联想问天WA7785a G3服务器创纪录!单机运行671B DeepSeek大模型吞吐量高达6708token/s!
性能突破的关键
联想今日宣布，旗下首款 AMD AI 大模型训练服务器——联想问天 WA7785a G3在单机部署671B（满血版） DeepSeek 大模型时，实现了高达6708token/s 的极限吞吐量，再次刷新了单台服务器运行超大规模模型性能的纪录。
技术创新与优化
据介绍，此次性能突破得益于联想万全异构智算平台的强大支持。联想通过访存优化、显存优化、创新的 PCIe5.0全互联架构，以及精选 SGLang 框架中的最优算子等一系列创新技术手段，对大模型从预训练、后训练到推理的全流程进行了持续优化。实测结果显示，在单台部署 DeepSeek671B 大模型的联想问天 WA7785a G3服务器上，最高吞吐量达到了惊人的6708token/s。
图源备注：图片由AI生成，图片授权服务商Midjourney
具体性能数据显示
在模拟问题对话场景（上下文序列长度128/1K）时，该服务器最高可支持158的并发数，TPOT(Time Per Output Token)为93毫秒，TTFT(Time To First Token)为2.01秒；而在模拟代码生成场景(上下文序列长度512/4K)时，并发数可达140，TPOT 为100毫秒，TTFT 为5.53秒。联想方面表示，这一性能表现意味着单台联想问天 WA7785a G3服务器即可支撑1500人规模企业的正常使用，是继联想问天 WA7780G3服务器单机部署满血版 DeepSeek 大模型总吞吐量突破2500token/s 之后，在单机部署该大模型推理性能上的又一次重大飞跃。
持续探索与未来展望
联想方面强调，此次技术突破是联想中国基础设施业务群、联想研究院 ICI 实验室和 AMD 联合设计、协同调优、共同实现的成果。同时，这并非最终结果，联想与 AMD 仍在持续探索深度调优的新方法，以期实现更高的性能突破。
