推理与成本

张量并行

Tensor Parallelism (TP)

把单层的矩阵运算切到多张卡上同时算,用来放下放不下的模型。

又称 TP 模型内并行

本词条最后核验 2026-11-21 · 由本站编辑整理,欢迎指正

01 详细解释

一张卡装不下整份权重时,按行或列把矩阵拆开,每张卡算一部分,再用 all-reduce 汇总结果。它解决的是「单个模型放不下」,而不是「请求太多」。

代价是卡间通信很重,需要高速互联;跨机器拆 TP 通常得不偿失。高并发场景更多用数据并行或流水线并行,TP 一般只在同一台机器内部开。

✦举个例子

70B 模型单卡放不下,用 4 卡 TP 把每层权重切成 4 份。

✓实战提示

先试量化把模型压进单卡,再考虑 TP;跨机 TP 往往是性能陷阱。

02 什么时候会碰到它
账单变贵、响应变慢、要压成本时

同样一个模型,费用能差十倍,差别全在缓存、批处理、量化、并行和让它想多久。做容量规划、选部署方式、谈单价,都绕不开这几个词。

03 和这几个词怎么区分
04 接着读这几篇

小7分享网 · 聚焦 AI 的实用博客

每天一篇,跟进 AI 行业动态、实测新工具、拆解实战教程。不堆术语,不炒概念,只写真正用得上的内容。

浏览全部文章关于本站

欢迎回来

登录 小7分享网,继续你的精彩

还没有账号?立即注册

忘记密码 ?

创建账号

注册后即可体验完整功能

已有账号?直接登录

我们将发送一封验证邮件至你的邮箱, 请正确填写以完成账号注册和激活