AWS 优化 MoE 融合内核并合入 vLLM
热点事件持续更新
AWS 优化 MoE 融合内核并合入 vLLM
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
AWS 分享了针对 MoE 模型解码阶段的融合内核优化：因 token 行数过薄导致 Hopper GPU 利用率低，AWS 通过 Swap-AB 转置把专家维度 N=8192 提升为首操作数，使 Tensor Core 达到满密度并启用异步预取。AWS 称该优化在 H200 上为大规模 MoE 模型带来 2–4% 端到端输出吞吐提升。 该优化已合入 vLLM，AWS 称在 0.24.0 及更高版本可用，同一来源另称 0.22.0 及更高版本可用；AWS 还称该改进在 AWS Large Model Inference（LMI）v28 容器中可用。
AI 根据报道生成 · 1 小时前更新
最新进展10月13日 23:17
Amazon SageMaker AI 上的 MoE 内核工程优化实践报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- AWS Machine Learning BlogAmazon SageMaker AI 上的 MoE 内核工程优化实践
针对 MoE 模型在解码阶段因 token 行数过薄导致 Hopper GPU 利用率低的问题，AWS 通过 Swap-AB 转置将专家维度 N=8192 提升为首操作数，使 Tensor Core 达到满密度并启用异步预取，在 H200 上为大规模 MoE 模型带来 2–4% 端到端输出吞吐提升，该优化已合入 vLLM 0.24.0 及更高版本。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。