大模型论文 | FloE：让MoE模型“瘦身“提速50倍！

1、引言：显卡内存不够？大模型运行太慢？

你有没有尝试过在自己的电脑上运行最新的AI大模型，却发现要么显存不足，要么速度慢得难以忍受？特别是当你面对那些基于MoE（Mixture-of-Experts，专家混合）架构的强大模型时，比如Mixtral-8×7B、GPT-4或Phi4，这种感受尤为强烈。

一个普通的事实：运行Mixtral-8×7B这样的MoE模型需要约94GB的显存！而大多数消费级显卡只有8-24GB显存。这就好比你想把一头大象塞进一个小型轿车里——看似不可能的任务。

但现在，一个名为FloE的创新系统可能彻底改变这一状况！

2、FloE：让MoE模型在普通显卡上"飞"起来

研究者们开发的FloE系统，实现了一个看似不可能的任务：让内存消耗巨大的MoE模型能够在内存受限的普通消费级GPU上实时推理。更惊人的是，它在RTX 3090上相比DeepSpeed-MII实现了48.7倍的速度提升！而且只需要11GB显存就能运行Mixtral-8×7B！

FloE是如何做到的？

FloE的核心思想可以概括为"减负增效"，主要通过三大创新技术实现：

（1）专家混合压缩：对症下药的参数压缩

FloE不是简单地对模型进行统一的低位量化（这会严重损害模型性能），而是采用了一种混合压缩方案：

1）上投影矩阵(Up Projection)：采用超低位（INT2）量化
2）门控和下投影矩阵(Gate & Down Projections)：采用上下文稀疏化技术

研究人员发现，MoE模型中的专家存在大量未被充分利用的内部稀疏性。通过实验，他们发现下投影的输入对稀疏化最不敏感：即使90%的参数被剪枝，困惑度(perplexity)仍然相对稳定。

这种定制化的压缩策略使每个专家的参数量减少了9.3倍，而性能损失仅为4.4%~7.6%。

（2）专家稀疏预测：提前知道需要什么

FloE开发了两种高效预测器：

1）层间专家预测器：基于学习的方法，预测下一层需要激活的专家
2）层内稀疏预测器：无参数的复用型预测器，提前计算稀疏分布

这两种预测器的平均准确率高达88%和95%，它们能够在当前层计算的同时，预测并预加载下一层需要的专家参数，从而实现计算与数据传输的流水线化。

（3）系统级优化：让每一步都更高效

为了将理论上的优化转化为实际的加速效果，FloE还实现了两项系统优化：

1）高效稀疏内核：专门设计的稀疏GEMV内核，在90%稀疏度下能提供近2倍的计算加速
2）紧凑异步传输：改进的数据传输策略，比PyTorch原生实现快12.6倍，实现了88%的PCIe峰值带宽利用率

3、实验结果：理论与实践的完美结合

FloE的实验结果令人印象深刻。在Mixtral-8×7B模型上：

（1）内存减少：显存需求从94GB减少到11GB，减少了8.5倍
（2）速度提升：比DeepSpeed-MII快48.7倍，比Mixtral-Offloading快2.6倍
（3）精度保持：在主流下游任务上，性能损失控制在4.4%~7.6%之间

最引人注目的是，FloE在RTX 3090这样的普通游戏显卡上能达到接近全GPU模型91%的推理速度，真正实现了"飞一般"的体验。

4、结语

MoE模型正在成为AI领域的新趋势，它们通过稀疏激活专家的方式，在保持高性能的同时大幅减少计算成本。但这些模型的内存需求也带来了新的挑战，特别是对于资源有限的设备。

FloE的突破意味着：

（1）AI民主化：普通用户和小型实验室也能在自己的设备上运行强大的MoE模型
（2）边缘AI加速：为边缘设备上的AI应用提供更高效的解决方案
（3）研究便利性：研究人员无需昂贵的企业级GPU也能进行MoE模型实验

FloE的成功表明，通过深入理解模型结构并针对性设计优化策略，我们可以突破硬件限制，让更强大的AI模型在更普通的设备上运行。

这项研究也为未来的MoE模型优化提供了新思路：不仅要关注模型间稀疏性（专家选择），还应充分挖掘模型内稀疏性（专家内部激活）的潜力。

随着MoE架构在OpenAI、DeepSeek、Microsoft等主流AI机构的广泛采用，FloE这类优化技术将变得越来越重要，有望成为推动AI普及的关键力量。

FloE的诞生再次证明，技术创新可以打破看似无法逾越的障碍。通过巧妙的算法设计和系统优化，研究者们让那些曾经只能在数据中心运行的强大AI模型，现在可以在普通人的电脑上流畅运行。

这不仅是技术上的突破，更是AI普及道路上的重要里程碑。随着这类技术的成熟，我们离AI真正赋能每个人的未来又近了一步。

论文标题：FloE: On-the-Fly MoE Inference on Memory-constrained GPU

论文链接：https://arxiv.org/abs/2505.05950

---

如何系统学习掌握AI大模型？

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 2024行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

5. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方优快云官方认证二维码，免费领取【保证100%免费】