中国芯“混编”战力全开！上海AI实验室新技术破算力瓶颈，沐曦壁仞等均适配

随着人工智能（AI）加速演进，社会对高质量、低成本算力的需求持续攀升，但如何整合不同品牌、不同架构（即“异构”）的国产芯片，一直是制约我国AI产业大规模落地的核心瓶颈。

记者从上海人工智能实验室（上海AI实验室）获悉，他们近日正式发布DeepLink混合推理方案，率先实现多元异构芯片的深度混合调度与协同推理。这也是该实验室继去年率先攻克国产芯片混合训练的难题后，在构建我国自主可控、高效协同的算力底座上，再次取得的标志性突破。

算力重心转向推理应用

随着AI大模型应用的普及，社会当前的算力需求正逐渐从训练转向推理。简单说，如果大模型的“训练”是它们在研发阶段“寒窗苦读、习得知识”，那么“推理”就是它们“学成”后步入社会、为千行百业解决具体问题的过程。当前，伴随AI应用的爆发，全社会对推理算力的需求，正呈几何级增长。

然而，此前国产算力推理技术，只能支持单一型号芯片的算力调度。由于各芯片厂商缺乏互联互通的标准，因此异构芯片间调度难、利用率低，难以形成合力。如何突破这一“算力围城”，成为加速AI全面赋能各行各业的关键。

“AI模型的推理，其实像是一场足球赛。”上海AI实验室专家工程师、系统平台中心负责人王辉告诉记者，用单一芯片建设的算力集群，就像是一支由“11个前锋”或“11个后卫”组成的球队，虽然单兵素质挺优秀，但由于位置单一、功能重复，面对复杂赛况却往往难以发挥最大效能。

实际上，模型的推理，包含预填充（Prefill）和解码（Decode）两个关键阶段，前者对算力要求极高，后者则对内存访问性能更敏感。此次上海AI实验室发布的DeepLink混推方案，首次基于多种国产异构算力，将预填充和解码进行了分离（PD分离），从而可以将不同的任务，分配给不同型号的芯片，相当于能根据“球员能力”排兵布阵。

巧妙“布阵”化解“偏科”难题

算力芯片其实都存在一定的“偏科”——有的算力性能强，就好似爆发力突出，适合在推理的“预填充”环节进行“冲击”；有的存储性能优秀，如同耐力好，适合担纲“解码”任务。

王辉表示，根据具体任务需求，选出“最合适球员”的混合组队模式，可让国产芯片从过去的单打独斗转向系统性集团作战。

在DeepLink混合推理方案中，上海AI实验室构建了三大原创技术底座，让异构的国产芯片可在同一个算力集群中丝滑配合、充分发挥所长。其中，DLSolver（策略求解器）就像是高明的“球队经理”，可以对不同芯片的能力进行精准评测，为其找到最适合的“场上位置”；DLRouter（智能流量路由）就像球队教练，能实时调度，确保整个算力集群顺畅运转；DLSlime（异构通信库）发挥了中场衔接作用，能够让不同芯片之间进行高效流量传输。

实测数据显示，在千卡规模的推理算力集群中，DeepLink方案较之传统的单一芯片方案，首字响应时间（TTFT）最大可优化34.5%。这意味着当用户向AI提问时，它“蹦”出第一个字的速度快了约1/3。同时，其推理吞吐能力提升32%，相当于AI持续输出答案的过程也提速近1/3。这表明，借助DeepLink，国产算力集群实现了芯片级的“知人善任”，真正实现了“1+1>2”。

盘活资源赋能“人工智能+”

DeepLink混推方案的发布，不仅是一次技术意义上的“登顶”，更有可能对我国AI产业生态带来积极影响。

当前，国内一方面渴求算力，但由于国产算力难以整合，一定程度上还出现了资源闲置的局面。DeepLink的出现，有助于充分挖掘国产芯片的潜力，将其转化为高价值的算力资源池，从而盘活全国的算力供给。

据透露，DeepLink混合推理方案已基本完成对8款国产芯片的适配，包括昇腾、沐曦、平头哥、壁仞等主流品牌，其推理性能平均提升幅度超过20%。这相当于用户所承担的算力成本相应地下降了20%以上。

由于能有效激活存量算力，国内一些省级算力中心已决定采用这一技术方案。同时，上海AI实验室还在继续推动DeepLink混合推理方案与更多国产芯片开展适配，从而将为更多本土芯片企业提供宝贵的发展空间。

值得一提的是，去年上海AI实验室曾推出DeepLink混合训练方案，成功实现了跨越千公里的多智算中心长稳混合训练千亿参数大模型。此次在“混合推理”上再次突破，意味着他们完成了“训推一体化”的全方位国产算力赋能体系建设。这将对于有效降低我国对特定算力硬件的路径依赖、保障国家算力安全、推动“人工智能+”落地，起到重要的基石作用。