随着人工智能技术的迅猛发展，落地AI推理应用已成为提升企业运营效率的关键措施，然而GPU等AI算力的高价格使得AI应用的起建成本高昂，让很多企业在AI应用的选择上面临较大的资金压力，尤其对于小微企业成了可望而不可及的奢侈品。
超聚变推出基于英特尔CPU的AI推理一体机解决方案，让通用服务器也可以运行AI大模型推理应用，有效降低AI应用的起建成本，为客户提供普惠式AI推理应用机会，帮助企业以较低的投入享受到智能化带来的便利性和价值。
通用服务器运行
AI大模型推理所面临的挑战
强大的算力需求：AI大模型推理需要强大的并行计算能力。这既包括硬件提供的计算能力支持，也包括向量化指令集和矩阵计算指令集的支持。
较大的内存容量和带宽：推理任务需要存储大量的模型参数和中间数据，且存在超大量的数据交换，需要较大的内存容量和带宽。
合理的算力调度和分配：部署方案关系到推理执行的并行能力和算力发挥的充分性，影响整体推理性能和吞吐量。
有效的推理调度策略：当前主流AI大模型的推理调度框架和调度策略主要是围绕GPU算力设计和开发，并不能很好的适应CPU推理，需要重新以CPU为中心进行设计和优化，减少数据交换提升CPU执行效率。
超聚变AI推理一体机解决方案是基于超聚变高性能服务器，搭载第五代英特尔®至强®可扩展处理器，每个CPU具备8个通道DDR5内存，围绕大模型推理计算流程进行多重技术深度改造，可充分发挥CPU算力以满足20B以内大模型推理应用。
充分利用AMX加速：充分发挥英特尔AMX向量化指令集和矩阵计算指令集的加速能力，实现AI高性能推理。
优化CPU和内存配置关系：根据模型参数量、CPU算力、内存带宽等信息设计最优的CPU和内存配置方案，充分匹配并发挥各环节资源优势，在模型推理过程中提供最优的读写带宽。
模型极致部署，提升推理并行能力：优化模型的部署策略，减少CPU之间的通信开销，提升推理任务执行时的并行处理能力，充分释放多核CPU的利用率。
创新的推理框架设计，智能精调推理调度策略：采用创新的推理框架设计，结合用户输入数据特征的智能精细化调度策略，提升推理任务的调度和执行效率，满足实时性要求。
该解决方案基于FusionServer 2288H V7部署13B模型，模拟20个用户下发不同数据同时访问，实测整机吞吐量可以达到40tokens/s，是第五代英特尔®至强®可扩展处理器原生通用服务器的2倍，可满足20人以内的团队AI推理使用。
当前，数字经济发展迎来新一轮机遇期，智能算力为数字经济创新提供了核心动力。超聚变通过纵向做深、横向拓展，持续焕新计算产业生态，将持续携手生态伙伴，释放算力新价值，让算力更好地服务您。
点击“阅读原文”，查看更多
