

一来，东谈主多了，无数拜访央求带来的高并发，就像春运岑岭期涌入纷乱的东谈主流量，会出现央求积压，模子推逸想考时辰变长，token 费解速率着落，用户的恭候时延达到 50-100 毫秒，工作器忙活和列队让东谈主恼火。

二来，机器多了，增多更多工作器会际遇物理天花板，机器扩容并不会线性提高在线推理工作的体验，就像即使增多了更多车厢，但铁轨承载才气有限，也无法运输更多游客（AI 任务）了。

当行业智能化进入深度应用 DeepSeek 的第二阶段，不得不濒临高并发推理的工夫挑战。在堆算力的同期，也要同步优化性能体验，十分于想要运输更多乘客，不仅要增多车厢数目，还要同步改良轨谈、站台和顾问机制，将旧式火车升级为高铁，才能详细提高运载成果。

以 DeepSeek 为例，前不久公布了其利润率，高达 545%，其中就触及无数工程化才气，比如引入大 EP 推理集群，竣事高并发推理费解量指数级增长。

关于更多行业和企业来说，莫得 DeepSeek 那样的极客天才和顶尖工夫团队，如何用大 EP 来处分高并发推理挑战呢？当 AI 大模子运转进入千行万业的深水区，亟需一场大 EP 的"运力翻新"。

好多政企客户在接入了 Deepseek 之后，使用量进一步增多，有了扩展推理集群限制的需求，推理资源需要从 2 台扩展到 10 台，从 16 卡扩展到千卡，但扩容升级并不是往机房一放、网络一连，就能安枕而卧了。

就像印度仍在使用的旧式火车，仅靠增多车厢，照旧无法提高运力，每个乘客能占用的火车空间极小，体验很差，火车不胜重担，延误误点成了家常便饭。雷同问题，在 Deepseek 和各样大模子与业务的集中中，高并发推理卡住了用户的体验瓶颈。

面对上述问题，大 EP 大限制群众并行的工夫架构，成为趋势。

节略来说，大 EP 即是将 MoE（羼杂群众）模子中数千个群众，分派到更多的卡（算力）上去。底本一张卡只可拉 10 个东谈主，有了大 EP，不错同期拉 100 个（高并发）；底本只可跑一回车，当今不错同期跑八趟车（提魁岸家筹谋路数 batch size），那么乘客就无须万古辰恭候了。

是以，通过大 EP 不错提高高并发推理场景下的筹谋成果，竣事更大的费解和更低的时延。用户体感上，比如一家银行的职责主谈主员同期拜访 Deepseek，不会际遇列队、延伸、过长恭候等情况。

大 EP 这样好，如何才能部署到我方的一体机或推理资源池呢？不经过一番奋力，如实很难吃到大 EP 的蛋糕。

一方面，推理场景的算力需求指数级扩展，而外洋厂商的推理芯片如 H20，诚然显存高，但算力不及，处理大 EP 场景时费解骤降。Deepseek 公开的论文来看，仍然使用 H800 来进行推理。更强算力且供应链沉着的推理硬件，是大 EP 必不可少的。

另一方面，当央求总量猛增之后，会带来多种各样的负载，且极不平衡，十分于有的车厢坐的东谈主多，有的车厢坐的东谈主少，负载不均相似会导致体验欠安。

此外，大 EP 场景的 All-to-All 通讯，导致卡间通讯占比时辰高，十分于每个车厢的群众皆要奉告到，这就会迂缓出入站的成果。NVLink 在大 EP 场景中，现实有用带宽诈欺率就不及。

由此可见，当行业使用 Deepseek 进入深水区，面对高并发推理场景，不可抱有"头疼医头脚疼医脚"的荣幸感情，而需要通盘这个词想考和系统攻坚。

今天来看，九行八业拥抱 Deepseek 不是追赶一时风口，而是对智能化发展趋势的历久价值判断。普惠 LLM 进入千行万业，照旧是势在必行。

而大 EP 无法班师被行业用起来，就意味着接入 Deepseek 长期存在时延高、体验差、资本难优化的问题，那么行业智能化也就无法班师达成。

不外也不必过于惦记，Deepseek、科大讯飞等模厂，与昇腾等算力厂商，以及政企行业用户，一直保抓着精细配合与调换，自开年 Deepseek 上升以来，从部署施行中千里淀了无数工夫创新。

