不是人人都有“鈔能力”，我們的故事，

從用單節(jié)點(diǎn)方案部署DeepSeek-R1開(kāi)始。

為什么是單節(jié)點(diǎn)呢？

因?yàn)镠200單卡有140GB顯存，可用單節(jié)點(diǎn)（8卡）方案部署。

而H800和HI00顯存80GB，需要雙節(jié)點(diǎn)方案。

有卡了，就可以來(lái)玩DeepSeek。

世界是場(chǎng)游戲，是游戲就有作弊的玩家。

怎么作弊呢？等下說(shuō)，

先看看芯片廠商AMD的官網(wǎng)技術(shù)博客。

網(wǎng)址在此：https://rocm.blogs.amd.com/artificial-intelligence/DeepSeekR1_Perf/README.html

時(shí)間是25年2月21日。

我相信哪怕是這幾天的時(shí)間，AMD的性能指標(biāo)也還在增長(zhǎng)。

沒(méi)辦法，AI就是這么卷。

換個(gè)角度，這篇可以說(shuō)是，

從AMD官網(wǎng)博客中學(xué)習(xí)大模型推理性能知識(shí)點(diǎn)。

下圖是兩種芯片，英偉達(dá)H200和AMD MI300X，

用一個(gè)節(jié)點(diǎn)（8卡）跑出來(lái)的性能。

為什么要學(xué)這些知識(shí)點(diǎn)呢？

答案很簡(jiǎn)單，以防被忽悠。

話說(shuō)，性能指標(biāo)是一個(gè)非常關(guān)鍵的數(shù)值，

背后都是技術(shù)實(shí)力，

甚至可以說(shuō)性能是技術(shù)實(shí)力的終極體現(xiàn)。

是騾子是馬，你拉出來(lái)溜溜。

不過(guò)，現(xiàn)在是技術(shù)向上震蕩期，

很多人對(duì)大模型性能指標(biāo)不熟悉，

會(huì)有人借機(jī)在這個(gè)指標(biāo)上面作弊。

別著急知道作弊手法，

在看懂作弊之前我們先了解如何公平，

對(duì)，公平比較兩種芯片性能。

我們先看懂圖上的“已知條件”

