英偉達(dá)下場(chǎng)，首次優(yōu)化DeepSeek-R1！B200性能狂飆25倍，碾壓H100
當(dāng)FP4的魔法與Blackwell的強(qiáng)大算力相遇，會(huì)碰撞出怎樣的火花？
答案是：推理性能暴漲25倍，成本狂降20倍！
隨著DeepSeek-R1本地化部署的爆火，英偉達(dá)也親自下場(chǎng)，開(kāi)源了首個(gè)基于Blackwell架構(gòu)的優(yōu)化方案——DeepSeek-R1-FP4。
在新模型的加持下，B200實(shí)現(xiàn)了高達(dá)21,088 token每秒的的推理吞吐量，相比于H100的844 token每秒，提升了25倍。
與此同時(shí)，每token的成本也實(shí)現(xiàn)了20倍的降低。
通過(guò)在Blackwell架構(gòu)上應(yīng)用TensorRT DeepSeek優(yōu)化，英偉達(dá)讓具有FP4生產(chǎn)級(jí)精度的模型，在MMLU通用智能基準(zhǔn)測(cè)試中達(dá)到了FP8模型性能的99.8%。
DeepSeek-R1首次基于Blackwell GPU優(yōu)化
目前，英偉達(dá)基于FP4優(yōu)化的DeepSeek-R1檢查點(diǎn)現(xiàn)已在Hugging Face上開(kāi)源。
模型地址：https://huggingface.co/nvidia/DeepSeek-R1-FP4
后訓(xùn)練量化
模型將Transformer模塊內(nèi)的線性算子的權(quán)重和激活量化到了FP4，適用于TensorRT-LLM推理。
這種優(yōu)化將每個(gè)參數(shù)從8位減少到4位，從而讓磁盤空間和GPU顯存的需求減少了約1.6倍。
使用TensorRT-LLM部署
要使用TensorRT-LLM LLM API部署量化后的FP4權(quán)重文件，并為給定的提示生成文本響應(yīng)，請(qǐng)參照以下示例代碼：
硬件要求：需要支持TensorRT-LLM的英偉達(dá)GPU（如B200），并且需要8個(gè)GPU來(lái)實(shí)現(xiàn)tensor_parallel_size=8的張量并行。
性能優(yōu)化：代碼利用FP4量化、TensorRT引擎和并行計(jì)算，旨在實(shí)現(xiàn)高效、低成本的推理，適合生產(chǎn)環(huán)境或高吞吐量應(yīng)用。
from tensorrt_llm import SamplingParams
from tensorrt_llm._torch import LLM
def main():
prompts = [
"Hello, my name is",
"The president of the United States is",
"The capital of France is",
"The future of AI is",
]
sampling_params = SamplingParams(max_tokens=32)
llm = LLM(model="nvidia/DeepSeek-R1-FP4", tensor_parallel_size=8, enable_attention_dp=True)
outputs = llm.generate(prompts, sampling_params)
# Print the outputs.
for output in outputs:
prompt = output.prompt
generated_text = output.outputs[0].text
print(f"Prompt: {prompt!r}, Generated text: {generated_text!r}")
# The entry point of the program need to be protected for spawning processes.
if __name__ == '__main__':
main()對(duì)于此次優(yōu)化的成果，網(wǎng)友表示驚嘆。
「FP4魔法讓AI未來(lái)依然敏銳！」網(wǎng)友Isha評(píng)論道。
網(wǎng)友a(bǔ)lgorusty則聲稱，有了這次的優(yōu)化后，美國(guó)供應(yīng)商能夠以每百萬(wàn)token 0.25美元的價(jià)格提供R1。
「還會(huì)有利潤(rùn)。」
網(wǎng)友Phil則將這次的優(yōu)化與DeepSeek本周的開(kāi)源5連發(fā)結(jié)合了起來(lái)。
「這展示了硬件和開(kāi)源模型結(jié)合的可能性。」他表示。
DeepSeek全面開(kāi)源
如今DeepSeek持續(xù)5天的「開(kāi)源周」已經(jīng)進(jìn)行到了第3天。
周一，他們開(kāi)源了FlashMLA。這是DeepSeek專為英偉達(dá)Hopper GPU打造的高效MLA解碼內(nèi)核，特別針對(duì)變長(zhǎng)序列進(jìn)行了優(yōu)化，目前已正式投產(chǎn)使用。
周二開(kāi)源了DeepEP，這是一個(gè)專為混合專家系統(tǒng)（MoE）和專家并行（EP）設(shè)計(jì)的通信庫(kù)。
周三開(kāi)源的是DeepGEMM。這是一個(gè)支持稠密和MoE模型的FP8 GEMM（通用矩陣乘法）計(jì)算庫(kù)，可為V3/R1的訓(xùn)練和推理提供強(qiáng)大支持。
總的來(lái)說(shuō)，不管是英偉達(dá)開(kāi)源的DeepSeek-R1-FP4，還是DeepSeek開(kāi)源的三個(gè)倉(cāng)庫(kù)，都是通過(guò)對(duì)英偉達(dá)GPU和集群的優(yōu)化，來(lái)推動(dòng)AI模型的高效計(jì)算和部署。
