一體機(jī)是DeepSeek交付的最佳方式嗎？

恰恰相反，一體機(jī)是阻礙DeepSeek提升推理性能的最大絆腳石。

為啥？

只因DeepSeek這個(gè)模型有點(diǎn)特殊，它是個(gè)高稀疏度的MoE模型。

MoE這種混合專家模型，設(shè)計(jì)的初衷是通過“激活一堆專家中的少量專家”，來達(dá)到減少計(jì)算量、提升推理效率的目標(biāo)。

舉個(gè)例子，MoE模型好比是一個(gè)超級(jí)大飯店的后廚，這個(gè)后廚里有幾百個(gè)大廚，每個(gè)大廚擅長(zhǎng)做不同菜系川菜廚子、魯菜廚子、湘菜廚子…

這些廚子就相當(dāng)于不同領(lǐng)域的專家。

其中有個(gè)人是廚師長(zhǎng)，廚師長(zhǎng)不負(fù)責(zé)炒菜，他清楚地知道每個(gè)廚師擅長(zhǎng)做什么菜。

這個(gè)廚師長(zhǎng)就是MoE模型中的門控網(wǎng)絡(luò)。

每次顧客點(diǎn)菜的時(shí)候，廚師長(zhǎng)（門控網(wǎng)絡(luò)）會(huì)根據(jù)顧客點(diǎn)菜的需求以及自己對(duì)廚師能力的了解，安排擅長(zhǎng)做這些菜的廚子炒菜。

這樣，酒店的后廚就不必為每位廚師安排灶眼，只需少量灶眼（比如8個(gè)），供那些需要上崗炒菜（被激活）的廚師使用就可以了。

這就相當(dāng)于MoE的原理：只激活少量專家，從而大幅降低計(jì)算量。

是不是看起來很不錯(cuò)，但是有一點(diǎn)很重要：不參與炒菜的廚子們雖然不占用灶眼，但是還是要擠在后廚隨時(shí)等待召喚。

也就是說，MoE模型里那些未激活專家，雖然不消耗算力，但它們的參數(shù)量仍然要占用顯存/內(nèi)存，帶來巨大的存儲(chǔ)開銷和調(diào)度復(fù)雜性。

回過頭來，我們?cè)賮砜碊eepSeek-R1/V3，是稀疏度極高的MoE模型（總參數(shù)量6710億，激活量370億）。

按照DeepSeek官方的最新披露，模型每層256個(gè)專家，只有8個(gè)被激活（V3的Transformer 層數(shù)設(shè)置為 61 層）。

好比你的飯店有60多個(gè)后廚房間，每個(gè)屋里放256個(gè)廚師，同時(shí)只有8個(gè)廚師干活，其他待命。

你想想，恐怕只有新東方廚師專修學(xué)院才這么干吧。

這就意味著，你需要配置超高的一體機(jī)（大顯存、大內(nèi)存），才能夠運(yùn)行滿血版DeepSeek。

事實(shí)證明，目前的狀況也的確如此，市面上的“真·滿血DeepSeek一體機(jī)”價(jià)格都是100萬(wàn)起，甚至要大幾百萬(wàn)。

把MoE模型裝進(jìn)一體機(jī)的不科學(xué)之處在于↓

我花了大錢買了一堆不能同時(shí)干活的專家，只為他們可以減少計(jì)算量。
然而，這種一體機(jī)部署模式算力是我買斷的，難道不應(yīng)該讓他們盡量都干活，從而讓算力最大化使用嗎？
我的顯存/內(nèi)存/硬盤都是為了裝下6710億參數(shù)，但實(shí)際干活只有370億參數(shù)…

所以，我們的觀點(diǎn)是：

一體機(jī)其實(shí)是運(yùn)行DeepSeek這種MoE模型的最差選擇，更適合運(yùn)行那些非MoE的全參數(shù)激活模型。

這一點(diǎn)，大家如果仔細(xì)看上周DeepSeek官方在知乎披露的推理優(yōu)化架構(gòu)就明白了。

人家說的很清楚，要想獲得“更大的吞吐、更低的延遲”，核心就是要使用「大規(guī)模跨節(jié)點(diǎn)專家并行」。

你一體機(jī)就單個(gè)節(jié)點(diǎn)、8張卡，勉強(qiáng)裝下所有專家，還并行個(gè)毛線啊？

按照DeepSeek給出的官方參考推理架構(gòu)（專家并行、數(shù)據(jù)并行、PD分離）：

Prefill階段：部署單元4節(jié)點(diǎn)（32張H800），32路專家并行和數(shù)據(jù)并行。
Decode階段：部署單元18節(jié)點(diǎn)（144張H800），144路專家并行和數(shù)據(jù)并行。

這就意味著，一個(gè)22節(jié)點(diǎn)的集群（176張卡），才能發(fā)揮出最優(yōu)的推理吞吐和延遲。（讓每個(gè)專家獲得足夠的輸入，都忙活起來，而不是“占著茅坑不拉屎

正因?yàn)檫@種采用這種大規(guī)模并行架構(gòu)，DeepSeek官方給出的單服務(wù)器平均推理性能才高得離譜（輸入：73.7k tokens/s，輸出14.8k tokens/s）。

而一體機(jī)廠商們給出的性能，輸出+輸入的總和最多也不過4k tokens/s。

當(dāng)然，我們并不是要否定大模型一體機(jī)，只是一體機(jī)不適合部署MoE模型，讓它跑個(gè)稠密模型，不需要大規(guī)模并行的，還是很好的。

眼下DeepSeek一體機(jī)滿天飛，更多的還是滿足客戶的情緒價(jià)值：本地化、開箱即用、專屬性……

尤其在數(shù)據(jù)隱私方面，一體機(jī)有著無與倫比的優(yōu)勢(shì)，不只是合規(guī)，更能切實(shí)有效的保護(hù)數(shù)據(jù)不出域。

比如，很多通過API、WEB或APP提供DeepSeek服務(wù)的供應(yīng)商，在他們的用戶協(xié)議里可能赫然寫著“…我們可能會(huì)將服務(wù)所收集的輸入及對(duì)應(yīng)輸出，用于本協(xié)議下服務(wù)的優(yōu)化…”。

這對(duì)于大部分企業(yè)級(jí)客戶來說，這都是無法接受的，所以本地化部署肯定是剛需，這也是目前DeepSeek一體機(jī)火爆的原因（即便性能不佳）。

其實(shí)，很多企業(yè)過去兩年自己囤過算力，此時(shí)參考DeepSeek的大規(guī)模并行架構(gòu)，部署起來，相信會(huì)有不錯(cuò)的效果。

而滿血版的DeepSeek一體機(jī)，企業(yè)可以量預(yù)算而行，不要硬上：

第一，蒸餾版，體積小性能好，效果差點(diǎn)不耽誤練手；
第二，最近新模型層出不窮，可以嘗試下非MoE架構(gòu)的小體積新模型；
第三，相信不久的將來下一代DeepSeek就會(huì)發(fā)布，屆時(shí)再下手也不遲。

大模型的前方是星辰大海，但我們，才剛剛上路呢。