圖上都有什么信息呢？

我們都知道，

大模型推理分為兩個(gè)關(guān)鍵任務(wù)，

有各自的生成時(shí)間：

一個(gè)是輸入（Prefill任務(wù)）所用時(shí)間，

另一個(gè)是輸出（Decode任務(wù)）所用時(shí)間。

其實(shí)所有的性能幾乎都可以分這兩個(gè)階段來(lái)觀察。

大模型推理中有兩個(gè)關(guān)鍵指標(biāo)，

兩個(gè)關(guān)鍵指標(biāo)是：

吞吐量（Throughput）和延遲（Latency）

吞吐量通常指每秒生成的token數(shù)量，

而延遲是從輸入到輸出的時(shí)間。

時(shí)間非常關(guān)鍵，

每秒吞吐量越高，意味著計(jì)算機(jī)系統(tǒng)能在單位時(shí)間內(nèi)處理更多的請(qǐng)求。

就是單位時(shí)間干的活越多越好。

當(dāng)然，牛馬也一樣。

這張圖告訴我們：

圖中有兩種芯片，

英偉達(dá)H200型號(hào)和AMD的MI300X型號(hào)，

為了公平比較兩種芯片的性能，要統(tǒng)一測(cè)試，

為什么要統(tǒng)一測(cè)試？

這樣才能看出處理相同工作量時(shí)，

哪個(gè)芯片速度更快、效果更好。

我們要用相同的“題目量”和“回答量”來(lái)進(jìn)行測(cè)試，

也就是，統(tǒng)一處理4000個(gè)token（題目和回答加在一起）。

圖中原話是：輸入3200個(gè)token和輸出800個(gè)token。

這樣，兩個(gè)系統(tǒng)都各自處理4000個(gè)token的信息量，

而且圖中已知，每個(gè)推理請(qǐng)求中，平均向系統(tǒng)問(wèn)出500個(gè)問(wèn)題。

這樣，測(cè)試“系統(tǒng)處理token數(shù)量”統(tǒng)一了。

這張圖還想告訴我們幾個(gè)技術(shù)概念，

吞吐量（單位：token/秒）

延遲（單位：毫秒）

下面，我們會(huì)把毫秒換算成秒。

而最大并發(fā)數(shù)（Max Concurrency）是什么呢？

就是衡量系統(tǒng)在同一時(shí)刻能同時(shí)服務(wù)多少個(gè)請(qǐng)求，

能讓我們了解AI 系統(tǒng)在真實(shí)環(huán)境下對(duì)大量請(qǐng)求的抗壓能力，

就像考場(chǎng)里同一時(shí)間安排多少考生一起考試的道理一樣。

最大并發(fā)數(shù)，用Batch Size表示：

我們要根據(jù)不同的請(qǐng)求數(shù)量，觀察系統(tǒng)性能分別是多少。

因?yàn)槭菧y(cè)試，所以非常細(xì)致，

能讓我們了解 AI 系統(tǒng)在真實(shí)環(huán)境下對(duì)大量請(qǐng)求的適應(yīng)能力，

就像考場(chǎng)里同一時(shí)間安排多少考生一起考試的道理一樣。

當(dāng)推理請(qǐng)求數(shù)量（Batch Size），

分別是是1，2，4……128，

Batch Size1是只有1個(gè)請(qǐng)求，

Batch Size2，同時(shí)處理2個(gè)請(qǐng)求，

Batch Size4，同時(shí)處理4個(gè)請(qǐng)求，

以此類(lèi)推，直到Batch Size128，

就是同時(shí)處理128個(gè)請(qǐng)求。

打個(gè)比方，當(dāng)我們說(shuō)Batch Size1，

代表只有1個(gè)人在考試，1個(gè)人用考試系統(tǒng)；

Batch Size2，代表有2個(gè)人一起考試；

以此類(lèi)推，Batch Size128 ，

就意味著128個(gè)人同時(shí)在考試。

如果只有1 個(gè)人在考試（Batch Size1），

系統(tǒng)專(zhuān)心為一個(gè)考生服務(wù)，一般來(lái)說(shuō)，速度慢不了；

如果有128 個(gè)考生一起考試（Batch Size128），

系統(tǒng)就要同時(shí)對(duì)128 個(gè)人的題目進(jìn)行閱讀、思考、回答，負(fù)擔(dān)變大，

可能會(huì)增加等待時(shí)間。

我們?cè)賮?lái)看圖，

在圖上左下方讀到的第一個(gè)數(shù)字是170，

單位tokens/s。

意味著：

已知總共4000個(gè)token的信息量，

當(dāng)BatchSize1的時(shí)候，每秒處理170個(gè)token，

以這種速度來(lái)處理，

那需要的時(shí)間就是4000除以170等于23.5秒。

就是用23.5秒就能把這4000個(gè)token算完。

23.5秒在時(shí)間軸橫軸上處于2萬(wàn)毫秒右邊一點(diǎn)的位置。

沒(méi)有明確寫(xiě)出來(lái)，但我們讀圖能讀出來(lái)。

圖片試圖說(shuō)明AMD芯片性能很好，

然而，我對(duì)AMD的這種廣告沒(méi)有什么興趣。

我感興趣的是：AMD這個(gè)廠商很良心，

他們的性能數(shù)據(jù)很清楚地告訴我們，

輸入和輸出的字?jǐn)?shù)是多少（輸入3200個(gè)token和輸出800個(gè)token），

3200+800就是系統(tǒng)總處理的token數(shù)，

4000除以170等于23.5秒，

也就是說(shuō)，decode任務(wù)時(shí)間是23秒，

也是恒定的塞進(jìn)去的信息量就這么多。

好比，東西放進(jìn)大模型里面多長(zhǎng)時(shí)間能“出鍋”，

需要測(cè)量一個(gè)客觀的時(shí)間，

也就是，系統(tǒng)跑出來(lái)是幾秒就是幾秒。

生成速度，也就是多少秒生成多少token是一個(gè)硬指標(biāo)，

是用總吞吐量除以測(cè)量出得時(shí)間得出來(lái)的。

這里要稍微計(jì)算一下了：

用圖上的已知信息倒著推理兩個(gè)信息。

當(dāng)我們跑8張卡的H200的系統(tǒng)（單節(jié)點(diǎn)），

在Batch Size1的時(shí)候，情況如下：

情況一：輸入3200，輸出800，4000=3200+800

4000tokens除以170tokens/s等于23.53秒

估計(jì)decode時(shí)間大約為23秒，

再看decode的信息處理量是800token，

decode800tokens除以23秒等于35tokens/s。

看好了，這時(shí)候我要來(lái)“作弊”了，把輸入和輸出的數(shù)據(jù)互換一下。

情況二：輸入800，輸出3200，4000=800+3200

3200tokens除以34.78tokens/s，

就是每秒跑出來(lái)34.78個(gè)token，

雖然同樣還是處理總共4000個(gè)token，

但是，用3200除以35okens/s等于91秒，

decode時(shí)間就會(huì)變得很長(zhǎng)，91秒。

都是處理同樣的信息量，調(diào)整輸入和輸出，

decode的時(shí)間從23秒變成了91秒。

這個(gè)技術(shù)細(xì)節(jié)非常重要。

有時(shí)候，廠商提供的測(cè)試數(shù)據(jù)是prefill和decode加在一起的，

當(dāng)然，也可以說(shuō)混在一起。

既然“混了”，“摸魚(yú)”的機(jī)會(huì)就來(lái)了，

好比兩個(gè)長(zhǎng)跑運(yùn)動(dòng)員，

一個(gè)叫prefill，一個(gè)叫decode，

prefill跑得快，decode跑得慢，

至于為什么decode慢，

這個(gè)你的去問(wèn)“注意力機(jī)制”這個(gè)家伙了，

都是它干的好事，這里不展開(kāi)。

同樣的一段長(zhǎng)跑運(yùn)動(dòng)，

prefill和decode的速度應(yīng)該分別記錄，

假如想作弊，就把盡量長(zhǎng)的路程給prefill跑，

它速度快，時(shí)間肯定就縮短了。

要是不懂，猛一看性能，覺(jué)得還挺快嘞。

還是那句話，性能是和采購(gòu)決策相關(guān)的關(guān)鍵指標(biāo)。

廠商AMD很客觀，告訴你比例了（輸入3200，輸出800），

有人會(huì)把prefill的比例調(diào)高點(diǎn)，數(shù)值就更好看了，

因?yàn)閐ecode跑得慢，讓decode少跑，也就是少干點(diǎn)活。

請(qǐng)注意，有些性能指標(biāo)旁邊標(biāo)著“僅輸出”（decode only）

這不是不可以，而是，拿“僅輸出”的指標(biāo)和整個(gè)推理的吞吐指標(biāo)對(duì)比，

不講武德。

總結(jié)一下：寫(xiě)性能，請(qǐng)把prefill和decode處理的工作量標(biāo)清楚，謝謝。

最后預(yù)告下，過(guò)幾天發(fā)的文章，

我會(huì)把圖上所有的指標(biāo)都算出來(lái)，會(huì)有新結(jié)論。

上一篇回顧：

《DeepSeek：為了這口醋，包了這頓餃子，為了數(shù)據(jù)，我造了模型》