AWS优化MoE内核，H200吞吐提升2–4%
热点事件持续更新
AWS优化MoE内核，H200吞吐提升2–4%
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
AWS 分享了针对 MoE（混合专家）模型融合内核的工程优化：在解码阶段，token 行数过小会导致 Hopper GPU 利用率偏低，团队通过 Swap-AB 转置让专家维度 N=8192 占据 WGMMA 首个操作数位置。AWS 称该优化在 H200 上使大规模 MoE 模型的端到端输出吞吐提升 2–4%。 该优化已合入 vLLM，AWS 称 0.24.0 及更高版本可用，同一报道中另处又称 0.22.0 及更高版本可用；此外它也随 AWS Large Model Inference（LMI）v28 容器提供。
AI 根据报道生成 · 2 小时前更新
最新进展10月13日 23:17
Amazon SageMaker AI 上的 MoE 内核工程优化实践报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- AWS Machine Learning BlogAmazon SageMaker AI 上的 MoE 内核工程优化实践
针对 MoE 模型在解码阶段因 token 行数过小导致 Hopper GPU 利用率低的问题，团队通过 Swap-AB 转置让专家维度 N=8192 占据 WGMMA 首个操作数位置，在 H200 上实现端到端输出吞吐提升 2–4%，该优化已合入 vLLM 0.24.0 及更高版本。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。