华为昇腾 0 Day 支持智谱 GLM-5.2 模型，提供全面推理优化

华为昇腾 0 Day 支持智谱 GLM-5.2 模型，提供全面推理优化

华为昇腾平台近日宣布支持智谱 GLM-5.2 模型，为编程和长程任务提供全面的推理优化。昇腾 A3 系列产品已支持 GLM5.2 的单双机以及大 EP 推理部署。针对 GLM5.2 模型的结构特点，昇腾平台围绕以下几个关键技术开展了高效推理优化：

1. MOE 大融合算子：将专家路由、加权计算与结果归约融合为统一算子，消除中间张量冗余读写，显著提升计算效率。
2. 通信与计算融合：通过将 AllReduce 优化为 ReduceScatter 与 AllGather 通信原语，并与矩阵计算形成紧耦合流水线，实现通信延迟的有效隐藏。
3. 注意力前处理与多 Token 预测优化：采用注意力前处理融合算子，结合多 Token 预测（MTP）机制的加速，提升单步生成效率。
4. 高并发调度与预填充延迟机制：在高并发混合负载场景下引入预填充延迟调度，平滑计算峰值，降低 Prefill 阶段对 Decode 阶段的资源抢占。
5. 智能缓存与索引优化：结合 IndexCache 技术缓存高频专家路径与静态路由表，并采用 Chunked Prefill、稀疏索引检索等方法，优化长上下文推理性能。
6. PD 分离与 Prefix Cache：通过 Prefill 与 Decode 阶段分离及前缀缓存技术，压缩解码时延抖动，提升在线服务吞吐稳定性。
7. 极致 Infra 优化，Day 0 运行在国产算力平台：在 1M 上下文长度下，将单位 token 的 FLOPs 降低至 2.9 倍；已在 Day 0 完成与华为昇腾、平头哥、摩尔线程、寒武纪、昆仑芯、沐曦、海光、壁仞等国产算力平台的推理适配；预计下半年昇腾 950 超节点上市后，也将成为 GLM-5.2 强劲的算力底座。