这一次，团队把DeepSeek-V3在训练和推理过程中，如何解决“硬件瓶颈”的方法公布了出来。

　　具体而言，DeepSeek-V3之所以可以只用2048块H800，就能达到超大规模集群（如数万块GPU）相当的训练效果，核心在于四项创新技术：

　　内存优化多头潜在注意力（MLA）计算优化混合专家模型（MoE）与FP8低精度训练通信优化多层网络拓扑与低延迟设计推理加速多token预测（MTP）

　　现在的大语言模型（比如GPT、Llama）变得越来越庞大，需要的存储空间激增。特别是它们使用的“注意力机制”会产生大量临时数据（KV Cache），占用大量显卡内存。

　　训练超大规模模型需要海量计算资源，传统 “稠密模型”（如 Llama-3）每次计算都要激活所有参数，导致计算成本极高。

　　而 “混合专家模型”（MoE）虽然更高效，但需要复杂的通信机制（如专家间数据传输），对网络带宽要求极高clash 真全局。

　　当使用多个GPU一起训练时，它们之间需要不断交换数据，这个过程会产生延迟。即使用了高速网络（如InfiniBand），这种延迟仍然会拖慢整体训练速度，尤其是处理长文本或需要实时响应时更明显。

　　DeepSeek团队首先是对内存进行了优化，所采用的方法则是多头潜在注意力（MLA），为的就是减少 “键值缓存”（KV Cache）的内存占用。

　　传统模型每个注意力头都需要独立缓存键值对，而MLA通过投影矩阵将所有头的键值对压缩成一个更小的 “潜在向量”，只需缓存这一向量。

　　相比其他模型（如LLaMA-3、Qwen-2.5），DeepSeek-V3的KV缓存大小每token仅需70 KB，是传统方法的1/7到1/4，大幅降低显存压力，尤其适合长文本处理。

　　DeepSeek-V3采用类似的思路，其总参数虽然是6710亿，但每次仅激活370亿参数，训练成本仅为同规模稠密模型的1/10（如Llama-3.1的训练成本是其近10倍）。

　　也正因推理时激活参数少，DeepSeek-V3可在消费级GPU（如售价1万美元的显卡）上运行，每秒生成近20个token，适合个人或中小型企业使用。

　　至于FP8低精度训练，不同于传统训练使用BF16（16 位浮点），可将内存占用和计算量减半，同时通过 “精细量化”（如分块压缩）保持精度。

　　而DeepSeek-V3是首次在开源大模型中成功应用FP8训练，训练成本降低50%，且精度损失小于0.25%。

　　例如多层胖树网络（Multi-Plane Fat-Tree），将集群网络分为多个 “平面”，每个GPU连接到独立的网络平面，避免不同任务的流量冲突（如训练与存储通信分离）。

　　DeepSeek-V3在做推理时，还将 “注意力计算” 与 “专家间通信” 分阶段执行，利用流水线并行（DualPipe）让GPU在计算时同时传输数据，避免空闲等待，吞吐量提升近1倍。

　　传统模型每次只能生成1个token，而MTP通过轻量级子模型并行预测多个候选token（如一次预测2-3个），验证后选择最优结果。

　　从实验效果来看，生成速度提升1.8倍，例如每秒生成 oken数从10个增至18个，同时保持准确率在80%-90%。

　　以上就是DeepSeek-V3通过硬件与模型的协同设计，在有限资源下可以实现高效训练和推理的关键技术了。

　　DeepSeek团队从五大维度做出了展望，希望在这一方面能够从过去的“被动适配”逐步过渡到“主动设计”。

　　针对计算效率低的问题，下一代的AI硬件需要提高累积寄存器的精度，支持FP32累加，或可配置精度（如训练用FP32，推理用FP16）。这样才能在不同的模型训练和推理需求中实现性能和准确性的平衡。

