英伟达下场,首次优化DeepSeek-R1!B200性能狂飙25倍,碾压H100

当 FP4 的魔法与 Blackwell 的强大算力相遇,会碰撞出怎样的火花?

答案是:推理性能暴涨 25 倍,成本狂降 20 倍!

随着 DeepSeek-R1 本地化部署的爆火,英伟达也亲自下场,开源了首个基于 Blackwell 架构的优化方案------DeepSeek-R1-FP4。

在新模型的加持下,B200 实现了高达 21,088 token 每秒的的推理吞吐量,相比于 H100 的 844 token 每秒,提升了 25 倍。

与此同时,每 token 的成本也实现了 20 倍的降低。

通过在 Blackwell 架构上应用 TensorRT DeepSeek 优化,英伟达让具有 FP4 生产级精度的模型,在 MMLU 通用智能基准测试中达到了 FP8 模型性能的 99.8%。

DeepSeek-R1 首次基于 Blackwell GPU 优化

目前,英伟达基于 FP4 优化的 DeepSeek-R1 检查点现已在 Hugging Face 上开源。

模型地址:huggingface.co/nvidia/Deep...

后训练量化

模型将 Transformer 模块内的线性算子的权重和激活量化到了 FP4,适用于 TensorRT-LLM 推理。

这种优化将每个参数从 8 位减少到 4 位,从而让磁盘空间和 GPU 显存的需求减少了约 1.6 倍。

使用 TensorRT-LLM 部署

要使用 TensorRT-LLM LLM API 部署量化后的 FP4 权重文件,并为给定的提示生成文本响应,请参照以下示例代码:

硬件要求:需要支持 TensorRT-LLM 的英伟达 GPU(如 B200),并且需要 8 个 GPU 来实现 tensor_parallel_size=8 的张量并行。

性能优化:代码利用 FP4 量化、TensorRT 引擎和并行计算,旨在实现高效、低成本的推理,适合生产环境或高吞吐量应用。

对于此次优化的成果,网友表示惊叹。

「FP4 魔法让 AI 未来依然敏锐!」网友 Isha 评论道。

网友 algorusty 则声称,有了这次的优化后,美国供应商能够以每百万 token 0.25 美元的价格提供 R1。

「还会有利润。」

网友 Phil 则将这次的优化与 DeepSeek 本周的开源 5 连发结合了起来。

「这展示了硬件和开源模型结合的可能性。」他表示。

DeepSeek 全面开源

如今 DeepSeek 持续 5 天的「开源周」已经进行到了第 3 天。

周一,他们开源了 FlashMLA。这是 DeepSeek 专为英伟达 Hopper GPU 打造的高效 MLA 解码内核,特别针对变长序列进行了优化,目前已正式投产使用。

周二开源了 DeepEP,这是一个专为混合专家系统(MoE)和专家并行(EP)设计的通信库。

周三开源的是 DeepGEMM。这是一个支持稠密和 MoE 模型的 FP8 GEMM(通用矩阵乘法)计算库,可为 V3/R1 的训练和推理提供强大支持。

总的来说,不管是英伟达开源的 DeepSeek-R1-FP4,还是 DeepSeek 开源的三个仓库,都是通过对英伟达 GPU 和集群的优化,来推动 AI 模型的高效计算和部署。

参考资料:

x.com/NVIDIAAIDev...

相关推荐
吴佳浩4 小时前
我把 HAMi 摆回一台双卡机器上跑了一遍:GPU 编排的性能账,到底记在谁头上
人工智能·gpu
forest_098 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区9 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔9 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区9 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1239 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI10 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健10 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV10 小时前
Google 重返第一梯队
人工智能·google·aigc