我要投稿

华为MindIE初体验：Qwen1.5-14B-Chat模型40并发推理实测

发布日期：2024-07-14 01:13:15 浏览次数： 5406

作者：算法工程笔记

微信搜一搜，关注“算法工程笔记”

最近发现华为NPU的生态里多了一个成员——MindIE，部分解决了大模型推理的问题，下面简要介绍下Mind华为昇腾NPU卡的生态。

TL;DR

华为NPU生态新增了MindIE,部分解决了大模型推理问题
华为昇腾NPU与英伟达GPU生态层级对比:

CANN 对应 CUDA
MindSpore 对应 PyTorch
MindFormer 对应 Transformers
MindIE 对应 vLLM
MindIE目前支持的模型有限,包括:

LLaMA 3-8B, LLaMA 2-7B
Qwen 1.5-14B-Chat, Qwen 1.5-72B-Chat
ChatGLM3-6B
未列出的模型大概率不支持

MindIE推理性能测试(使用910B4卡):

并发数: 40
首token平均延迟: 66毫秒
每秒生成token数: 约1200
单请求每秒生成token数: 约30
模型: Qwen 1.5-14B-Chat
硬件: 4卡910B4
测试条件：
测试结论

测试结果显示，MindIE的推理性能基本可以满足生产环境需求

基本概念

首先，在英伟达的生态中，有从底层到上层分别有CUDA、PyTorch、transformers、vLLM等常见库。对应的，在华为的生态中，分别有CANN、MindSpore、MindFormer、MindIE。具体对应关系见下图：

关于MindSpore、MindIE的详细介绍，分别见下面的图与链接：

MindSpore——https://www.mindspore.cn/

MindIE——https://www.hiascend.com/software/mindie

MindIE目前支持的模型们

在华鲲振宇AI最优解/ Ascend-FAQ的gitee^[1]页面上，介绍了MindIE目前支持的模型，包含了llama3-8B、llama2-7B、Qwen1.5-14B-Chat、Qwen1.5-72B-Chat、chatglm3-6B等模型。

目前看支持的大模型很少，而且页面上没有写的大概率不支持（比如Qwen1.5-32B-Chat以及Qwen2系列实测均不支持）。

MindIE推理效果

虽然支持的模型不多，但是，得益于910B系列卡的强劲算力，配合MindIE框架做了下并发推理测试，具体结果如下：

可以看到4卡910B4，跑Qwen1.5-14B-Chat模型，在40并发的情况下，首token平均延迟为66毫秒，每秒token生成数在1200左右，单个请求每秒生成token数约为30个，基本可以满足生产环境的需求

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-06-25

微信在金矿上孵化了啥？

2026-06-25

Google 把 FDE 改写成 Agent Engineer 这周，中国企业正在逼出另一种 FDE

2026-06-24

使用 Google AI Studio 轻松构建原生 Android 应用

2026-06-24

场景营销前端 AI Coding — AI Native 的视觉稿还原

2026-06-24

Claude Tag：你的公司正在被 AI 偷学

2026-06-24

精华：去哪儿网AI Coding研发平台实践，值得读三遍的样本

2026-06-24

做 FDE 的第一步不是写代码，而是把客户问题拆到能验收

2026-06-24

Claude学会常驻Slack，AI协作变天了

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

Claude Opus 4.7刚刚曝光！Claude Code一夜重构，7x24小时替你打工

2026-04-15

OpenAI Codex CLI 完整使用指南

2026-04-07

Claude Code 和 Codex 接入 Figma MCP 保姆级教程

2026-04-07

刚刚Qwen 3.6 Plus上线预览：1M上下文，阿里Coding/Agent翻身战打响

2026-03-31

GPT5.5来了，最大特点解析

2026-04-24

Claude Opus 4.7 发布，全网最详细解读

2026-04-17

突发！Claude Code 源码泄露，扒出这些隐藏功能

2026-03-31

GPT-6，曝光了

2026-04-05

GLM-5.1 实测：面向 Agent 长程任务的国内第一模型

2026-04-02

重磅！GPT-6曝光了

2026-04-05

大家都在问

微信在金矿上孵化了啥？

2026-06-25

企业智能体的下半场，如何让智能体越用越聪明？

2026-06-18

Agent 记忆，我们全都理解错了？

2026-06-18

如何利用 Harness “一句话交付产品功能”？

2026-06-10

Loop Engineering 循环工程又是什么鬼？

2026-06-10

Agent 工程化五件套：Prompt、Skill、MCP、CLI 到底怎么配合？

2026-06-07

为什么云端 Agent 基建这么难？

2026-06-06

当 AI 开始拥有“自主调度权”：Claude 4.8 这个新功能，到底有多可怕？

2026-06-03

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS Skill 提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件 FDE AI+医疗 MaxKB Palantir Glean Openclaw