今日焦點
往期回顧
Aegaeon方案的核心在于解決AI模型服務(wù)中普遍存在的GPU資源浪費問題，尤其針對那些需求突發(fā)或不可預(yù)測的大型語言模型。
它打破了傳統(tǒng)的“一個模型綁定一個GPU”的低效模式，而是在Token級別虛擬化GPU訪問，這意味著單個GPU可以被多個不同模型共享服務(wù)，實現(xiàn)精細(xì)化的資源調(diào)度。
阿里云Aegaeon系統(tǒng)作為一種推理時間調(diào)度器，它能在每次生成下一個token后，動態(tài)決定是否切換模型，從而將微小的工作片段安排到共享池中。
通過組件復(fù)用、顯存精細(xì)化管理和KV緩存同步優(yōu)化等全棧技術(shù)，Aegaeon將模型切換開銷降低了97%，確保了token級調(diào)度的實時性，可支持亞秒級的模型切換響應(yīng)。
在阿里云模型市場為期超三個月的Beta測試中，Aegaeon系統(tǒng)在服務(wù)數(shù)十個參數(shù)量高達(dá)720億的大模型時，所需的NVIDIA H20 GPU數(shù)量從1192個銳減至213個，削減比例高達(dá)82%。
GPU用量的大幅削減，對于硬件采購成本高昂的大型模型服務(wù)商而言，意味著成本將顯著降低。
目前，這項核心技術(shù)已成功應(yīng)用在阿里云百煉平臺。
所有評論僅代表網(wǎng)友意見，與本站立場無關(guān)。