你敢想象：僅一臺僅裝備了單塊24G顯存消費級顯卡的系統，不但能跑滿血671B DeepSeek R1模型，還能帶來5并發(fā)51 Token/秒的性能（更細節(jié)數據見下圖），要知道這個性能水準，足以搞定像報告解讀或數據分析這類對實時性要求不高的任務了。
這就是英特爾開發(fā)的全新異構LLM服務方案流出的最新測試數據，這個方案基于HeteroFlow軟件框架，搭配了至強6性能核CPU（配MRDIMM內存，開啟AMX加速）作為硬件基座，它的目標就是緩解 “滿血”大模型們面臨的存力困局。
眾所周知：大模型，是樂也“大參數”，痛也“大參數”——滿血版動輒千億級的參數規(guī)模，再疊加GPU大佬們在顯存容量上的“精準”刀法，總能讓你錢包嚴重失血！如果你就搞一個節(jié)點，即便GPU多卡插滿，也就是能剛剛裝下海量參數，剩余的顯存會限制并發(fā)性能和上下文的長度。咬咬牙上多個節(jié)點，那就只能是……把牙咬碎，因為付出翻倍。
而現在，有了HeteroFlow框架的加持，如果你用的是MoE類大模型，且選擇了英特爾的至強6性能核CPU來做機頭處理器，那么恭喜你，破局方法來了！
當然這個方法可能會顛覆你“AI讓CPU走開”，或者“AI應用中CPU只是GPU小助手”的觀念。但這個方法，恰恰是充分利用了GPU和CPU各自的優(yōu)勢——GPU算力強，CPU內存大。HeteroFlow的工作原理就是把Attention、Dense MLP這些算力敏感型的，也是高價值的任務留給高算力的GPU，但把MoE這種需要大存力的任務，部分或全部卸載給CPU+大容量的內存。
這種方法的終極奧義，并不是說CPU比GPU更重要，或者你不需要GPU了，而是有了CPU的分擔與協助，GPU的工作更有意義了——它能把其成本高昂的算力和顯存全用在榨取并發(fā)性能與上下文長度上，正所謂“好鋼用在刀刃上”，讓整個系統不僅性能收益明顯，投資回報率也是原地起飛。
接下來，讓我們瞧瞧HeteroFlow是怎樣具體干活的：
一、卸載
對AI任務做智能拆分，把部分或全部MoE負載移到CPU上，讓GPU更專注算力密集型任務，細節(jié)如下圖。
二、調度
通過Pipelined Scheduling設計，讓CPU與GPU在各自承載的子任務間實現無縫銜接，最大化榨取它們各自的潛能，如下圖：
三、加速
雖然至強CPU沒有GPU那么強的AI加速算力，但它還是有自己的看家本領——英特爾AMX（高級矩陣擴展技術，有人將其比擬為“CPU里的Tensor Core”），它能為MoE任務涉及的計算提供加速。如果你對AMX技術沒有那么了解，可以借下面兩張圖快速了解一下它的核心組件與架構，以及加速能力。
如果你比較細心，一定注意到我們在前文提到的是HeteroFlow框架 +至強6 性能核CPU這個組合，推薦這款CPU的原因很簡單，因為它內置AMX技術，且主流型號（SKU），特別是用于機頭的SKU能解鎖對MRDIMM內存（8000/8800）的支持，幾乎是目前市面上能同時兼顧內存的大容量與高帶寬的惟一選擇。
如果你還意猶未盡，覺得前文測試場景里的“低配”型系統和它實現的性能，還遠遠不能滿足你一些更加“高大上”的需求，先別急，因為英持爾正在測試HeteroFlow+至強6的另外兩種應用場景：
在更多節(jié)點的、中量級的系統中，瞧它能不能把MoE中的“冷專家”（不常被激活的專家）卸載到CPU上，盡可能提升這類系統的并發(fā)度和拓展其上下文長度； 在更大或特大規(guī)模的AI集群中，當GPU出現單卡故障時，用CPU暫時頂一下，保障集群的穩(wěn)定運行。
由衷期待這兩個新場景能盡快落地，并有性能或性價比上的優(yōu)異表現供大家分享。你可以訪問英特爾官網了解更多基于HeteroFlow框架的異構LLM服務方案的細節(jié)，或者聯系英特爾官方得到英特爾相關技術專家的支持。
誰說CPU只是GPU的小助手？用至強® 6高存力搞定MoE卸載！
想Get基于HeteroFlow的大模型異構新方案？
歡迎訪問英特爾官網，即刻揭秘！
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機遇！
