综合性价比超越硅谷，PPIO 派欧云发布下一代推理加速引擎

(2024 年 7 月 28 日,长春)2024 年 7 月 26 至 28 日,由中国计算机学会(CCF)主办的“CCF Computility 2024 分布式计算大会暨全国开放式分布与并行计算学术年会”在长春市举办。陈国良院士、于全院士、郑纬民院士等 11 位院士与学术界和产业界的 1000 多位顶级专家齐聚一堂,深入探讨分布式计算与算力网的最新进展,推动科技与产业的深度融合。

作为中国领先的分布式云服务商,PPIO 派欧云联合创始人、董事长兼 CEO 姚欣受邀参会并发表题为《面向下一代人工智能的分布式智算网络建设与运营》的主题演讲,正式发布下一代分布式推理加速技术产品——派欧算力云推理加速引擎。

性价比领先:推理性能提升十倍,综合成本降低 90%

派欧算力云推理加速引擎通过一系列自研推理加速算法,使大语言模型(LLM)推理性能提升 10 倍。同时,PPIO 派欧云还积极在硬件层构建分布式算力基础设施,将综合推理成本降低 90%以上。不仅推理性能超越了众多硅谷 AI Infra 头部公司,还具备显著的成本优势,助力更多开发者使用大模型技术进行应用创新。

为了突破显存、算力和带宽对大模型推理性能的限制,PPIO 派欧云通过算法、系统和硬件的协同创新实践,推出三大核心技术,通过 Pyramid Cache 稀疏化压缩算法、Hydra Sampling 投机采样技术以及端到端 FP8 推理,打造全球领先的下一代高性价比算力云推理加速引擎。这些技术显著提升了推理加速优化的潜能,实现成本与性能之间的最佳平衡,为开发者提供了卓越性价比的大模型推理服务。

Pyramid Cache 稀疏化压缩算法:与当前主流压缩优化思路不同,Pyramid Cache 稀疏化压缩算法分析计算注意力分数在不同层上的分布模式,为不同层动态分配不同 KV Cache 预算,在压缩比和模型性能之间取得最佳匹配。实验表明,该方法将 KV Cache 压缩至 10%以内,同时保持 95%以上的模型性能表现,最终将 GPU 内存开销降低至 20%,显著提高 GPU 内存资源利用率,不仅满足长窗口的推理需求,还进一步将端到端推理效率提升 2 倍以上。

Hydra Sampling 投机采样技术:针对传统大模型推理过程中每次仅生成一个 token 导致的低吞吐量问题,PPIO 派欧云创新实现了基于多头并行推理的 Hydra Sampling 投机采样技术。大量实验证实,在传统的投机采样算法中,草稿模型的输出 token 接受率严重影响推理效率。为此,PPIO 通过用场景数据在线更新草稿模型,使得草稿模型逐渐拟合目标大模型,相应的输出 token 接受率可以进一步提高。基于这种在线动态更新机制,草稿模型越用越聪明,推理效率也随之越来越高,端到端综合性能优化达到 2 倍以上,处理更多请求的同时,推理性价比显著提升。

端到端 FP8 推理:PPIO 派欧云重写了核心的注意力算法,直接调用 FP8 TensorCore 进行注意力计算,并使用 FP8 保存 KV Cache,避免 FP16 格式的中间结果转换和传输,实现全链路 FP8 计算。通过这些优化,显著降低数据存储和通信成本,端到端推理效率提升约 2 倍,充分释放硬件算力潜能。

在三项创新技术的支持下,派欧算力云产品基于自研的推理加速引擎能够迅速适配和优化开源大模型,第一时间上架 Llama3.1-405B、Mixtral 8x22B 等 20 多个开源高性能大模型,API 正常运行时间达到 99.99% 。与 GPT-4o 相比,通过派欧算力云产品微调和优化的 Llama3.1-70b 模型,其 Input token 价格降低了 90%,Output token 价格降低了 95%。派欧算力云产品还通过第三方大模型 API 平台为全球开发者提供高性能推理服务,相比于 OctoAI、Lepton、Together、Fireworks 等硅谷公司,派欧算力云产品在综合性价比上具有显著优势,确保开发者在享受高性能、稳定的推理服务的同时,获得前所未有的成本效益。

