腾讯优化DeepSeek的DeepEP通信框架：开启AI大模型训练新时代
事件背景
在人工智能（AI）技术迅猛发展的当下，大规模AI模型训练的需求与日俱增。高效的数据通信成为了提升AI模型训练效率的关键环节。混合专家模型（MoE）作为一种高效的大模型架构，通过动态分配专家网络处理不同任务，显著提升了模型容量与计算效率。然而，其复杂的通信需求（如专家间的数据分发与合并）对底层通信库提出了高吞吐、低延迟、资源利用率等多重挑战。
DeepSeek在今年2月的“开源周”活动第二天发布了DeepEP，这是全球首个专为混合专家（Mixture of Experts, MoE）模型设计的开源EP（Expert Parallelism）通信库，填补了MoE模型在分布式训练与推理场景中缺乏专用通信工具的空白。DeepEP凭借其突破性的方法提升了300%的通信效率，成功解决了MoE架构大模型对英伟达NCCL的依赖问题。但该技术在成本较低、适用面更广的RoCE网络环境中表现不佳，限制了其在更广泛场景的应用，这一痛点引发了开源社区的持续讨论。
腾讯的优化措施
腾讯星脉网络团队基于在RoCE网络领域的深厚积累，在DeepEP开源后便展开技术攻关，发现两大关键瓶颈：一是对于双端口网卡带宽利用率不足，二是CPU控制面交互存在时延。针对这些问题，腾讯采取了以下优化措施：
- 带宽分配智能化：通过拓扑感知的多QP建链技术，实现了带宽分配的智能化，优化了双端口网卡的带宽利用率，确保每条数据通道都能得到充分使用，避免了带宽的浪费。这就好比一个智慧交通管理系统，为不同的“车流”（数据）规划了专属的“车道”（QP绑定端口），确保双车道物理通道（网卡端口）的车流均衡，从根本上避免了拥堵。
- 绕过CPU控制面：腾讯基于IBGDA（InfiniBand GPU Direct Accelerator）技术，使得“控制面”的操作可以绕过CPU的“中转”，进一步降低了延迟和能耗，提升了整体通信效率。同时，让每个GPU都能同时用多个“通道”来发送数据，并且这些通道会自动分配数据，避免某个通道过于繁忙而其他通道闲置。
- 原子化信令协同：为了解决GPU直接“对话”时存在的传输顺序混乱难题，腾讯提出了“QP内时序锁”机制。每次传输数据时，通过网卡硬件自动生成数字指纹（类似快递单号加密），收件方必须按正确顺序“签收”，确保多个GPU间的数据传输能够精准、按顺序完成，即使同时处理1000多个数据传输任务，DeepEP也能自动理顺先后顺序。
性能提升的结果参数
经过腾讯技术团队的优化，DeepEP通信框架在多种网络环境下均实现了显著性能提升。经测试，优化后的通信框架性能在RoCE网络环境提升100%，IB网络环境提升30%。具体而言：
- RoCE网络环境：优化后的DeepEP在RoCE网络环境下性能实现了翻倍，这意味着在使用该网络环境进行AI模型训练时，数据传输速度可以翻倍，极大地缩短了训练时间，为依赖于RoCE网络的企业带来了重大利好。
- IB网络环境：在IB网络环境下，优化后的DeepEP通信框架性能提升了30%。尽管提升幅度相对较小，但考虑到IB网络本身已经具备较高的性能，这一改进仍然非常可观，进一步提高了数据传输效率，有助于企业更好地利用现有的硬件资源。
合作的意义
- 推动技术创新与发展：腾讯与DeepSeek的合作是开源社区与大型企业紧密合作的典范，展示了技术团队之间协作的重要性。通过技术的互助与交流，行业整体的技术水平得以提升，推动了AI的快速发展。这种开放合作的精神为其他企业提供了借鉴，鼓励更多企业参与到开源项目中来，共同推动技术创新。
- 为企业提供高效解决方案：优化后的DeepEP通信框架为企业开展AI大模型训练提供了更高效的解决方案。更高的数据传输效率意味着更快的模型训练速度，从而缩短产品上市时间，提升企业的竞争力。这对于那些依赖于AI技术的企业来说，无疑是一剂强心针。
- 树立行业标杆：腾讯的这一技术贡献得到了DeepSeek的公开致谢，称其为一次“huge speedup”的代码贡献。这不仅是对腾讯技术团队努力的认可，也为行业内的技术交流与合作树立了良好的榜样。未来，随着更多类似的技术优化与创新出现，整个行业的技术生态将变得更加丰富多彩。
对普罗大众的好处
- 加速AI应用普及：随着AI大模型训练效率的提升，AI技术的发展将更加迅速，更多的AI应用将得以快速落地。这将为普罗大众带来更加智能、便捷的生活体验，例如在智能客服、语音交互、实时推荐等领域，用户将能够获得更快速、准确的服务。
- 促进相关产业发展：AI技术的进步将带动相关产业的发展，创造更多的就业机会。同时，也将推动各个行业的数字化转型和升级，提高整个社会的生产效率和经济效益。
- 推动科技进步与社会发展：腾讯与DeepSeek的合作成果将为科技进步注入新的动力，推动社会向更加智能化、数字化的方向发展。这将有助于解决更多的社会问题，提高人们的生活质量和幸福感。
综上所述，腾讯优化DeepSeek的DeepEP通信框架是一次具有重要意义的技术创新，不仅提升了AI大模型训练的效率，也为行业的发展和社会的进步做出了积极贡献。相信在未来，随着技术的不断进步，AI技术将为我们带来更多的惊喜和改变。
首发网站
枫夜求索阁