自适应专家分配实现 CPU-GPU 协同 MoE 推理，预填充提速 51.9%
原文标题：Efficient CPU-GPU collaborative MoE inference via Adaptive Expert Assignment
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。
研究提出一种 CPU-GPU 协同的 MoE 推理系统，将 GPU 未命中的专家按 token 负载自适应分配到 CPU 或 GPU 执行，并动态平衡两条执行路径的完成时间。在三个代表性 MoE 大模型上，预填充速度最高提升 51.9%，解码吞吐提升 39.5%。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CPU-GPU协同MoE推理按token负载分配未命中专家，预填充最高提速51.9%、解码吞吐提升39.5%。
- •现有方案要么把GPU未命中专家传回GPU吃PCIe延迟，要么放CPU使慢速计算成瓶颈。
- •策略是依据专家token负载差异：高负载专家传GPU，低负载专家留CPU执行。
- •自适应调整分配以平衡CPU计算路径与GPU传输加计算路径的完成时间。
- •三个代表性MoE大模型上验证，不同GPU显存预算下增益一致。
为什么重要：显存受限场景下部署MoE模型的实用优化，对推理服务成本敏感的团队值得细读。
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。
亚马逊计划在 AWS 之外销售 Trainium AI 芯片
AI 摘要亚马逊计划将自研的 Trainium AI 芯片对外销售，不再仅限于 AWS 云服务内部使用。此举意味着亚马逊将直接与英伟达等芯片厂商在 AI 加速器市场展开竞争，拓展其芯片业务的商业化路径。