top of page

Generatived (Beta) | Cung cấp tin tức và xu hướng mới nhất về AI sáng tạo

logo.png

NVIDIA TensorRT-LLM công bố tính song song chuyên gia rộng rãi

Generatived

9:00 22/10/25

Ngành công nghiệp AI đang nhanh chóng triển khai song song mô hình, phân bổ các tác vụ tính toán trên nhiều GPU. Kỹ thuật này đặc biệt quan trọng với sự ra đời của kiến trúc Hỗn hợp Chuyên gia (MoE), hiệu quả hơn các mô hình dày đặc truyền thống chỉ kích hoạt một tập hợp con các tham số cho mỗi mã thông báo. Tuy nhiên, việc mở rộng quy mô MoE đặt ra những thách thức mới về song song hóa, giao tiếp và lập lịch, đòi hỏi phải tối ưu hóa cẩn thận.

Để giải quyết những thách thức này, khái niệm Song song Chuyên gia (EP) đã được giới thiệu. EP cải thiện hiệu suất và khả năng mở rộng bằng cách phân bổ chiến lược các đơn vị xử lý chuyên biệt được gọi là "chuyên gia" trên nhiều GPU. Phương pháp này rất cần thiết để quản lý các mô hình phức tạp như DeepSeek-R1, với 256 chuyên gia và 671 tỷ tham số. Tensor RT-LLM của NVIDIA giới thiệu Song song Chuyên gia Rộng (Wide-EP), giúp việc triển khai các mô hình quy mô lớn như vậy hiệu quả hơn, dẫn đến hiệu suất được cải thiện và tổng chi phí sở hữu thấp hơn.

Việc triển khai EP quy mô lớn đi kèm với những thách thức, đặc biệt là về yêu cầu bộ nhớ và tính toán. Các mô hình MoE có thể giảm yêu cầu tính toán cho mỗi token bằng cách chỉ kích hoạt một số lượng nhỏ chuyên gia trong quá trình suy luận. Tuy nhiên, việc tải trọng động cho mỗi chuyên gia được kích hoạt có thể tạo ra tắc nghẽn, đặc biệt là trong các tình huống thông lượng cao. EP quy mô lớn giúp giảm bớt một số vấn đề này bằng cách phân bổ chuyên gia trên nhiều GPU hơn, giảm gánh nặng tải trọng và cải thiện cân bằng tính toán và bộ nhớ trong hệ thống.

Thiết kế và kiến trúc hệ thống cũng rất quan trọng để mở rộng EP. Việc di chuyển và truyền thông bộ nhớ hiệu quả phụ thuộc vào băng thông và cấu trúc liên kết. Cần có phần mềm và kernel được tối ưu hóa để quản lý lưu lượng giữa các chuyên gia và đảm bảo truyền thông và cân bằng tải hiệu quả. NVLink của NVIDIA đóng vai trò quan trọng trong việc giảm thiểu chi phí truyền thông bằng cách cung cấp băng thông cần thiết để hỗ trợ trao đổi thông tin giữa các chuyên gia phân tán trong quá trình suy luận.

Tóm lại, Wide-EP, một phần của TensorRT-LLM của NVIDIA, cung cấp một giải pháp hiệu quả để mở rộng các mô hình MoE quy mô lớn. Bằng cách phân bổ chuyên gia trên nhiều GPU hơn, Wide-EP giảm tải trọng, cải thiện hiệu quả GroupGEMM và quản lý hiệu quả chi phí truyền thông bằng cách tận dụng miền NVLink băng thông cao. Phương pháp này không chỉ tăng thông lượng trên mỗi GPU mà còn có tác động đáng kể đến tính kinh tế của việc triển khai hệ thống, cho phép đồng thời xử lý nhiều hơn và cải thiện hiệu quả của GPU, cuối cùng là giảm chi phí phục vụ các mô hình lớn.