近期，昇腾推出了大 EP 处分决策，面向高并发推理场景，一站式升级为智能化"高铁"。

具体来说，昇腾大 EP 处分决策借助五大关节工夫，与昇腾算力深度协同优化，得胜打破了"群众负载平衡 + 通讯优化"两浩劫题。

针对群众负载不均的艰辛：

昇腾大 EP 处分决策冷漠了MoE 负载平衡工夫，不错自动寻优，把柄业务情况、集群限制，找到最优的群众，自动臆想哪个群众更忙，自动配比，当一个群众负载过多时自动教师，从而竣事了备份节点和副本群众生动可扩展、高可用和极致平衡，性能获取极大提高。

汲取多种创新工夫，作念到自顺应的 autoPD 分离部署。把柄 Prefill 和 Decode 的动态负载，进行 P、D 实例的自动伸缩，无需东谈主工介入，从而减少筹谋访存资源竞争。集中多级缓存内存资源池化，对冷热温数据进行分别，不错让系统的有用费解提高 50% 以上。

针对 All-to-All 通讯优化的艰辛：

昇腾大 EP 处分决策冷漠了双流 / 多维羼杂并行，其中 Prefill micro-batch 双流并行，不错竣事筹谋和通讯的相互遮盖；MoE expert 群众双流并行，竣事两条数据流 Stream 的并行筹谋；Weight 权重预取双流并行，不错把访存和通讯并行起来，缩小权重加载时辰，提高成果。

MLA 预处理阶段，昇腾大 EP 处分决策把无数的小算子，合成为大的交融算子，将筹谋耗时缩小 70%，让算力才气充分证据出来。

若是你认为上述工夫创新多、不好记，那么只需要，借助昇腾大 EP 处分决策，行业应用 Deepseek 时，不错作念到：

快。拜访 Deepseek 无需恭候。昇腾大 EP 不错将单卡并发提高 3 倍，Decode 阶段反应速率沉着在 50ms 以内，相沿 600+ 并发央求。

省。业务使用 Deepseek 上量之后，推理集群扩展的同期，性能也保抓线性度，扩容综联合本更优。

正如高铁调动了中国东谈主的出行，昇腾大 EP 为高并发推理铺设了一条"高速铁路"，调动了 Deepseek 上量扩容阶段的体验，为行业智能化提速增效。

仅用两个多月的时辰，Deepseek 就完成了从试用阶段到扩容阶段的进阶。高并发推理场景和大 EP 工夫架构，成为应用 Deepseek 的新挑战。这也教导咱们，行业智能化是一个递次渐进的过程，不可能一蹴而就。

自主创新算力与国产模子如同高铁的双轨，成为相沿起智能中国的"新基建"。昇腾生态之是以与 Deepseek 等大模子愈加适配，谜底渐渐了了明确。

领先，昇腾有硬件，为行业智能化提供"永不千里降"的算力路基。昇腾硬件的 FP16 和 INT8 算力，可达到 H20 的 2 倍以上，且功耗更低，足以相沿各行业智能化的得当前进。

此外，昇腾有软硬件的协同优化才气。跟着行业智能化的不息深远，AI 模子对算力需求不息膨胀，但硬件的物理天花板和企业的参加产出比，皆条件筹谋性能抓续优化。昇腾的 AI 软硬件，提供从预检修到微调到强化学习，到推理集群、一体机，全历程全覆盖的决策，不错快速反应客户需求，高效相沿工夫创新。咫尺，昇腾与 DeepSeek 最新工夫照旧竣事了" day0 "级别同步，确保企业智能化在昇腾软硬件基座上，长期行驶在工夫最前沿。

更紧迫的是，昇腾有伙伴。行业智能化是一个体系化工程，不是单一硬件或软件厂商就能独自完成的。在自主创新算力生态中，昇腾一方面兼容主流生态与 PyTorch 等国表里框架，同期与 ISV 伙伴、各大模厂皆保抓着精细共生与合作。这意味着，当行业用户基于昇腾底座缔造 AI 应用，能获取生态的全方向助力，减少智能化升级的阻力，缩小综联合本。

今天，智能化照旧成为群众经济发展的主航谈。在自主算力与国产模子所铸就的双轨上，行业智能化也将走深向远，向着智能时间疾驰。

色狗狗