清华系团队给大模型织了一张“智能算力电网”
是石科技构建智能算力电网,整合国产异构芯片,实测单位Token成本降40%、吞吐提30%-50%,达成99.9%高可用,实现从算力资源到标准化Token产能的跃迁。
入选理由:是石科技通过全域异构算力池+深度国产芯片适配(昇腾/昆仑芯等),使闲置国产卡转化为稳定Token产能
概念
优化注意力计算的内存访问模式
已跟踪 3 条高相关材料
最近变化
2026-11-12 · 操作融合可减少30%以上的内核启动次数和内存流量
为什么值得关注
FlashAttention 被反复提及时,通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
清华系团队给大模型织了一张“智能算力电网”
量子位 · 9.2 分
清华系团队是石科技通过构建“智能算力电网”架构,实现国产异构算力深度整合与推理优化,实测单位Token成本降低40%、吞吐提升30%-50%,并达成99.9%高可用性,推动AI算力从资源层跃迁至标准化Token产能层。
Fast Attention Kernels and Operator Fusion
Machine Learning Mastery · 8.5 分
操作融合与快速注意力内核可提升Transformer推理性能,vLLM和CUDA图是关键实现手段。
5 Fun Projects for LLM Inference Engineering
KDnuggets · 8.5 分
本文推荐了5个LLM推理工程实践项目,涵盖KV缓存、量化、注意力优化等关键技术,适合工程师通过动手学习提升系统性能。
已收录 3 条与 FlashAttention 相关的内容,按评分排序。
是石科技构建智能算力电网,整合国产异构芯片,实测单位Token成本降40%、吞吐提30%-50%,达成99.9%高可用,实现从算力资源到标准化Token产能的跃迁。
入选理由:是石科技通过全域异构算力池+深度国产芯片适配(昇腾/昆仑芯等),使闲置国产卡转化为稳定Token产能
操作融合与快速注意力内核可提升Transformer推理性能,vLLM和CUDA图是关键实现手段。
入选理由:操作融合可减少30%以上的内核启动次数和内存流量
本文推荐了5个LLM推理工程实践项目,涵盖KV缓存、量化、注意力优化等关键技术,适合工程师通过动手学习提升系统性能。
入选理由:构建Mini-vLLM项目可掌握KV缓存和连续批处理机制