《列车上的轮杆完整版》华为又开源了个大的：超大规模MoE推理秘籍

北京智源研究院一直以来致力于人工智能开源生态建设，很高兴看到Omni-infer项目开源，智源团队打造的面向多芯片的FlagScale框架也在第一时间接入了Omni-infer，期待后续有更多生态合作。 并且据了解，它的功能还将不断扩展，会持续为昇腾硬件平台上的大模型推理提供更强大的支持（例如SGLang等主流开源LLM推理框架）。 企业级的 “调度员”：它有一套智能的调度系统，就像交通警察指挥车辆一样，能合理安排任务（xPyD调度）。而且支持大规模分布式部署，就像多个交通岗亭协同工作，不管任务量多大，都能保证最低的延迟，让响应更及时。精准的 “负载平衡器”：对于不同长度的任务序列，它在预填充和解码这两个关键阶段都做了优化。比如，就像快递分拣中心针对不同大小的包裹采用不同的分拣策略，让整个处理过程的吞吐量达到最大，同时还能保持低延迟。MoE模型的 “专属搭档”：它对混合专家（MoE）模型特别友好，支持EP144/EP288等多种配置。可以想象成一个大型的 “专家团队”，每个专家负责不同的任务，它能让这些专家高效协作。智能的 “资源分配者”：具备分层非均匀冗余和近实时动态专家放置功能。就像在一个大型工厂里，根据实时的生产需求，动态调整各个生产线的工人分配，让资源得到最充分的利用。注意力机制的 “强化器”：专门为LLM、MLLM和MoE等模型优化了注意力机制。这就好比给模型的 “注意力” 装上了 “放大镜”，让它在处理信息时更聚焦、更高效，提升了模型的性能和可扩展性。如何“食用”？ Omni-Infer除了将此前《华为昇腾服务器 DeepSeek V3/R1 推理部署最佳实践》技术报告中的关键技术开源出来之外，也同步进行了更加专业的开源社区建设。 首先，在独立的社区仓库中，将社区治理、社区会议、社区活动、生态合作、代码规范、设计文档等社区信息全部开放出来，让开发者能够最直接深入的参与到社区发展中。 其次，参照业界主流大型开源社区的最佳实践，采用开放的社区治理机制，通过项目管理委员会（Project Management Committee）和特别兴趣小组（Special Interest Group）两级机制，提供公正透明的讨论与决策机制。 再次，针对业界同类开源项目大多存在的“一头热”的“被动适配”生态合作模式问题，Omni-Infer社区则采取了“主动适配”的社区构筑路径，尤其是主动拥抱国内正在逐步成长的人工智能开源项目，让生态真正实现多方共赢。 作为长期与业界几大主流开源基金会（Linux基金会、OpenInfra基金会、Apache基金会等）保持紧密合作关系的社区团队，Omni-infer刚开源的首个活动就将参与OpenInfra基金会在苏州的Meetup，感兴趣的同学可以到现场交流，也顺路可参加有特色的全球性开源社区的生日活动。