arXiv 论文：TriAttention 稀疏混合精度加速长上下文推理
原文标题：TriAttention: Unified Sparse Mixed-Precision Attention for Long-Context LLM Inference
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 TriAttention，将查询-键块分配为跳过、4 比特或 8 比特计算，并用离线校准与全局分配器优化各头边界。实验显示端到端生成最高提速 7.88 倍，同时保持通用与长上下文任务质量。
深读 · 结论先行AI 生成展开看要点与影响 ↓
TriAttention把QK块分为跳过/4比特/8比特三档，端到端生成最高提速7.88倍。
- •按精度需求区分交互：部分交互可低精度但不可删除，故设跳过、4比特、8比特三档。
- •每个头用两条对角距离边界编码计算区域，策略存储与上下文长度无关。
- •离线校准用归一化投影输出误差与整块执行成本评估边界对，全局分配器在共享预算下选边界。
- •prefill阶段生成按精度分组的遍历供融合kernel使用，量化KV复用于解码压缩缓存。
- •相对Torch attention提速最高7.88倍，相对BF16基线2.65倍，并保持通用与长上下文任务质量。
为什么重要：长上下文推理的成本瓶颈在注意力，这条给出稀疏与混合精度结合的具体工程方案，对推理加速与芯片适配有参考意义。
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。
英伟达拟将 Brightspeed 老旧电信机房改造为1吉瓦AI推理网络
AI 摘要英伟达已向美国宽带运营商 Brightspeed 提交书面方案，计划将部分老旧电信机房改造成小型AI数据中心，组成最多覆盖20个州的推理网络。知情人士称这批机房合计约有1吉瓦可用电力。