浪潮信息宣布推出元腦CPU推理服務器,可高效運行DeepSeek和千問QwQ等新一代大推理模型。元腦CPU推理服務器NF8260G7和NF8480G7設(shè)計采用4顆高性能通用CPU和多通道內(nèi)存系統(tǒng),通過先進的張量并行策略和AMX加速技術(shù),單機即可高效運行DeepSeek-R1 32B和QwQ-32B推理模型,單用戶性能超20 tokens/s,可同時處理20個并發(fā)用戶請求,是企業(yè)快速、易獲得、低投入部署上線大模型平臺的理想算力選擇,將加速DeepSeek帶動下AI落地普及速度。

　　大模型行業(yè)應用落地加速,DeepSeek-R1 32B、QwQ-32B等模型中文能力見長,并在理解能力和知識儲備上有顯著優(yōu)勢,是企業(yè)平衡性能和部署成本的最佳模型選擇。元腦CPU推理服務器僅基于通用處理器進行軟硬協(xié)同優(yōu)化,可為企業(yè)32B模型推理與云計算、數(shù)據(jù)庫等通用關(guān)鍵業(yè)務場景融合提供更高效、更靈活、更穩(wěn)定的AI通用算力支撐。

　　隨著DeepSeek等大模型在企業(yè)場景中的應用日趨廣泛,以及與企業(yè)業(yè)務系統(tǒng)的融合更加緊密,CPU服務器憑借其獨特優(yōu)勢成為中小規(guī)模并發(fā)場景部署DeepSeek的最佳選擇。CPU服務器具備卓越的通用性和靈活性,可同時支持AI推理、云計算、數(shù)據(jù)庫等多種工作負載,避免了專用AI硬件的使用局限,為大模型應用與現(xiàn)有IT基礎(chǔ)設(shè)施的融合提供了更加靈活、經(jīng)濟的方案選擇,使企業(yè)能夠以較低的硬件投入快速實現(xiàn)大模型應用落地。

　　在企業(yè)部署大模型的過程中,參數(shù)規(guī)模與其應用場景息息相關(guān)。浪潮信息與IDC聯(lián)合發(fā)布的《2025年中國人工智能計算力發(fā)展評估報告》顯示,目前92%企業(yè)使用的生成式人工智能模型平均參數(shù)量小于50B。一般而言,671B等超大規(guī)模參數(shù)的模型性能更強,但對硬件資源要求高,部署成本昂貴;而32B級模型在理解能力和知識儲備上有顯著優(yōu)勢,能夠平衡性能和部署成本。以業(yè)界32B模型為例,DeepSeek-R1 32B在知識問答、智能寫作、內(nèi)容生成等方面表現(xiàn)優(yōu)秀,QwQ-32B則在數(shù)學推理、編程任務和長文本處理等方面的性能優(yōu)異。DeepSeek-R1 32B和QwQ-32B的訓練數(shù)據(jù)中包含海量的高質(zhì)量中文語料庫,會更加適合于國內(nèi)企業(yè)應用,而Llama 70B主要基于英文語料進行訓練,對中文用戶而言不夠友好。因此,大多數(shù)企業(yè)應用場景中,如企業(yè)知識庫問答、文檔寫作、會議紀要整理等場景,32B參數(shù)級別的模型往往是最佳選擇,既能提供強大的能力支持,又能保持合理的硬件投入。

　　目前元腦CPU推理服務器NF8260G7和NF8480G7基于通用處理器架構(gòu)進行軟硬協(xié)同優(yōu)化,已經(jīng)完成與DeepSeek-R1 32B和QwQ-32B等大模型的深度適配和優(yōu)化。元腦CPU推理服務器通過采用先進的張量并行策略和AMX加速技術(shù),業(yè)界主流企業(yè)級大模型推理服務框架,實現(xiàn)多處理器并行計算,并使用AWQ(激活感知權(quán)重量化)技術(shù),進一步提升推理解碼性能,成功實現(xiàn)單用戶最高20tokens/s的最佳性能,為企業(yè)的AI大模型部署應用帶來流暢體驗。

　　面對CPU服務器部署大模型面臨算力和帶寬方面的挑戰(zhàn),元腦CPU推理服務器采用了多項創(chuàng)新技術(shù)。

　　■在算力方面,元腦CPU推理服務器NF8260G7和NF8480G7,設(shè)計上采用4顆32核心的英特爾至強處理器6448H,具有AMX(高級矩陣擴展)AI加速功能,支持張量并行計算,并通過多通道內(nèi)存系統(tǒng)設(shè)計可支持32組DDR5內(nèi)存,從而在單機具備超強的BF16精度AI推理能力、最大16T內(nèi)存容量和1.2TB/s內(nèi)存帶寬,可以更好滿足模型權(quán)重、KVCache等計算和存儲需求,快速讀取和存儲數(shù)據(jù),大幅提升大模型推理性能。同時,元腦四路服務器具備高可靠性,平均無故障時間可達200,000小時,保障關(guān)鍵應用和AI推理應用持續(xù)穩(wěn)定運行。

　　■在算法方面,元腦CPU推理服務器對業(yè)界主流的企業(yè)級大模型推理服務框架vLLM進行深度定制優(yōu)化,通過張量并行和內(nèi)存綁定技術(shù),充分釋放服務器CPU算力和內(nèi)存帶寬潛能,實現(xiàn)多處理器并行計算,效率最高提升4倍,并使用AWQ(激活感知權(quán)重量化)技術(shù)進一步加速解碼性能,實現(xiàn)了2倍解碼性能提升。測試數(shù)據(jù)顯示,基于單臺NF8260G7,在使用DeepSeek-R1 32B進行帶思維鏈深度思考的短輸入長輸出的問答場景下,解碼性能超過20tokens/s,20個并發(fā)用戶下,總token數(shù)達到255.2tokens/s;在使用QwQ-32B進行模型推理時,支持20個并發(fā)用戶數(shù),總token數(shù)達到224.3tokens/s,可以提供流暢穩(wěn)定的用戶體驗。

　　基于DeepSeek-R1 32B 并發(fā)性能測試數(shù)據(jù)

　　基于QwQ-32B 并發(fā)性能測試數(shù)據(jù)

　　當前,元腦服務器研發(fā)團隊正與業(yè)內(nèi)團隊密切合作,在計算架構(gòu)、算子調(diào)優(yōu)、并行策略、框架適配、調(diào)度管理等多個方面持續(xù)發(fā)力,旨在為用戶帶來高效、穩(wěn)定的DeepSeek等大模型部署方案,助力大模型快速落地應用。