人工智能平台 PAI：模型权重服务

背景信息

随着大语言模型（LLM）参数量呈现指数级增长（如开源模型DeepSeekV3-671B已达700GB+规模），模型加载耗时已成为影响推理服务效率的关键瓶颈。这一现象在以下场景中尤为突出：

1. 弹性扩容场景：模型加载时间直接影响服务扩展的敏捷性。

2. 多实例部署场景：并发从远端存储（OSS/NAS/CPFS）拉取模型导致带宽竞争，进一步降低模型加载效率。

针对上述挑战，PAI推理服务创新性地发布了模型权重服务功能（Model Weight Service, MoWS），其核心技术特征包括：

• 分布式缓存架构：利用节点内存资源构建权重缓存池。

• 高速传输机制：基于RDMA的机间互联实现低延迟数据传输。

• 智能分片策略：支持并行分片传输与完整性校验。

• 内存共享优化：实现单机多进程间零拷贝权重共享。

• 权重智能预取：利用闲置时间提前预读模型权重。

• 高效缓存策略：保证模型分片在实例间负载均衡。

实际部署表明，该方案在超大规模实例集群中可实现：

1. 扩容速度提升 10 倍（对比传统拉取模式）。

2. 带宽利用率提高60%+。

3. 服务冷启动时间缩短至秒级。

MoWS充分利用多实例间的带宽资源，实现模型权重的高效传输。除本地缓存外，还支持权重的跨实例共享。在大规模参数模型和大规模实例部署场景中，MoWS能显著提升扩缩容效率和启动速度。

使用方式

1. 登录PAI控制台，在页面上方选择目标地域，并在右侧选择目标工作空间，然后单击进入EAS。

2. 在推理服务页签，单击部署服务，然后在自定义模型部署区域，单击自定义部署。

3. 在自定义部署页面，配置以下关键参数，其他参数配置说明参见自定义部署。

   • 在环境信息的镜像配置中，选择官方镜像，选择镜像仓库vllm中带有mows标识的镜像版本。

     

     重要

     在运行命令中，需增加--load-format=mows参数，支持vllm/sglang推理引擎。

   • 在资源信息的资源类型处选择EAS资源组或资源配额。

   • 在服务功能中打开模型权重服务 (MoWS)的功能项，并按如下说明配置。

     

     配置项	描述	示例
     模型权重路径	必选，模型权重路径，OSS/NAS/CPFS挂载路径。	/mnt/data/llm_models/Qwen2-7B-Instruct/
     占用最大内存	必选，MoWS 所使用内存资源（单实例），单位GB。	200
     crc32文件路径	可选，用于加载模型时校验数据完整性。填写crc32 文件名称，上述配置的模型权重路径的相对路径。 文件格式为[crc32] [relative_file_path] 默认值："crc32.txt" 单击查看crc32文件生成方式 在模型权重目录下，执行以下命令生成crc32文件： apt-get install -y libarchive-zip-perl find . -type f | xargs -I {} -P $(nproc) sh -c 'echo "$(crc32 {}) {}"' | sed 's|^\(.*\) \./|\1 |' > crc32.txt	crc32.txt 其内容为 3d531b22 model-00004-of-00004.safetensors 1ba28546 model-00003-of-00004.safetensors b248a8c0 model-00002-of-00004.safetensors 09b46987 model-00001-of-00004.safetensors
     网卡类型	可选，如果网卡硬件为 EIC 网卡，需要选择EIC网卡。	非EIC网卡

性能收益

在Qwen3-8B的模型评测中，推理服务的冷启动时长TP99从235秒降低至24秒，冷启动时长降幅89.8%；实例扩容时长降低至5.7秒，扩容时长降幅97.6%。

在Qwen3-32B的模型评测中，推理服务的冷启动时长953秒降低至82秒，冷启动时长降幅91.4%；实例扩容时长降低至17秒，扩容时长降幅98.2%。