清華大學 KVCache.AI 團隊與趨境科技合作，成功打破大模型推理的算力瓶頸，並使單張 RTX 4090 顯卡能夠運行 DeepSeek-R1 完整版。這一突破為 AI 領域帶來重大革新，並顯示出顯卡硬件的巨大潛力。
雙方合作的《KTransformers》專案，使用全新異構計算策略，對算力需求進行了革命性提升，令到只有 24GB 顯示記憶體的顯示卡上（例如 RTX 4090），便可本地運行完整版 DeepSeek-R1 V3 671B，顯著降低成本並提高運行效率。
KTransformers 的核心技術在於稀疏性利用和 MoE（專家混合模型）架構。這一架構每次只激活一部分專家模組，並將非共享的稀疏矩陣卸載到 CPU 記憶體中。這樣一來，顯示記憶體佔用得以有效壓縮，使得整體的算力需求大幅下降。
在量化技術方面，團隊採用了 4bit 量化技術，並與 Marlin GPU 算子結合，實現了 3.87 倍的效率提升。 CPU 端則通過 llamafile 技術，實現了多線程並行處理，進一步提升了預處理速度，達到每秒 286 個 tokens 。這使得即便是單卡 RTX 4090 裝置，也能夠處理大規模 AI 模型，為中小型團隊和個人開發者提供了一個高效且經濟的選擇。
如果以傳統的方案來看，使用 8 張 NVIDIA A100 顯示卡的伺服器，其成本超過百萬元人民幣（下同），並且按需計費的情況下，每小時的開銷可能達數千元。然而使用單卡 RTX 4090 的方案，則將整體成本壓縮至僅約 2 萬元港元，大大降低了開發門檻，並適合中小型團隊及個人開發者。
資料來源：快科技
