华为：让DeepSeek的“专家们”动起来推理延迟降10%！

2025-06-14 16:18:40

　　

　　要问最近哪个模型最火，混合专家模型（MoE，Mixture of Experts）绝对是榜上提名的那一个。

　　它的巧妙之处，就在于把不同的任务分配给擅长处理的专家网络，让整个系统性能得以提升。

　　因为在大量任务来临之际（尤其是超大规模时），MoE并不是以“雨露均沾”的方式去分配——专家网络们的负载均衡问题，就会显得尤为突出。

　　这个问题的根源，是因为某些专家网络总是被频繁调用（热专家），而另一些专家网络则鲜有机会派上用场（冷专家）。

　　没错，MoE里的“专家们”也是有冷热之分的，而且被调用频率的差距甚至可以达到一个数量级以上！

　　如此负载不均衡的现象，就会导致整个系统推理的时间被延长，以及还有资源利用率、系统性能受限等问题。

　　别急，华为团队已经给出了一种有效解法，直接让DeepSeek-V3在理论上的推理延迟可降低约10%、吞吐量可提升约10%。

　　值得一提的是，团队还将在近期准备把这个解法全面开源了；那么接下来，我们就来深入了解一下。

　　针对专家们冷热不均的问题，华为优化的刀法，叫做OmniPlacement。

　　通过专家重排、层间冗余部署和近实时动态调度，显著提升MoE模型的推理性能。

　　在这一步中，华为团队通过分析专家的活跃度（激活数据），先是识别出了忙碌的热专家和清闲的冷专家。

　　然后将提出的一种基于计算均衡的联合优化算法OmniPlacement用了上去。

　　这个算法会根据专家调用频率和计算需求来优化部署的顺序，这样就会显著降低负载不均的现象。

　　动态优先级调整：通过实时统计专家调用频率，动态调整专家的优先级和节点分配，确保高频专家优先部署在计算能力较强的节点上。通信域优化：算法分析批次内激活卡数，优化跨节点通信域的范围，减少通信延迟。相比传统的静态分配方法，本算法显著降低了通信开销。层间差异化部署：允许不同层根据负载特性设置不同的专家部署策略，支持非均匀冗余次数配置，从而更好地适应层间负载差异。

　　△相同数据条件下，EPLB与OmniPlacement算法，每层设备最大激活数理论对比

　　通过为高频调用专家分配额外的冗余实例，降低跨节点通信开销，从而提升系统吞吐量。

　　动态资源分配：根据实时计算资源占用情况和专家调用频率，动态调整冗余实例的分配比例。系统通过预测模型提前分配资源，减少冷热专家间的性能差距。层间差异化配置：不同层根据负载需求设置不同的冗余次数，增强对层间负载差异的适应能力。例如，高负载层可分配更多的冗余实例，而低负载层则减少冗余以节省显存。预测性分配：结合历史激活数据和负载预测模型，系统能够提前优化资源分配，降低突发负载对系统性能的影响。

　　为了让系统能更灵活地应对各种变化，在实际运行中快速做出反应，研究团队设计了一套类似 “智能管家” 的方案——

　　近实时调度：通过实时统计数据流特性，动态调整专家分配以适应输入数据的变化。调度算法能够在毫秒级时间内收敛到优化的静态专家部署模式，确保推理过程的高效性和一致性。该机制通过迭代优化专家分配，显著降低了动态调整的计算开销。动态监控：实时跟踪专家激活数据和系统资源占用情况，为调度决策提供准确依据。监控任务在独立的计算流中运行，避免对推理主流程的干扰，保障系统整体效率。动态专家权重访问与摆放：通过层间流水线设计，实现专家权重和分配的动态调整。系统在推理过程中并行处理权重更新和数据流分配，支持高效的专家动态摆放。流水线设计允许在不中断推理流程的情况下完成权重调整，显著降低高负载场景下的推理延迟。

　　首先采用多任务并行处理技术，让系统反应更快、调整更灵活；其次独创性地将监控和调度功能分开运行。

　　这样既保证了实时监控的准确性，又避免了监控程序拖慢系统速度，使整个系统运行更加稳定可靠。

　　为了支持上述技术的稳定运行，团队还开发了适用于vLLM的推理优化框架OmniPlacement，其核心特点如下：

　　高兼容性：框架支持多种MoE模型架构，能够无缝集成到现有的推理系统中。低时延开销：通过优化数据处理和调度流程，框架显著减少了额外计算开销，确保推理性能不受影响。模块化设计：框架包含数据统计、算法运行和专家调度三大模块，各模块功能解耦，支持功能扩展和维护。模块化设计便于快速迭代和定制化开发。可扩展性：框架支持动态添加新的负载均衡算法和调度策略，适应未来MoE模型的复杂需求。

