AWS分享MoE内核优化实践，H200吞吐提升2-4%
热点事件历史事件
AWS分享MoE内核优化实践，H200吞吐提升2-4%
1 篇报道1 个报道来源5 天前更新
先了解这件事
AI 综述
Amazon SageMaker AI 团队分享了针对 Mixture-of-Experts (MoE) 模型的内核优化工程实践。通过引入 Swap-AB 技术，将专家维度映射至固定行数以提升 Hopper 架构上的 WGMMA 利用率，使 NVIDIA H200 GPU 上的端到端吞吐量提高 2–4%。该优化已集成至 vLLM 0.24.0+ 版本。 此外，针对 FP8 量化模型，Triton 后端因具备寄存器级融合与单次内存访问特性，在低并发场景下性能优于默认的 FlashInfer+CUTLASS 路径。
AI 根据报道生成 · 5 天前更新
最新进展10月13日 23:17
Amazon SageMaker AI 优化 Mixture-of-Experts 内核工程报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- AWS Machine Learning BlogAmazon SageMaker AI 优化 Mixture-of-Experts 内核工程
Amazon SageMaker AI 通过 Swap-AB 技术优化 Hopper 架构上的 MoE 内核，将专家维度映射至固定行数以提升 WGMMA 利用率，使 H200 上的端到端吞吐量提高 2–4%，该优化已集成至 vLLM 0.24.0+。针对 FP8 量化模型，Triton 后端因寄存器级融合与单次内存访问特性，在低并发场景下性能优于默认的 FlashInfer+CUTLASS 路径。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 1010月14日 00:00
- 近 24 小时变化
- -50%
02.557.510
10月14日12:0010月15日12:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。