原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
演讲人：袁镱
-1-
-2-
大语言模型推理框架
大语言模型推理的基本逻辑硬件厂商：算子研发上有天然优势，充
分利用自家硬件
TensorRT-LLM，MindIE
非硬件厂商：调度和显存管理是研发重点
vLLM，SGLang，一念LLM
模型厂商：模型定制算子
DeepSeek
DeepSeek-R1爆火为推理框架带来的挑战
理想：假定算子MFU60%，16卡H20的吞吐可以到30K+tokens/s（输入：1812，输出：978tokens）
现实：2025年2月，vLLM，SGLang基本都在2Ktokens/s，优化空间巨大
2025年8月，vLLM，SGLang大约7Ktokens/s，TensorRT-LLM11.2Ktokens/s，一念LLM
14.6Ktokens/s，任重道远
-3-
一念LLM的研发基础逻辑
判断1：模型推理占据业务逻辑的比重会越来越大。手写模型
引发“业务快速响应；系统稳定高效”的需求
优化显存
方案：调度与定制能力自研，深度优化调度与
显存管理高效调度
提高吞吐
判断2：开源模型算子优化上，硬件厂商和模型算子择优
开发
文档评论（0）