5月7日，記者獲悉，騰訊技術團隊針對DeepSeek開源的DeepEP通信框架進行深度優(yōu)化，使其在多種網絡環(huán)境下均實現顯著性能提升。經測試，優(yōu)化后的通信框架性能在RoCE網絡環(huán)境提升100%,IB網絡環(huán)境提升30%，為企業(yè)開展AI大模型訓練提供更高效的解決方案。相關技術方案獲得了DeepSeek公開致謝，稱這是一次“huge speedup”代碼貢獻。
自今年2月DeepSeek開源包括DeepEP在內的五大代碼庫以來，該團隊便向業(yè)界展示了如何利用有限的硬件資源實現接近萬卡集群的性能。在這些技術中，DeepEP憑借突破性的方法提升了300%的通信效率，成功解決了MoE架構大模型對英偉達NCCL的依賴問題。
但該技術在成本較低、適用面更廣的RoCE網絡環(huán)境中表現不佳，限制了其在更廣泛場景的應用。這一痛點引發(fā)了開源社區(qū)的持續(xù)討論。
騰訊星脈網絡團隊基于在RoCE網絡領域的深厚積累，在DeepEP開源后便展開技術攻關，發(fā)現兩大關鍵瓶頸：一是對于雙端口網卡帶寬利用率不足，二是CPU控制面交互存在時延。
騰訊在RoCE網絡優(yōu)化方面的突破，首先體現在帶寬分配的智能化，通過拓撲感知的多QP建鏈技術，智能分配數據流，優(yōu)化了雙端口網卡的帶寬利用率，確保每條數據通道都能得到充分使用。此舉有效避免了帶寬浪費，為RoCE網絡的性能提升提供了有力支撐。
其次，騰訊還著力解決了GPU通信中的CPU控制瓶頸問題。通過基于IBGDA技術的優(yōu)化，騰訊使得“控制面”場景的操作也可以繞過CPU的“中轉”，進一步降低了延遲和能耗，提升了整體通信效率。
同時，GPU直接“對話”時存在的傳輸順序混亂難題，騰訊提出了“QP內時序鎖”機制，使得多個GPU間的數據傳輸能夠精準、按順序完成，即使同時處理1000多個數據傳輸任務，DeepEP也能自動理順先后順序。
在騰訊的技術優(yōu)化下，DeepEP不僅在RoCE網絡實現性能翻倍，反哺到IB（InfiniBand）網絡時更使原有通信效率再提升30%。
（騰訊工程師在不同節(jié)點服務器上的測試數據）
目前該技術已全面開源，并成功應用于騰訊混元大模型等項目的訓練推理，在騰訊星脈與H20服務器構建的高性能環(huán)境中，這套方案同樣展現出卓越的通用性。
免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
