腾讯 AngelHCF 推理加速框架针对混元 LLM 大语言模型做了深度推理优化，结合全新的 Hybrid 模型结构整体上取得了不错的推理成本优势，支撑了元宝线上混元模型上万卡推理。同时，AngelHCF于24 年初即大规模部署上线了万亿 MoE 大模型，针对大规模MoE模型通信特点做了混合切分策略优化，叠加模型压缩、PD 分离等优化手段，显著降低了线上推理成本。本次分享将从不同角度分别介绍腾讯混元推理加速框架 AngelHCF 所做的一些针对性优化，结合全新的Turbos 模型结构，希望能给听众带来一些新的启发。

演讲提纲：

1. 腾讯混元模型 & AngelHCF 推理加速框架概述
2. 混元 Turbos Hybrid 推理优化
   • Mamba Hybrid 模型的推理优势及收益
   • kernel 精度以及性能调优
   • 显存 & KVCache 优化之路
3. 超大规模 MoE 模型并行策略优化
   • 各种模型切分策略的优缺点
   • 模型并行融合策略
   • 通信优化
4. PD 分离部署优化
   • PD 分离部署的优势
   • 请求智能调度策略
   • 计算通信 Overlap
5. 腾讯混元 & AngelHCF 落地情况和展望

听众收益：

• 了解混元 Turbos Hybrid 结构带来的性能收益以及推理优化手段
• 了解大规模 MoE 语言模型推理加速具体方法&实践