arXiv 发布 Hibana 推理引擎，统一内存设备智能体吞吐提升 3.9 倍
原文标题：Hibana: Fast Agentic Inference on Unified-Memory 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。
论文指出 vLLM、SGLang 面向数据中心 GPU，而本地引擎未充分利用统一内存架构，提出 Hibana 推理引擎，协同优化模型表示、内存管理与解码策略，通过模型手术、跨轮状态保留与自适应投机解码支持本地多智能体负载。在单台 DGX Spark 上运行最高 125B 参数的 Qwen 与 Nemotron 模型，每小时完成任务数最多提升 3.4 倍，解码吞吐提升 3.9 倍。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Hibana推理引擎针对统一内存设备优化，单台DGX Spark上解码吞吐提升3.9倍
- •指出现有vLLM、SGLang面向数据中心GPU，本地引擎未充分利用统一内存层级
- •三项协同优化：模型手术改架构降内存占用与数据搬运、跨轮保留智能体状态、自适应投机解码
- •单台DGX Spark运行最高125B参数的Qwen与Nemotron模型
- •每小时完成任务数最多提升3.4倍，解码吞吐最多提升3.9倍，对比vLLM、NVIDIA Flare、llama.cpp与TensorFold
- •代码已开源
为什么重要：本地跑大模型智能体的瓶颈在内存层级而非算力，这对强调数据不出设备的私有化部署场景是直接可用的性能提升。
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。
软银调整美国 AI 数据中心发电设备采购，确认 5972 亿日元损失
AI 摘要软银集团财报显示，因美国 AI 数据中心项目发电设备采购计划调整，半年内确认 5972 亿日元（约 37.3 亿美元）损失。相关采购由愿景基金二期投资的 Silver Bands 7 LLC 负责，涉及俄亥俄州等地数据中心供电设备。损失含 4570 亿日元不可退还预付款及 1402 亿日元合同修改结算损失。