2025年8月27日，華為云在第四屆828 B2B企業(yè)節(jié)開幕式上宣布，其Tokens服務(wù)正式全面接入CloudMatrix384超節(jié)點。通過xDeepServe架構(gòu)的關(guān)鍵創(chuàng)新，該服務(wù)在單芯片上實現(xiàn)了最高2400TPS（每秒處理令牌數(shù)）和50ms TPOT（每次輸出時間）的高吞吐與低延遲性能，顯著超越當(dāng)前業(yè)界平均水平。

近年來，中國人工智能算力需求呈現(xiàn)爆發(fā)式增長。數(shù)據(jù)顯示，自2024年初至2025年6月底，日均Token消耗量從1000億激增至30萬億，增長超300倍。這一趨勢對算力基礎(chǔ)設(shè)施提出了更高要求。華為云于今年3月推出基于MaaS（模型即服務(wù)）的Tokens服務(wù)，提供在線、進(jìn)線、離線及尊享等多種服務(wù)類型，以適應(yīng)不同應(yīng)用場景在性能和響應(yīng)速度方面的多樣化需求。

本次升級的核心在于將Tokens服務(wù)與CloudMatrix384超節(jié)點深度集成。CloudMatrix384采用全新計算架構(gòu)，從硬件到軟件實現(xiàn)了系統(tǒng)級創(chuàng)新。其優(yōu)勢不僅體現(xiàn)在單點性能提升，更在于全棧技術(shù)協(xié)同，包括CANN昇騰硬件使能、EMS彈性內(nèi)存存儲以及xDeepServe分布式推理框架的有機結(jié)合。其中，EMS技術(shù)有效突破“AI內(nèi)存墻”，實現(xiàn)“以存強算”，充分釋放芯片算力潛力。

xDeepServe作為原生服務(wù)框架，采用Transformerless極致分離架構(gòu)，將混合專家模型（MoE）拆分為Attention、FFN和Expert三個可獨立伸縮的微模塊。這種“積木化”處理方式使得任務(wù)能夠分布到多個NPU上并行執(zhí)行，再通過微秒級XCCL通信庫與自研推理引擎FlowServe重新整合，形成高吞吐的大語言模型服務(wù)流水線。這一架構(gòu)使單卡吞吐性能從600 tokens/s提升至2400 tokens/s，漲幅達(dá)300%。

在通信層面，XCCL庫充分發(fā)揮CloudMatrix384的UB互聯(lián)架構(gòu)潛力，為模塊間的高效數(shù)據(jù)交換提供高帶寬與低延遲支持。FlowServe則將整個系統(tǒng)劃分為完全自治的DP小組，每個小組具備獨立的Tokenizer、執(zhí)行器和緩存機制，有效避免千卡并發(fā)場景下的性能擁堵。

目前，華為云MaaS平臺已支持包括DeepSeek、Kimi、Qwen、PanGu等在內(nèi)的多種主流大模型，以及Dify、扣子等Agent開發(fā)平臺。通過在模型量化、算子融合、通算并行等方面的持續(xù)優(yōu)化，華為云在文生圖、文生視頻等任務(wù)中實現(xiàn)了顯著于業(yè)界平均水平的性能提升，部分場景達(dá)到友商的2至3.5倍。

在應(yīng)用生態(tài)方面，華為云已與超100家行業(yè)伙伴合作，推動AI技術(shù)在內(nèi)容創(chuàng)作、智能運維、智慧辦公等領(lǐng)域的落地。典型應(yīng)用如今日人才數(shù)智員工解決方案、方寸無憂智慧公文系統(tǒng)等，均體現(xiàn)出Tokens服務(wù)在提升處理效率與用戶體驗方面的實際價值。

綜上所述，華為云通過系統(tǒng)級創(chuàng)新與全棧技術(shù)整合，不斷推動算力性能邊界。Tokens服務(wù)與CloudMatrix384及xDeepServe架構(gòu)的深度融合，標(biāo)志著其在高效能計算領(lǐng)域的重要進(jìn)展，為人工智能大規(guī)模商業(yè)化應(yīng)用提供了堅實支撐。

生成海報

免責(zé)聲明：本網(wǎng)站內(nèi)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(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。