單芯片最高2400TPS，華為雲Tokens服務全面接入384超節點

8月27日，在第四屆828 B2B企業節開幕式上，華為雲宣佈其Tokens服務全面接入CloudMatrix384超節點，通過xDeepServe架構創新，單芯片最高可實現2400TPS、50msTPOT的超高吞吐、低時延的性能，超過業界水平。

以系統能力打造先進算力

過去18個月，中國AI算力需求呈現指數級增長。數據顯示，2024年初中國日均Token的消耗量為1000億，截至今年6月底，日均Token消耗量已突破30萬億，1年半的時間增長了300多倍，反映了我國人工智能應用規模快速增長，也對算力基礎設施的需求提出了更大的挑戰。

在以往按卡時計費的基礎上，今年3月，華為雲正式推出了基於MaaS的Tokens服務。針對不同應用、不同場景的性能和時延要求，還提供了在線版、進線版、離線版乃至尊享版等多種服務規格，為大模型、Agent智能體等AI工具提供了更為靈活、便捷、低成本的先進算力。

而這一次，華為雲的Tokens服務正式接入CloudMatrix384，並通過384原生的xDeepServe框架再次實現了吞吐量的突破，從年初的1920TPS提升至2400TPS，TPOT僅為50ms。

大算力的構建不是單點突破，而是一個從硬件到軟件、從算子到存儲、從推理框架到超節點的全棧創新，充分依託了華為的“大雜燴”能力。

首先，CloudMatrix384 超節點以全新的計算架構創新，突破性能瓶頸，構築穩固澎湃的算力根基； CANN昇騰硬件使能，優化算子與高效通信策略，讓雲端的算力能夠以最高效的方式被調用和組合；EMS彈性內存存儲打破AI內存牆，突破性地實現“以存強算”， 徹底釋放了每一顆芯片的算力；xDeepServe 分佈式推理框架則以極致分離架構Transfomerless讓超節點釋放出更高效算力。

“拆掉”Transformer，xDeepServe全面激發算力潛能

作為CloudMatrix384 超節點的原生服務，xDeepServe以Transformerless 的極致分離架構，把MoE大模型拆成可獨立伸縮的 Attention、FFN、Expert三個微模塊，相當於在一台CloudMatrix384上把“大模型”拆成“積木”，並分派到不同的NPU上同步處理任務。之後，再用基於內存語義的微秒級XCCL通信庫與FlowServe 自研推理引擎把它們重新拼成一個超高吞吐的LLM服務平台，即Tokens的“超高速流水線”。通過xDeepServe不斷調優，最終實現了從非超節點單卡吞吐600tokens/s至超節點單卡吞吐2400tokens/s的提升。

作為硬件加速計算的中間層，CANN包含多個算子庫和和XCCL這種高性能通信庫等組件，共同支撐AI模型的高效運行。其中，XCCL作為專為超節點上的大語言模型（LLM）服務而量身打造的高性能通信庫，能夠充分發揮CloudMatrix384擴展後的UB互聯架構（UB fabric）的全部潛力，為 Transformerless的全面分離奠定了帶寬與時延雙重硬底座。

而作為被重構的“去中心”式分佈式引擎，FlowServe把CloudMatrix384 切成完全自治的DP小組，每個小組自帶 Tokenizer、執行器、RTC 緩存與網絡棧，完全自給自足，做到千卡併發也不“擁堵”。

目前，xDeepServe已實現MA分離，而下一步，將把Attention、MoE、Decode全部改成自由流動的數據流，並把同樣的拼圖方法複製到多台超節點，讓推理吞吐像鋪軌一樣線性延伸，最終或將視線吞吐量的更大突破，讓每塊 NPU 都高效運作，芯片永不排隊，推理永不塞車。

聚焦主流大模型，不斷提升模型性能

目前，華為雲MaaS服務已支持DeepSeek、Kimi、Qwen、Pangu、SDXL、Wan等主流大模型及versatile、Dify、釦子等主流Agent平台。

華為雲積累了大量模型性能優化、效果調優的技術和能力，從而實現“源於開源，高於開源”，讓更多大模型可以在昇騰雲上跑得更快更好。以文生圖大模型來説，在輕微損失畫質的情況下，通過Int8量化、旋轉位置編碼融合算子等方式，在在華為雲MaaS平台實現了2倍於業界主流平台的出圖速度，最大尺寸支持2K×2K。而在文生視頻大模型上，不僅通過量化方式來提速，還通過通算並行等方式，降低延遲與顯存佔用，大幅提升視頻生成速度，相較於友商實現了3.5倍的性能提升。華為雲Tokens服務在性能、模型適配、效果調優方面的基礎，也讓更多企業能夠快速開發和構建AI Agent。

而在應用層，華為雲已與超過100傢伙伴攜手深入行業場景，共建豐富的Agent，在調研分析、內容創作、智慧辦公、智能運維等領域解決產業難題，讓企業更便捷地擁抱AI創新，加速智能化。

如基於MaaS平台推出的今日人才數智員工解決方案，集成了先進的自然語言處理、機器學習和深度學習技術，能實現與用户的智能交互和任務處理，顯著提升服務效率與客户滿意度；而北京方寸無憂科技開發的無憂智慧公文解決方案可以提升公文處理效能，實現政企辦公智能化轉型。

以Token為動力的智能社會已經到來，而華為雲將以系統級創新能力和全新的Tokens服務構築先進算力，助力各行各業加速落地AI。