2月12日消息，字節(jié)跳動(dòng)豆包大模型團(tuán)隊(duì)近日宣布推出全新稀疏模型架構(gòu) UltraMem，解決了 MoE 推理的高額訪存問(wèn)題，推理速度較 MoE 架構(gòu)提升 2-6 倍，推理成本最高可降低 83%。

該研究揭示新架構(gòu)的 Scaling Law，表明其不僅有出色的 Scaling 特性，性能還超越 MoE。實(shí)驗(yàn)顯示，訓(xùn)練規(guī)模達(dá) 2000 萬(wàn) value 的 UltraMem 模型，在同等計(jì)算資源下，能同時(shí)實(shí)現(xiàn)領(lǐng)先的推理速度和模型性能，為構(gòu)建數(shù)十億規(guī)模 value 或 expert 開(kāi)辟新途徑。

據(jù)悉，豆包大模型團(tuán)隊(duì)的這項(xiàng)創(chuàng)新成果已被機(jī)器學(xué)習(xí)和AI領(lǐng)域的頂級(jí)會(huì)議ICLR 2025接收，為解決大模型推理效率和擴(kuò)展能力問(wèn)題提供了全新思路。

大模型的推理能力對(duì)應(yīng)的是端側(cè)AI應(yīng)用/工具的響應(yīng)能力和速度。隨著模型規(guī)模的擴(kuò)大，推理成本和訪存效率已成為限制大模型規(guī)模應(yīng)用的關(guān)鍵瓶頸。

在Transformer架構(gòu)下，模型的性能與其參數(shù)數(shù)量和計(jì)算復(fù)雜度呈對(duì)數(shù)關(guān)系。隨著LLM規(guī)模不斷增大，推理成本會(huì)急劇增加，速度變慢。

為了解決計(jì)算問(wèn)題，先前的研究者提出了MoE和PKM（Product Key Memory）方案，但它們都有各自的局限性：

MoE架構(gòu)犧牲了效率：MoE架構(gòu)成功將計(jì)算和參數(shù)解耦，通過(guò)稀疏激活專家的方式，在訓(xùn)練階段有效減少了計(jì)算量，但在推理時(shí)，由于模型在推理時(shí)只能一個(gè)字一個(gè)字的生成，batch size（批量大?。┖蛃equence length（序列長(zhǎng)度）通常較小，少量的token即可激活幾乎所有的專家，進(jìn)而導(dǎo)致訪存急劇上升，進(jìn)而使推理延遲大幅增加。

PKM架構(gòu)犧牲了效果：PKM架構(gòu)通過(guò)引入“行路由”和“列路由”機(jī)制，這種方法讓每個(gè)token在推理時(shí)僅僅只激活極少數(shù)的value（與提示模板中的內(nèi)容相關(guān)聯(lián)的數(shù)據(jù)或信息），所以推理時(shí)不會(huì)遇到訪存瓶頸，但其效果很差，且擴(kuò)展能力有限，難以應(yīng)對(duì)更大規(guī)模的模型需求。

這些局限性使得MoE和PKM在推理效率、模型效果和擴(kuò)展能力等方面的優(yōu)化空間仍需進(jìn)一步探索。UltraMem正是為了解決上述痛點(diǎn)。

據(jù)介紹，UltraMem參考了PKM的設(shè)計(jì)，但針對(duì)PKM的缺陷予以補(bǔ)充，以實(shí)現(xiàn)更高效的訪存、更優(yōu)質(zhì)的檢索，同時(shí)，降低了顯存和部署成本，其優(yōu)勢(shì)主要在于：

降低推理成本：與傳統(tǒng)的MoE架構(gòu)相比，UltraMem在推理成本上實(shí)現(xiàn)了最高83%的降低，這對(duì)于大規(guī)模模型的部署和運(yùn)行具有重要意義。

提升推理速度：UltraMem的推理速度相比MoE架構(gòu)提升了2-6倍，這使得模型在處理大規(guī)模數(shù)據(jù)時(shí)更加高效。

保持模型效果：在降低推理成本和提升推理速度的同時(shí)，UltraMem還保持了模型的效果，確保了模型的準(zhǔn)確性和可靠性。

豆包研究團(tuán)隊(duì)在151M、680M、1.6B三個(gè)不同規(guī)模的模型上進(jìn)行了廣泛的實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，UltraMem在模型效果和推理速度方面均優(yōu)于MoE和PKM架構(gòu)，且在680M、1.6B上具有顯著的效果優(yōu)勢(shì)。

無(wú)論是訓(xùn)練端還是推理端，當(dāng)大模型廠商卷起成本，意味著AI應(yīng)用將在未來(lái)更加高效、易用。

推理成本大幅降低，將助推AI技術(shù)在更多領(lǐng)域的應(yīng)用成為可能，尤其是對(duì)于資源受限的場(chǎng)景，如邊緣計(jì)算和移動(dòng)設(shè)備等，能讓更多企業(yè)和開(kāi)發(fā)者有能力使用和部署AI模型。

對(duì)于用戶而言，UltraMem架構(gòu)的突破、推理速度的提升可使AI應(yīng)用如智能助手、自然語(yǔ)言處理等在實(shí)時(shí)應(yīng)用中響應(yīng)更迅速，交互更流暢，優(yōu)化用戶的使用體驗(yàn)，提高內(nèi)容創(chuàng)作、日常辦公等場(chǎng)景下的效率。