8GB 变 80GB 显存:英伟达 CMP 170HX 矿卡被解锁,单项测试超越 A100
IT之家 11 月 19 日消息,科技媒体 TechRadar 昨日(11 月 18 日)发布博文,报道称硬件研究者 Kate 通过“电压故障注入”…
大模型从架构到上线的实现路径:框架怎么选、模型怎么部署、Token 怎么省、厂商怎么做。
选模型与精度,实时拆解权重 / KV Cache / 框架开销,并给出可落地卡型与卡数
口径:工具为资料库同名页面的站内副本(发布版本 15,数据更新 2026-11-09),测算含权重冗余、KV Cache、框架开销与 5% 安全余量,结果为选型参考,实际以压测为准。价格为该工具自带口径(人民币含税渠道价 / 美区按需折算),与本频道下方「部署速查」和算力频道的价格表分开阅读,不可互相推算。上游更新后重跑 tools/sync_vram_tool.py 同步,版本号随之变化,浏览器缓存自动失效。
多数团队先用 vLLM 起步,压测后再按吞吐或国产化要求换引擎
| 引擎 | 关键机制 | 量化与并行 | 硬件平台 | 选型提示 |
|---|---|---|---|---|
| vLLM通用开源首选 | PagedAttention 分页 KV、连续批处理、前缀缓存 | AWQ / GPTQ / FP8;TP、PP 并行 | NVIDIA / AMD / 昇腾(社区版) | 生态最广、特性跟进快,生产环境锁版本 |
| SGLang高并发与多轮对话 | RadixAttention 前缀树复用、约束解码 | 与 vLLM 主流量化基本一致;TP | NVIDIA / AMD | 前缀命中收益取决于请求相似度 |
| TensorRT-LLM固定模型追极致吞吐 | 编译期图优化、In-flight Batching | FP8 / FP4(按架构);按卡型编译 | NVIDIA | 与驱动、CUDA、TRT 版本强绑定,升级要重建 engine |
| LMDeploy国产开源模型适配快 | TurboMind 引擎、KV 量化 | AWQ / INT4 KV | NVIDIA | 新模型支持跟进快,覆盖面不及 vLLM |
| llama.cpp / Ollama单机、边缘、个人 | GGUF 量化、CPU/GPU 混合卸载 | Q2–Q8 GGUF | CPU / Apple Silicon / 消费卡 | 并发弱,不适合多租户生产 |
| MindIE昇腾原生栈 | CANN + ATB 算子、连续批处理 | 昇腾量化(W8A8 等) | 昇腾 910B / 910C / 950 系列 | 模型需完成算子适配,交付前逐项验证 |
卡型RTX 4090 24GB / L40S 48GB
模型8B–32B,INT4/AWQ
引擎Ollama 起步,转 vLLM
约束并发与长上下文先到瓶颈
卡型H20 96GB / 昇腾 950PR 112GB
模型70B FP8 或百 B 级 MoE
引擎vLLM / SGLang / TensorRT-LLM
约束要 NVLink 或 PCIe 4.0 x16,看 TTFT 与故障域
卡型昇腾 910C 128GB / 910B 64GB
模型同参数档国产开源模型
引擎MindIE + CANN
约束算子覆盖与模型迁移成本先评估
IT之家 11 月 19 日消息,科技媒体 TechRadar 昨日(11 月 18 日)发布博文,报道称硬件研究者 Kate 通过“电压故障注入”…
Exa 的神经搜索引擎由自研向量数据库支撑,因此嵌入数十亿网络文档的单位经济性直接决定其业务。本文分享 Exa 如何在 AWS 上优化嵌入推理……

在设法削减 AI 成本时,团队往往先从预算或开源模型入手……


在此添加你的导语。它应与标题互补,而非重复标题。导语不得超过 240 个字符。Blog Review Gem 会建议一段摘录。Clairic 从预览…
了解如何借助 Amazon Aurora PostgreSQL、pgvector 和 Amazon Bedrock Guardrails,让检索增强…

世界模型的准确度始于高质量、多样化的训练数据集。然而,采集罕见缺陷、夜间事故以及其他棘手场景却……

Social Department 是一家面向娱乐营销的 AI 操作系统,它与 TrackIt 和 AWS 合作构建了 QuickSearch:单次…


Stretto 用基于 Amazon Nova 2 Sonic 构建的 AI 语音智能体 Tara 取代了原来的网页表单线索收集,Tara 通过电话…
智能体式 AI 正在重塑科学研究与创新。研究人员用自然语言表达复杂的科学假说,让自主智能体……

Hugging Face 发布了 Qwen3.8-27B-pi-adapted,这是一个采用 Apache-2.0 许可、通过强化学习为 pi 编程…
pg_pinecone 的 Railway 模板在部署 Postgres 时内置了 Pinecone 的向量搜索。其索引比 pgvector 占用更…

大多数 AI 助手能读取一个人的电子邮件、文件和日历,但它无法判断……