Edge0：从 SSD 流式服务 35B MoE 模型
原文标题：The Other Half of the Memory Wall: Serving 35B MoEs from SSD with Trained Routing Prediction
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。
论文指出消费级硬件上 MoE 推理受权重内存限制，朴素 SSD 卸载无法提前预读专家。作者提出 Edge0 流式推理引擎，用 prerouter 提前一个 token 预测下一层路由并直接作为路由使用，配合恢复 LoRA 弥补量化损失。单台 24GB 机器可在 3GiB 峰值内存下以 20tok/s 服务 35B MoE，框架与权重开源。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Edge0在单台24GB机器上以3GiB峰值内存、20tok/s服务35B MoE模型
- •35B级模型4-bit下为19.5GB，稀疏性只减每token计算量、不减必须驻留的字节
- •prerouter提前一个token预测下一层路由并直接作为路由使用，使预取专家集等于实际路由集
- •未合并的恢复LoRA弥补int4量化与路由替换带来的质量损失
- •五个公开基准上平均接近fp16教师模型几个点，框架、权重与适配器开源
为什么重要：消费级硬件跑大MoE的关键瓶颈是权重内存而非算力；该方案把SSD流式预读变成可行路径，对本地部署与边缘推理有直接意义。
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。