RoLaQ：多头潜在注意力 2 比特 KV 缓存联合校准
原文标题：RoLaQ: Joint Rotation and Range Calibration for 2-Bit KV Caches in Multi-Head Latent Attention
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 RoLaQ 离线方法，针对多头潜在注意力（MLA）的 2 比特 KV 缓存进行旋转与量化范围联合校准，在冻结的键值投影子空间内优化共享旋转并学习耦合的量化阈值与重建增益。在三个 MLA 模型与六个基准上取得最高平均准确率。在 DeepSeek-V2-Lite 上，SGLang 实现同等显存下 KV 容量提升 3.96 倍，256K 输入下解码吞吐提升 2.51 倍。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RoLaQ 让 MLA 模型 2 比特 KV 缓存可用：DeepSeek-V2-Lite 显存容量提升 3.96 倍
- •方法为离线联合校准：在冻结的键值投影子空间内优化共享旋转，并耦合学习量化阈值与重建增益
- •在三个 MLA 模型、六个基准上取得 2 比特方法中最高平均准确率，含 token 保护与否两种设定
- •DeepSeek-V2-Lite 上 SGLang 实现：同等显存预算下 KV 容量为 BF16 的 3.96 倍
- •256K 输入下解码吞吐为 BF16 的 2.51 倍
为什么重要：长上下文推理的显存瓶颈主要在 KV 缓存，2 比特量化若精度可保，直接决定单卡能承载的上下文长度与并发量，对推理部署成本影响直接。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 据悉计划采购谷歌 TPU 芯片，降低对英伟达依赖
AI 摘要据报道，OpenAI 正计划采购谷歌自研的张量处理单元（TPU），以扩大算力规模并实现芯片供应多元化，双方尚未敲定最终条款。OpenAI 同时在推进与博通合作、代号 Jalapeno 的自研 AI 芯片。若交易落地，将直接冲击英伟达在 AI 加速芯片市场的主导地位，并重塑云厂商与大模型公司的算力供应格局。
阿联酋因伊朗袭击调整 5GW AI 数据中心计划
AI 摘要据路透社报道，在遭受伊朗袭击后，阿联酋修订了其 5GW AI 数据中心建设计划。该事件凸显地缘政治冲突对中东地区大规模 AI 基础设施投资的直接冲击，可能影响全球算力布局与供应链。
英伟达预计单季营收达1080亿美元
AI 摘要英伟达预测未来几个月内营收将达到1080亿美元，有望成为继亚马逊、苹果和Alphabet之后又一家季度营收超千亿美元的公司。其数据中心营收同比增长一倍以上，利润也大幅增长。
英伟达公布 OOI 共封装光学技术，原型样品已到位
AI 摘要英伟达在 SEMICON West 2026 上展示下一代共封装光学方案 OOI（Optics-on-Interposer），用大面积硅中介层取代有机封装基板，把光引擎直接集成到承载 GPU 的中介层上。该方案旨在为超大规模 AI 集群提供更高带宽互联，目前仍处研究阶段，无商业化时间表。