vLLM 补充各硬件性能优化
vllm_project · x · 2026-07-12
这是 vLLM 0.25.0 相关的硬件与性能补充说明，重点在不同平台上的优化：
- NVIDIA / GB300：FlashInfer 的 fused all-reduce 针对 GB300 调优，Blackwell 的 NVFP4 decode 吞吐恢复，补上 FA4-MLA warmup 与 XQA decode kernels
- GLM-5.2 / DeepSeek：fused indexer kernel 带来约 1.9–3.3% 端到端吞吐提升，reduce-scatter MoE all-reduce 提升约 3%，DSv4 的 tokentoreqindices cache 让某些 kernel 有 5–6x 加速
- AMD ROCm：torch 2.11 stable ABI、AITER FlashAttention MLA prefill backend、shared-expert fused kernel
- Intel XPU：W8A8 FP8 linear kernel、多粒度量化、FA2 的 uniform-batch CUDA graphs
- CPU / 其他架构：AArch64 上 unquantized MoE 更快，修复 Apple Silicon hang，支持 RISC-V RVV INT4 GEMM 和 PowerPC fp16
所属事件:vLLM 0.25.0 大版本发布：架构升级与多硬件性能优化(5 条相关)→
「Infra」频道最新
- xAI Colossus 1 数据中心 FP64 算力约 14.6 exaflops,达 Top500 榜首 5 倍 — cis_female · 2026-10-27
- Lambda 实测 NVIDIA DSX MaxLPS：同等电力多跑 3 节点，吞吐提升 24% — TheZachMueller · 2026-10-27
- 新播客：Micron HBM 路线图、Meta AI 基建与 NVIDIA 供应链掌控 — BenBajarin · 2026-10-27
- SGLang MegaKernel+PD 发布：高并发吞吐与低延迟兼得，TCO 大幅优化 — AccBalanced · 2026-10-27
- 自托管 Convex 扩容实战：把 TypeScript 函数编译成 WASM — leventov · 2026-10-27
- Anthropic 营收三年暴涨 4000 倍,上半年已入账 163 亿美元 — daniel_mac8 · 2026-10-27