Chia sẻ bài viết này:

Tin tức mới nhất
AItegrity xây dựng hệ thống AI để lên lịch phỏng vấn.

AItegrity xây dựng hệ thống AI để lên lịch phỏng vấn.

9:00 20/7/26

AItegrity đã phát triển một nguyên mẫu hệ thống lập lịch phỏng vấn tự động bằng trí tuệ nhân tạo để hỗ trợ các nhóm nhân sự của một công ty xây dựng nhà ở lớn trong việc thực hiện 300

Multiverse Computing huy động được 570 triệu đô la trong vòng gọi vốn Series C.

Multiverse Computing huy động được 570 triệu đô la trong vòng gọi vốn Series C.

9:00 20/7/26

Công ty Multiverse Computing (San Sebastian) đã huy động được 570 triệu đô la trong vòng gọi vốn Series C với định giá trước đầu tư là 1,7 tỷ đô la, tăng gấp năm lần so với vòng Series B.

NVIDIA chia sẻ hướng dẫn thiết kế phần cứng cho LLM.

NVIDIA chia sẻ hướng dẫn thiết kế phần cứng cho LLM.

9:00 14/7/26

NVIDIA đã phát hành một hướng dẫn thiết kế phác thảo các phương pháp thực hành nhận biết phần cứng cho các mô hình ngôn ngữ lớn.

Microsoft mở rộng chương trình Copilot với các đại lý dịch vụ bán hàng.

Microsoft mở rộng chương trình Copilot với các đại lý dịch vụ bán hàng.

9:00 14/7/26

Microsoft đã công bố các khả năng AI hỗ trợ mới cho Microsoft 365 Copilot và Dynamics 365, giới thiệu Sales Agent và Service Agent nhằm giúp các đội ngũ bán hàng

Copyright © 2024 Generatived - All right Reserved.

Chia sẻ bài viết này:

Chia sẻ bài viết này:

Generatived AI Logo

Generatived là dịch vụ cung cấp thông tin và xu hướng chuyên về Generative AI. Chúng tôi sẽ cố gắng hết sức để cung cấp thông tin về thế giới đang thay đổi nhanh chóng.

  • Facebook
  • X

Hãy theo dõi chúng tôi

Ngôn ngữ

Tin tức mới nhất
AItegrity xây dựng hệ thống AI để lên lịch phỏng vấn.

AItegrity xây dựng hệ thống AI để lên lịch phỏng vấn.

9:00 20/7/26

AItegrity đã phát triển một nguyên mẫu hệ thống lập lịch phỏng vấn tự động bằng trí tuệ nhân tạo để hỗ trợ các nhóm nhân sự của một công ty xây dựng nhà ở lớn trong việc thực hiện 300

Multiverse Computing huy động được 570 triệu đô la trong vòng gọi vốn Series C.

Multiverse Computing huy động được 570 triệu đô la trong vòng gọi vốn Series C.

9:00 20/7/26

Công ty Multiverse Computing (San Sebastian) đã huy động được 570 triệu đô la trong vòng gọi vốn Series C với định giá trước đầu tư là 1,7 tỷ đô la, tăng gấp năm lần so với vòng Series B.

NVIDIA chia sẻ hướng dẫn thiết kế phần cứng cho LLM.

NVIDIA chia sẻ hướng dẫn thiết kế phần cứng cho LLM.

9:00 14/7/26

NVIDIA đã phát hành một hướng dẫn thiết kế phác thảo các phương pháp thực hành nhận biết phần cứng cho các mô hình ngôn ngữ lớn.

Microsoft mở rộng chương trình Copilot với các đại lý dịch vụ bán hàng.

Microsoft mở rộng chương trình Copilot với các đại lý dịch vụ bán hàng.

9:00 14/7/26

Microsoft đã công bố các khả năng AI hỗ trợ mới cho Microsoft 365 Copilot và Dynamics 365, giới thiệu Sales Agent và Service Agent nhằm giúp các đội ngũ bán hàng

bottom of page