NVLink机架上FFN拆分提速
bookwormengr · x · 2026-07-14
这条帖子讨论了在最新机架级 GPU 系统上，把 Attention 和 FFN/MoE 层拆到不同 GPU 服务器上的思路。
引用中提到一个开源实现 FastAFD：面向 GB200 NVL72（72 张 Blackwell GPU，处于同一个 NVLink 域）的 AFD runtime。作者给出的结果是，它能把每 GPU 解码吞吐提升 1.35–1.45 倍。帖子同时附了代码和博客，强调这是围绕新一代 GPU 机架系统的系统级优化思路。
「Infra」频道最新
- AWS 教程:SageMaker SDK v3 搭建车队级边缘视觉模型流水线 — AWS ML Blog · 2026-10-27
- Embedl 把 Qwen3.8-27B 压进 Jetson Thor:解码 40 tok/s,精度反超 FP16 — No-Dragonfly6246 · 2026-10-27
- Celesto 推出便宜近 90% 的 CI Runner，兼做 Agent 云电脑 — aniketmaurya · 2026-10-27
- Supabase 联创谈 AI 时代后端：为十亿个 AI 生成应用而设计 — Latent Space · 2026-10-27
- AW-0 单卡 RTX 5090 推理 230ms:联合去噪比自回归代码快 2.4 倍 — trevordarrell · 2026-10-27
- 全美市议会话题追踪网站：数据中心热度仅次于匹克球场 — zakkohane · 2026-10-27