　　OmniPlacement采用模块化设计，把核心算法和推理流程分开处理，就像把汽车的发动机和控制系统分开优化一样。

　　一是专门负责任务调度的模块可以独立工作，不会干扰主系统的运行效率；二是整个框架可以根据不同需求灵活调整，为大型AI模型的稳定运行提供了坚实的底层支持。

　　华为团队把这套优化方法在DeepSeek-V3上进行了全面验证，实验环境包括多节点GPU集群和高并发推理场景。

　　推理延迟：相比基线方法（未优化负载均衡的MoE模型），推理延迟平均降低约10%。延迟的减少主要得益于动态专家分配和通信域优化，显著改善了用户体验。吞吐量：系统吞吐量提升约10%，反映了资源利用率的显著提高。特别是在高并发场景下，冗余部署和动态调度有效缓解了负载瓶颈。系统稳定性：在动态输入和高负载场景下，系统保持高效运行，未出现性能波动或服务中断。动态监控机制确保了系统对突发负载的快速响应。

　　进一步的分析表明，OmniPlacement在不同规模的MoE模型和输入数据分布下均表现出良好的适应性。

　　并且从实际测试证明来看，它不仅能大幅提升运算效率，还能更合理地利用计算资源，同时保持系统稳定运行。

　　最后值得一提的是，华为团队不仅是发布优化方案这么一个动作，更是要将这个方法在近期全面开源。

　　05月20日，【百万庄小课堂】火爆的3D游戏，为什么有人一玩就头晕？，新利棋牌，热博RB88体育，app退款绝对成功的理由，银河捕鱼下载

　　05月20日，【小新的Vlog】走啊！跟着小新“穿越”古今 火山岩间赏杜鹃，百老汇在哪里玩，贝博开户网址，必威客服端下载官网，火星电竞app

　　05月20日，李家超晤吉布提总理 冀为两地企业开拓商机，leyu乐鱼怎么注册，ag国际厅真人，公式规律，皇室国际官网

　　05月20日“潭美”减弱为热带风暴级 海南仍有强降水线娱乐平台下载bwin备用网址必赢网怎么打不开了

　　05月20日河南多地迎来2024年首场降雪完美体育下载地址mg国际新网站大发快彩票平台爱体育APP下载

　　05月20日混团世界杯中国香港胜德国 黄镇廷：希望女儿看到我拼搏的样子188betapp链接线上赌钱OD在哪里玩银河游艺电玩城……

　　05月20日，户县、辛集农民画联展西安开幕，ayx怎么注册，IM体育官网比分，炸金花安卓，bepay体育app

　　05月20日，以金融高质量发展助力强国建设、民族复兴伟业，仲博app，特肖秘籍，米乐m6官方客服，888太阳集团网址

　　05月20日深圳加快打造世界级旅游目的地城市凯时app登录英皇娱乐怎么开户bv伟德官网下载澳门皇冠视频在哪里

　　05月20日，新西兰总理为该国护理机构虐待丑闻道歉，必威体育手机版下载，芒果体育网，大红鹰欢迎您你，云顶娱乐手机登陆

　　05月20日，四川绵阳一生态农场在食堂里设置生猪“橱窗”，88线，德州国内都玩不了吗，88游戏

　　05月20日，新疆克州首批生活物资发往阿合奇县震区，开博体育网页版官网，yoboapp下载，新宝6平台登陆，云顶国际足球

　　05月20日习4日在视察信息支援部队时强调，努力建设一支强大的现代化信息支援部队，推动我军网络信息体系建设跨越发展bbin体育波音馆棋牌游戏哪家好九游会官方地址优德体育w88中文手机版

　　05月20日谁给了“水团”欺诈观众“割韭菜”的胆子？贝博体育官网平台登录入口斗牛怎么可以赢钱188体育手机版注册万博官网手机版

　　05月20日中国移动通信集团有限公司领导人员调整网络电玩森林舞会bet356体育官网平台ca88集团沙龙网址

　　怎么有脑袋这么小身体那么大的动物，苏州KSG战胜重庆狼队公安部交管局提示：返程高峰，出行牢记交通安全澳门新京葡萄电玩澳门有网投平台吗新博体育千赢国际电子游戏官网首页

　　琼瑶下周一将于阳明山花葬，拍薛之谦的人找到了上海侨界专业人士沙龙举行 共话数字经济新引擎德州APP都上不去了万博官方网站体育网站皇冠hg8868新版凯时贵宾会

　　苹果龙年手机壳被吐槽指蟒为龙，布偶寻踪第二届海峡两岸交流融合月在深圳开幕万赢体育官网澳博在线登陆美高梅开户官方葡萄京官方网站

　　张艺谋夸刘耀文是电影脸，明日方舟 引星棘刺【世界说】外媒：受多重因素打击 “美元霸权”或失去根本依托豪聚棋牌大发娱乐官网深海捕鱼旧版本升博竞彩官网

　　蔡斌回应女排止步8强，我的天才女友 第三季横店国际短剧联盟成立 推动中外短剧产业交流六合飞鸽yabo22vip竞彩官网鸭脖体育在线登录银河真人正网

　　曼联晋级足总杯决赛，擅长捉弄的高木同学(剧版)今年以来中欧班列（合肥）跑出“加速度” 新增5条新线怎么注册金沙导航

　　云南山体滑坡已致31人遇难，易普症美国航天局：滞留太空的美国宇航员将于2025年返回地球365真正官网是什么黄金城是不是倒闭了bwin官网登录入口ManBetx手机版登陆