超大规模 MoE 模型（如 DeepSeek），到底该怎么推理才能做到又快又稳。
现在，这个问题似乎已经有了标准答案——
华为一个新项目，直接把推理超大规模 MoE 背后的架构、技术和代码，统统给开源了！
这个新开源项目名叫 Omni-Infer，整体来看，它对于企业用户来说是非常利好的。
例如它可以给企业提供 PD 分离部署方案，针对 QPM 进行系统级优化，还会分享大规模商用过程中硬件使用的 “方法论”。
而且对于开发者和开源社区，华为这 “一呼” 也是起到了 “百应” 的效果。
北京智源研究院副院长兼总工程师林咏华表示：
北京智源研究院一直以来致力于人工智能开源生态建设，很高兴看到 Omni-infer 项目开源，智源团队打造的面向多芯片的 FlagScale 框架也在第一时间接入了 Omni-infer，期待后续有更多生态合作。
GitHub 地址：github.com/FlagOpen/Fl…
上海人工智能实验室系统平台中心负责人王辉认为：
DeepLlink 致力于打造最开放兼容的人工智能计算体系，十分期待能与 Omni-infer 项目携手，繁荣自主软硬件协同开源社区、拓展生态版图。
以及 OpenI 启智社区运营中心主任余跃也给出了响应：
OpenI 启智社区坚持创新为本，面向未来与 Omni-Infer 项目一起打造基于算力网的开源共创协作生态。
据了解，华为 Omni-Infer 社区的定位是 “加速套件 + 最佳实践”，未来提供开箱即用能力，支持昇腾推理集群快速部署。
而对于这次 Omni-Infer 的开源，其实是华为兑现了一个月前在发布重磅技术报告之际所做出的承诺。
那么接下来，我们就来一同深入了解一下华为的 Omni-Infer。
一个框架和一个套件
从整体来看，Omni-Infer 可以拆成两大块来看：一个是推理框架，一个是推理加速套件。
从框架角度来看，Omni-Infer 能和业界主流的开源大模型推理框架（如 vLLM）完美兼容，就像不同品牌的零件可以组装在同一台机器上。
并且据了解，它的功能还将不断扩展，会持续为昇腾硬件平台上的大模型推理提供更强大的支持（例如 SGLang 等主流开源 LLM 推理框架）。
值得一提的是，Omni-Infer 是与 vLLM/SGLang 等等这些主流大模型推理开源框架是解耦的，独立安装。
这就意味着用户只需维护 vLLM 等的主版本即可，大大降低了软件版本维护的成本。
至于 Omni-Infer 的加速套件，若是用较为形象的比喻，它的 “打开方式” 是这样的：
企业级的 “调度员”：它有一套智能的调度系统，就像交通警察指挥车辆一样，能合理安排任务（xPyD 调度）。而且支持大规模分布式部署，就像多个交通岗亭协同工作，不管任务量多大，都能保证最低的延迟，让响应更及时。
精准的 “负载平衡器”：对于不同长度的任务序列，它在预填充和解码这两个关键阶段都做了优化。比如，就像快递分拣中心针对不同大小的包裹采用不同的分拣策略，让整个处理过程的吞吐量达到最大，同时还能保持低延迟。
MoE 模型的 “专属搭档”：它对混合专家（MoE）模型特别友好，支持 EP144/EP288 等多种配置。可以想象成一个大型的 “专家团队”，每个专家负责不同的任务，它能让这些专家高效协作。
智能的 “资源分配者”：具备分层非均匀冗余和近实时动态专家放置功能。就像在一个大型工厂里，根据实时的生产需求，动态调整各个生产线的工人分配，让资源得到最充分的利用。
注意力机制的 “强化器”：专门为 LLM、MLLM 和 MoE 等模型优化了注意力机制。这就好比给模型的 “注意力” 装上了 “放大镜”，让它在处理信息时更聚焦、更高效，提升了模型的性能和可扩展性。
如何 “食用”？
在聊完 Omni-Infer 的特点之后，我们继续来看下该如何去体验。
首先对于它的使用环境是有一定的要求：
硬件：目前仅支持 CloudMatrix384 推理卡
操作系统：Linux Python: >=3.9, <= 3.11
其次在安装方式上，目前仅支持通过 Docker 镜像方式进行安装：
docker pull swr.cn-southwest-2.myhuaweicloud.com/omni-ai/omniinfer:202506272026这个镜像已预先集成所需的 CANN 及 Torch-NPU 依赖包，同时内置可直接运行的 Omni-Infer 与 vLLM 工具包，开箱即可使用。
可以使用下面这个命令检查是否可用：
pip list | grep omni_infer以 PD 分离自动化部署（4 机 2P1D）为例，它的部署框架如下所示：
再接下来，只需文档教程，仅少量代码和步骤，即可完成安装和部署：
整体来看，此次华为面向超大规模 MoE 开源的项目，是做到了简单几步就可以让 AI 推理这事变得又快又稳。
极致开源
Omni-Infer 除了将此前《华为昇腾服务器 DeepSeek V3/R1 推理部署最佳实践》技术报告中的关键技术开源出来之外，也同步进行了更加专业的开源社区建设。
首先，在独立的社区仓库中，将社区治理、社区会议、社区活动、生态合作、代码规范、设计文档等社区信息全部开放出来，让开发者能够最直接深入的参与到社区发展中。
其次，参照业界主流大型开源社区的最佳实践，采用开放的社区治理机制，通过项目管理委员会（Project Management Committee）和特别兴趣小组（Special Interest Group）两级机制，提供公正透明的讨论与决策机制。
再次，针对业界同类开源项目大多存在的 “一头热” 的“被动适配”生态合作模式问题，Omni-Infer 社区则采取了 “主动适配” 的社区构筑路径，尤其是主动拥抱国内正在逐步成长的人工智能开源项目，让生态真正实现多方共赢。
作为长期与业界几大主流开源基金会（Linux 基金会、OpenInfra 基金会、Apache 基金会等）保持紧密合作关系的社区团队，Omni-infer 刚开源的首个活动就将参与 OpenInfra 基金会在苏州的 Meetup，感兴趣的同学可以到现场交流，也顺路可参加有特色的全球性开源社区的生日活动。
最后，所有相关的地址放下面了，感兴趣的小伙伴可自取哦~
技术报告及可分析代码包：
gitcode.com/ascend-trib…
源代码开发协作：
gitee.com/omniai/omni…
社区治理、运作等内容：
gitee.com/omniai/comm…
【其他托管平台】
Github：
github.com/omni-ai-npu…
OpenI 启智社区：
git.openi.org.cn/omni-ai/omn…
GitLink 确实平台：
gitlink.org.cn/omni-ai/omn…
欢迎在评论区留下你的想法！
— 完 —
