混合專家網絡模型架構（MoE）已經成為當前大模型的一個主流架構選擇，以最近開源的盤古Pro MoE為例，其基于MoGE架構構建的混合專家架構，總參數量達720億，激活參數量為160億，專門針對昇騰硬件優化，在性能與效率上表現突出。

盤古還實現了在推理時做到又快又穩。

在技術特性上，盤古模型引入 “快思考” 和 “慢思考” 雙系統，可根據問題復雜度自動切換響應模式，并在推理性能上實現突破——在昇騰800I A2上單卡推理吞吐性能達1148 tokens/s，經投機加速技術可提升至1528 tokens/s，顯著優于同等規模稠密模型。

那么讓盤古、DeepSeek、Qwen這些開源的MoE模型在昇騰硬件上推理，能夠達到易維護、高性能，并且全面開源的技術項目有沒有呢？

現在，這個問題似乎有了標準答案——

華為一個新項目，直接把推理超大規模MoE背后的架構、技術和代碼，統統給開源了！

這個新開源項目名叫Omni-Infer，整體來看，它對于企業用戶來說是非常利好的。

例如它可以給企業提供PD分離部署方案，針對QPM進行系統級優化，還會分享大規模商用過程中硬件使用的“方法論”。

而且對于開發者和開源社區，華為這“一呼”也是起到了“百應”的效果。

GitHub地址：https://github.com/FlagOpen/FlagScale/pull/630

北京智源研究院副院長兼總工程師林詠華表示：

北京智源研究院一直以來致力于人工智能開源生態建設，很高興看到Omni-infer項目開源，智源團隊打造的面向多芯片的FlagScale框架也在第一時間接入了Omni-infer，期待后續有更多生態合作。

上海人工智能實驗室系統平臺中心負責人王輝認為：

DeepLink致力于打造最開放兼容的人工智能計算體系，十分期待能與Omni-infer項目攜手，繁榮自主軟硬件協同開源社區、拓展生態版圖。

以及OpenI啟智社區運營中心主任余躍也給出了響應：

OpenI啟智社區堅持創新為本，面向未來與Omni-Infer項目一起打造基于算力網的開源共創協作生態。

據了解，華為Omni-Infer社區的定位是 “加速套件+最佳實踐”，未來提供開箱即用能力，支持昇騰推理集群快速部署。

而對于這次Omni-Infer的開源，其實是華為兌現了一個月前在發布重磅技術報告之際所做出的承諾。

那么接下來，我們就來一同深入了解一下華為的Omni-Infer。

一個框架和一個套件

從整體來看，Omni-Infer可以拆成兩大塊來看：一個是推理框架，一個是推理加速套件。

從框架角度來看，Omni-Infer能和業界主流的開源大模型推理框架（如vLLM）完美兼容，就像不同品牌的零件可以組裝在同一臺機器上。

并且據了解，它的功能還將不斷擴展，會持續為昇騰硬件平臺上的大模型推理提供更強大的支持（例如SGLang等主流開源LLM推理框架）。

值得一提的是，Omni-Infer是與vLLM/SGLang等等這些主流大模型推理開源框架是解耦的，獨立安裝。

這就意味著用戶只需維護vLLM等的主版本即可，大大降低了軟件版本維護的成本。

至于Omni-Infer的加速套件，若是用較為形象的比喻，它的“打開方式”是這樣的：

• 企業級的 “調度員”：它有一套智能的調度系統，就像交通警察指揮車輛一樣，能合理安排任務（xPyD調度）。而且支持大規模分布式部署，就像多個交通崗亭協同工作，不管任務量多大，都能保證最低的延遲，讓響應更及時。
• 精準的 “負載平衡器”：對于不同長度的任務序列，它在預填充和解碼這兩個關鍵階段都做了優化。比如，就像快遞分揀中心針對不同大小的包裹采用不同的分揀策略，讓整個處理過程的吞吐量達到最大，同時還能保持低延遲。
• MoE模型的 “專屬搭檔”：它對混合專家（MoE）模型特別友好，支持EP144/EP288等多種配置。可以想象成一個大型的 “專家團隊”，每個專家負責不同的任務，它能讓這些專家高效協作。
• 智能的 “資源分配者”：具備分層非均勻冗余和近實時動態專家放置功能。就像在一個大型工廠里，根據實時的生產需求，動態調整各個生產線的工人分配，讓資源得到最充分的利用。
• 注意力機制的 “強化器”：專門為LLM、MLLM和MoE等模型優化了注意力機制。這就好比給模型的 “注意力” 裝上了 “放大鏡”，讓它在處理信息時更聚焦、更高效，提升了模型的性能和可擴展性。

如何“食用”？

在聊完Omni-Infer的特點之后，我們繼續來看下該如何去體驗。

首先對于它的使用環境是有一定的要求：

• 硬件：目前僅支持CloudMatrix384推理卡
• 操作系統：Linux Python: >=3.9, <= 3.11

其次在安裝方式上，目前僅支持通過Docker鏡像方式進行安裝：

docker pull swr.cn-southwest-2.myhuaweicloud.com/omni-ai/omniinfer:202506272026

這個鏡像已預先集成所需的CANN及Torch-NPU依賴包，同時內置可直接運行的Omni-Infer與vLLM工具包，開箱即可使用。

可以使用下面這個命令檢查是否可用：

pip list | grep omni_infer

以PD分離自動化部署（4機2P1D）為例，它的部署框架如下所示：

再接下來，只需文檔教程，僅少量代碼和步驟，即可完成安裝和部署：

整體來看，此次華為面向超大規模MoE開源的項目，是做到了簡單幾步就可以讓AI推理這事變得又快又穩。

極致開源

Omni-Infer除了將此前《華為昇騰服務器 DeepSeek V3/R1 推理部署最佳實踐》技術報告中的關鍵技術開源出來之外，也同步進行了更加專業的開源社區建設。

首先，在獨立的社區倉庫中，將社區治理、社區會議、社區活動、生態合作、代碼規范、設計文檔等社區信息全部開放出來，讓開發者能夠最直接深入的參與到社區發展中。

其次，參照業界主流大型開源社區的最佳實踐，采用開放的社區治理機制，通過項目管理委員會（Project Management Committee）和特別興趣小組（Special Interest Group）兩級機制，提供公正透明的討論與決策機制。

再次，針對業界同類開源項目大多存在的“一頭熱”的“被動適配”生態合作模式問題，Omni-Infer社區則采取了“主動適配”的社區構筑路徑，尤其是主動擁抱國內正在逐步成長的人工智能開源項目，讓生態真正實現多方共贏。

作為長期與業界幾大主流開源基金會（Linux基金會、OpenInfra基金會、Apache基金會等）保持緊密合作關系的社區團隊，Omni-infer剛開源的首個活動就將參與OpenInfra基金會在蘇州的Meetup，感興趣的同學可以到現場交流，也順路可參加有特色的全球性開源社區的生日活動。

最后，所有相關的地址放下面了，感興趣的小伙伴可自取哦~

技術報告及可分析代碼包：https://gitcode.com/ascend-tribe/ascend-inference-cluster

源代碼開發協作：
https://gitee.com/omniai/omniinfer

社區治理、運作等內容：
https://gitee.com/omniai/community

【其他托管平臺】

Github：
https://github.com/omni-ai-npu/omni-infer

OpenI啟智社區：
https://git.openi.org.cn/omni-ai/omni-infer

GitLink確實平臺：https://gitlink.org.cn/omni-ai/omniinfer