GAAC 无损 KV 缓存压缩加速个人设备长上下文推理
原文标题：GAAC: Lossless KV Compression for Bandwidth-Efficient LLM Inference on Personal Devices
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 Group-Adaptive Additive Codec（GAAC），利用指数冗余实现 BF16 KV 缓存的无损压缩，压缩比约 1.41 倍，并配合融合注意力核在线重建。在 NVIDIA DGX Spark 上 64K 上下文解码注意力加速 1.19-1.27 倍，常驻 KV 内存降低约 26%，吞吐提升 13-29%，在 Apple M4 上同样有效。
深读 · 结论先行AI 生成展开看要点与影响 ↓
GAAC 对 BF16 KV 缓存做无损压缩约 1.41 倍，DGX Spark 上 64K 上下文解码注意力加速 1.19-1.27 倍。
- •利用指数冗余，按通道校准 base-plus-offset 编码 BF16 指数，小分组自适应码宽，KV 值逐位保留
- •五个测试模型上无损压缩 1.405-1.407 倍；FP8 E4M3 为 1.09-1.14 倍，E5M2 为 1.25-1.30 倍
- •DGX Spark 上端到端 W4A16 解码步加速 1.04-1.15 倍，常驻 KV 内存降约 26%，吞吐升 13-29%
- •融合注意力核在线重建 KV 块，避免全缓存解压；块级压缩与固定容量槽支持分页与增量更新
- •Apple M4 上注意力加速 1.02-1.25 倍，显示跨设备可移植
为什么重要：个人设备长上下文推理的瓶颈正从权重转向 KV 缓存；无损方案不引入近似误差，可直接叠加在权重量化之上。
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。