　　硬件还需要支持本地的细粒度量化，使张量核心能够直接接收缩放因子（scaling factors），在计算单元内部完成量化和反量化，减少数据搬运。

　　此外，建议支持LogFMT（对数浮点格式），在相同比特宽度下提供更高精度，并提高编解码的速度。

　　针对传输速度慢的问题，建议未来的硬件将节点内（纵向扩展）和节点间（横向扩展）的通信整合到一个统一的框架中，通过集成专门用于网络流量管理的协处理器。

　　统一网络适配器：设计连接到统一扩展和缩减网络的NIC（网络接口卡）或I/O芯片，让网卡直接支持所有通信需求。专用通信协处理器：将数据搬运、Reduce、类型转换等任务卸载到专用硬件，释放GPU SM资源。增加智能传输功能：自动转发数据，支持广播和汇总操作，并自动处理数据顺序问题。动态带宽分配：支持流量优先级调度（如EP通信>

　　KV缓存传输）。CPU-FPU高速互联：用NVLink连接CPU与GPU，进一步优化节点内通讯。

　　针对网络卡顿的问题，建议以太网供应商开发专门针对RDMA工作负载进行优化的RoCE交换机，移除不必要的以太网功能。

　　还需要优化路由策略，支持自适应路由（Adaptive Routing，AR）通过动态向多个路径发送数据包，即可显著提高网络性能。

　　针对AI模型记性越来越差，聊天时难以记住上下文的问题，可以通过3D堆叠DRAM的方法，把内存芯片像三明治一样叠在计算芯片上。

　　或者学习Cerebras，直接在晶圆上进行集成工程，最大化内存带宽和计算密度，让硬件能记得更多。

　　针对大规模训练中网络闪断、GPU故障会导致任务失败的问题，期待下一代硬件能够支持链路层重试和快速故障切换，在闪断后能够立刻自己找备用路线。

　　还可以增加基于信用的流控（CBFC）+智能拥塞控制算法（如RTT-CC），避免网络集体卡死。

　　简单来说，下一代AI硬件要向算数快（低精度计算+本地细粒度量化）、传话快（直连网络+智能路由）、记性好（3D内存+近存计算）、不宕机（自愈网络）的方向改进，才能更好地应用于大模型训练，实现高效扩展。

　　05月12日,一些年轻人缴存个人养老金积极性为何不高？,招商信用卡逾期了怎么跟银行协商解决分期，多久会被起诉会坐牢吗,成人🔞免费视频在线日,【东西问】荷兰青年建筑师和马町：于东西方之间探寻“天人合一”,

　　3、配合各科教师，认真学好每一科——我们六年级的每一位老师，都是是经验丰富的高级教师，理论和教学水平都是非常突出的。希望同学们能虚心听取老师们的教诲，让成绩像芝麻开花――节节升高。老师40分钟上课的内容都是精华。如果你们上课认真听课了，会收到事半功倍效果，会胜过你们课后花很多时间去做许多题的。相反就会事倍功半。上课认真听课很重要，老师留的作业也要保质保量的完成。因为老师布置的作业是根据教材和你们的实际，有他的训练目的和意义。

　　在农村，要体现先进文化的前进方向，必须把精神文明建设摆到村级工作的议事日程上来。如今，农村虽然比原来富了，但生活质量、文明程度还没有跟上来，城乡差距还比较大。这就要求农村干部，要按照现代化新农村的要求，在规划建设、村庄管理、居住和生活方式等方面，引导农民群众逐步向城市化生活过渡，加快农村城市化进程。要反对封建迷信，弘扬社会公德、家庭美德，积极开展群众性的文化娱乐和文明村户创建等活动，用科学健康、文明向上的思想占领农村思想文化阵地。

　　时事4：桥本有菜无码中出在线日,第一观察丨总书记这样为奥运健儿点赞,不仅是这片山林，就是远处的大山间，所有强横生物都出动了，一时间飞禽走兽的嘶鸣此起彼伏，整片山脉都沸腾了。,芙宁娜的玉足夹的我好紧,男人露J㊙️图片,老师❌开腿让我爽一夜在线日,香港青年团体访浙江衢州 感叹品尝到“妈妈的味道”,“这头蛟看起来的确很好吃，但肯定没狻猊肉香，它不是太古遗种，真血绝对比不上。”另一个鼻涕娃补充道。,小受受扒开屁股挨🌿网站动漫,曼珠沙华被扒开大腿猛烈进入,日产精品㊙️入口在线观看。