重磅開源！Kimi把自家底層推理架構都開源了，開源貢獻陣容相當豪華：清華、阿里、華為、AISoft、面壁智能
原創就在昨天，Kimi宣布要把自家底層的大模型推理架構Mooncake開源出來！
有媒體稱該架構正是承載了月之暗面Kimi線上80%以上流量的正在用的底層架構。
小編立馬求證了一番，的確Github上有提到：Mooncake 正在服務Kimi平臺。而且上線還不到一天就已經斬獲了1600+ stars。
圖片
開源地址：https://github.com/kvcache-ai/Mooncake
1.開源最終目標：高性能語義存儲的標準接口
“在大模型時代，更多的數據、更大的模型、更長的上下文窗口帶來更高的智能，但也對大模型推理系統的效率提出更高挑戰。如何應對高推理負載、降低推理成本、降低響應延遲成為業界共同面臨的難題。”
大家都知道，月之暗面在長文本、深度推理、高并發等方面一直有著不錯的研究和發布，這一次Kimi選擇在感恩節將這個牛逼的技術開源出來，確實讓大家感到意外和興奮。
據月之暗面官方公眾號介紹，此次是月之暗面聯合清華大學等機構開源共建大模型推理架構Mooncake。
官方文檔還透露了，本次開源將采用分階段的方式：
逐步開源高性能KVCache多級緩存Mooncake Store的實現，同時針對各類推理引擎和底層存儲/傳輸資源進行兼容。
其中傳輸引擎Transfer Engine現在已經在GitHub全球開源。
其最終開源目標是，為大模型時代打造一種新型高性能內存語義存儲的標準接口，并提供參考實現方案。
月之暗面Kimi工程副總裁許欣然表示：
通過與清華大學MADSys實驗室緊密合作，我們共同打造了分離式大模型推理架構Mooncake，實現推理資源的極致優化。
Mooncake不僅提升了Kimi的用戶體驗，降低了成本，還為處理長文本和高并發需求提供了有效的解決方案。
我們相信，通過與產學研機構開源合作，可以推動整個行業向更高效的推理平臺方向發展。
圖片
實際上，這個項目早在今年6月就已啟動，當時已受到業內廣泛關注——
圖片
2.大模型推理架構Mooncake核心思路
今年6月24日，月之暗面和清華大學MADSys實驗室聯合發布了Kimi底層的Mooncake推理系統設計方案。
在這篇名為《Mooncake: A KVCache-centric Disaggregated Architecture for LLM Serving》的論文中，作者詳細介紹了Mooncake這種系統架構。
該系統基于以KVCache為中心的PD分離和以存換算架構，大幅度提升了推理吞吐。
圖片
論文地址：https://arxiv.org/pdf/2407.00079
具體而言，Mooncake采用以KVCache為中心的解耦架構，將預填充集群與解碼集群分離，并充分利用GPU集群中未充分利用的CPU、DRAM和SSD資源，實現KVCache的解耦緩存。
其核心思路在于以KVCache為中心的調度程序：
在最大化整體有效吞吐量和滿足與延遲相關的服務級別目標 (SLO) 要求之間取得平衡
當面對流量高峰期時，Mooncake通過早期拒絕策略和預測未來負載的方法，來處理超載問題。
- 早期拒絕策略
簡單說，其核心思想是在請求實際開始處理之前，根據當前系統的負載情況預測是否有足夠的資源來處理新的請求。
如果預測結果表明系統資源不足以保證請求的及時處理，系統就會在請求到達之前予以拒絕，從而避免了無效的資源占用和不必要的延遲。
- 預測未來負載
在Mooncake中，系統需要能夠預測在未來一段時間內的負載情況，以便做出更準確的接受或拒絕請求的決策。
3.如何實現？
通常來說，這種預測會基于當前的請求模式、系統的資源使用情況以及歷史數據等信息。
再通過對信息的進一步分析建模，Mooncake就能夠估計接下來的請求處理需求，并據此調整其調度策略。
論文實驗結果顯示，與基線方法相比，Mooncake在某些模擬場景中可以實現高達525%的吞吐量提升，同時遵守SLO（與延遲相關的服務級別目標)。
在實際工作負載下，Mooncake使Kimi能夠處理75%以上的請求。
圖片
而且據許欣然在其他場合透露：目前這套系統承載了Kimi線上80%以上的流量。
圖片
4.開源陣容相當豪華！！！
而現在，為了進一步加速該技術框架的應用與推廣，Kimi聯合清華大學等機構共同發布開源項目Mooncake。
參與開源的首批陣容包括：
AISoft、阿里云、華為存儲、面壁智能、趨境科技等。
可以說，云計算、存儲、AI模型玩家等產學研力量都聚齊了。
據悉，Mooncake開源項目從論文延伸，以超大規模KVCache緩存池為中心，通過以存換算的創新理念大幅度減少算力開銷，顯著提升了推理吞吐量。
目前Mooncake技術框架已正式開源上線，官方還表示：
歡迎更多企業和研究機構加入Mooncake項目共建，共同探索更加高效和先進的模型推理系統架構創新，讓基于大模型技術的AI助手等產品，持續惠及更廣泛人群。
開源實在是一個大殺器，推理架構層面的開源，意味著Kimi正在重新定義自己在模型側的運作模式甚至商業計劃。希望看到國內LLM推理方面的開源能夠進一步助力大模型應用的真正爆發！
參考鏈接：
https://mp.weixin.qq.com/s/NsKDtC7qp2JxA_EunwSqvg
