近年来，大模型技术发展迅猛，成为推动人工智能产业进步的关键力量。在此背景下，华为推出的昇腾大EP方案，为大模型的应用和发展提供了强大的算力支持，引发行业广泛关注。

据业内AI技术领域从业者向记者介绍，当下大模型发展呈现出“技术摸高”和“工程创新”两条清晰路径。一条是头部科技企业持续探索技术极限，对算力需求不断攀升；另外一条就是以DeepSeek为代表开辟的工程创新之路。

该技术人员表示，“DeepSeek的大模型不仅模型性能卓越，还遵循MIT协议开源，大幅降低业界部署门槛。通过创新训练模式，利用基础模型生成高质量合成数据，结合少量行业数据就能训练模型，突破了数据限制。同时，降低了单个模型使用的算力门槛，将推理资源池的门槛降至百卡/千卡范围，并且开源模型，推动了整个行业的普及。这使得大模型从少量大专家模式向大量小专家模式演进，两种模式并存发展。在这个过程中，大规模跨节点专家并行（EP）成为趋势，它能减少每张卡权重加载时延和显存占用，提升单卡并行能力，实现更大吞吐和更低时延，但也带来了负载均衡和卡间通信等挑战 。”

华为昇腾大EP推理方案正是为应对这些挑战而生。该方案可通过交换机进行参数面互联，基于现有组网架构进行软件升级，就能从之前的一体机平滑过渡而来，实现了单卡性能提升3倍的极致吞吐。在提升性能的同时，它还降低了单卡显存占用，使单卡并发提升到3倍，有效降低了客户部署成本，Decode（大模型逐词生成阶段）时延降低50%以上，显著提升了用户体验。

据了解，昇腾大EP方案之所以能取得如此出色的效果，得益于多项关键技术。在MoE负载均衡方面，通过自动寻优、自动配比、自动预测、自动降解等技术，实现了备份节点和副本专家的灵活可扩展、高可用和极致均衡，避免了专家负载不均的问题。比如在实际应用中，就像医院会诊时能自动为患者匹配最合适的专家，保证每个专家的工作量合理分配。

PD（Prefill和Decode）分离部署技术上，华为突破了传统同节点部署计算访存资源竞争的局限，以及业界静态分离方案不够灵活的问题。其创新的autoPD分离部署方案，能自动感知负载变化，无需人工介入即可自动伸缩P、D实例，结合多级缓存内存资源池化，使系统有效吞吐提升50%以上。这就好比根据不同时段的交通流量自动调整道路的使用方式，让资源得到更合理的利用。

双流/**混合并行技术也为性能提升做出重要贡献。在Prefill（预填充）阶段，通过拆分Batch实现计算和通信相互掩盖；MoE expert专家双流并行利用Cube和Vector计算单元，实现两条Stream并行计算；Weight预取双流并行则利用L2 Cache大容量，降低权重加载时间，平均性能提升30%。

MLAPO融合算子技术将MLA预处理阶段的小算子融合成单一算子，使Vector和Cube计算并行处理，减少了资源开销，降低计算耗时70%，让算力得到更高效的发挥。

华为昇腾大EP方案在满足不同行业需求方面表现出色。无论是互联网、运营商、金融、政务，还是电力、教育、医疗等行业，都能提供全面支持。对于互联网行业，面对大规模用户并发访问，该方案强大的并发处理能力和低时延特性，能够确保服务稳定高效；在教育和医疗行业，虽然用户规模相对较小，但对数据安全和隐私保护要求较高，昇腾大EP方案可以通过本地部署的方式，满足这些行业的需求，同时保证数据安全。

从产业生态角度来看，华为凭借全自研的优势，能够快速适应大模型技术发展带来的新需求。其软件开源开放，兼容主流框架，如PyTorch，同时拥有自己的昇思深度学习框架和MindIE推理引擎，也支持vLLM等业界框架，为用户提供了丰富的选择，便于用户进行自主训练和创新。此外，华为积极与众多伙伴合作，共同打造完善的解决方案，推动整个产业生态的繁荣发展。

随着大模型技术在各行各业的深入应用，对算力的需求将持续增长。华为昇腾大EP方案凭借其卓越的性能、创新的技术和完善的生态，有望在未来的人工智能算力市场中占据重要地位，为推动人工智能产业发展、加速大模型落地发挥关键作用。（发布）