*数据来自第三方大模型 API 平台(7 月 28 日)

灵活产品形态,共建繁荣 AI 开发者和产学研生态

派欧算力云推理加速引擎可广泛应用于多个场景,提供灵活且高效的解决方案。在大模型服务方面,用户只需几行代码即可享受高性价比的推理服务,并且只需为实际消耗的 token 数量付费。这种方式极大地降低了用户的使用门槛和成本,帮助企业专注于自身业务的增长和发展。

不仅如此,派欧算力云产品还提供容器化的推理基础设施,满足模型定制和私有部署的需求。用户无需担心底层的计算资源管理,只需专注于模型和上层业务,即可自动获得强大的推理性能输出,并按使用时长付费。这种灵活的服务模式使得企业能够快速部署和扩展推理服务,适应不断变化的业务需求。

同时,PPIO 派欧云积极推动高校学术合作和人才培养。PPIO 派欧云首席科学家王晓飞教授在大会发表演讲,分享了 PPIO 与天津大学在分布式算力云方向的产学研合作最新动态,并介绍了通过汇聚网络边缘侧与端侧算力资源、构建混合异构分布式算力网络的实践案例。此外,依托此次 CCF 分布式计算大会,PPIO 联合中国计算机学会分布式计算与系统专业委员会、中国科学院计算技术研究所分布式系统研究中心、鹏城实验室网络智能研究部,举办第一届 CCF 算力网系统与应用大赛。大赛旨在激发青年学生的创新创造力,深入了解算力网的系统架构和关键技术,推动算力网技术的创新发展和落地应用,为算力网等分布式领域的创新人才培养和新质生产力实践提供开放合作的平台。经过激烈角逐,最终由南京大学、国防科技大学和河北工业大学队伍获得大赛一等奖。

姚欣强调,随着推理需求的不断增长,降低成本是大势所趋。PPIO 派欧云将继续深耕分布式计算及推理加速技术的研究与应用,不断更新迭代推理加速引擎,力求在性能和成本上实现新的飞跃。PPIO 的目标是让推理成本降低 90%、99%、甚至 99.9%,使更多 AI 创业企业和开发者能够轻松承担大模型推理的费用,从而真正构建出赋能 AIGC 应用爆发的基础设施。

关于 PPIO 派欧云

PPIO 派欧云是中国领先的分布式云服务商,由 PPTV 创始人、前蓝驰创投投资合伙人姚欣和前 PPTV 首席架构师王闻宇于 2018 年联合创立,公司秉承“汇聚全球计算资源,并为全世界提供服务”的使命,致力于为人工智能、音视频、元宇宙等新一代场景,提供极致高性价比的一站式算力、模型及边缘计算服务。

2019 年,公司推出产品派欧边缘云,基于共享经济的商业模式,结合行业领先的边缘云原生、大数据、分布式计算技术,在网络边缘侧基础设施上,建构了覆盖全球的高质量边缘云计算服务网络,并实现与传统中心云的智能兼容和协同。派欧边缘云已在全球 1200 多个城市及地区设立了 3500 多个算力节点,为客户提供低时延、高带宽、广覆盖的边缘 CDN、边缘计算、边缘渲染等计算和网络服务。派欧边缘云成为多家互联网巨头、一线云计算服务商、独角兽公司在边缘云服务领域的首选合作伙伴。

2023 年,公司推出全新的 AI 基础设施产品 - 派欧算力云,依托推理加速、分布式计算等创新技术,释放推理计算潜能。为企业和开发者提供高性价比、弹性、易用的 GPU 容器实例、模型托管和 AIGC 大模型等一站式 AI 服务。助力客户摆脱搭建和运维服务器的繁琐,更省钱、省时、省力地构建 AIGC 应用,聚焦应用创新与业务增长,为全球智能技术发展注入全新动力。

PPIO 派欧云已在上海、北京、深圳、西安、武汉等地设立多个办公室,汇聚了众多来自微软、谷歌、华为、腾讯、阿里巴巴、百度等知名高科技公司的顶尖技术专家,通过不断优化和扩展产品与服务能力,加速推动下一个智能时代的到来。