异构批处理加速迭代检索服务系统Orthrus
原文标题：Efficient Iterative Retrieval with Heterogeneous Batching
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。
针对嵌入模型与生成模型隔离执行导致吞吐低、GPU利用率差的问题，论文提出Orthrus服务系统，在统一推理循环内进行异构批处理，通过分块嵌入与增量池化及工作负载感知的批次组合优化性能。在四块A100 GPU上，受控工作负载吞吐提升1.28至4.52倍，迭代RAG基准端到端p99延迟最多降低55.8%。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Orthrus用异构批处理统一嵌入与生成，四块A100上吞吐最高提升4.52倍
- •现有服务系统隔离执行嵌入与生成模型，导致吞吐低、GPU利用率差
- •Orthrus在统一推理循环内做异构批处理，缓解计算气泡
- •采用分块嵌入与增量池化，并按工作负载感知调整批次组合
- •四块A100上受控工作负载吞吐提升1.28至4.52倍
- •迭代RAG基准端到端p99延迟最多降低55.8%，代码已开源
为什么重要：迭代RAG的延迟与吞吐直接决定检索服务成本，Orthrus的批处理思路对做RAG推理基础设施的工程团队有可复现的优化参考。
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。