清華團隊突破 AI 算力限制 RTX 4090 竟能運行 671B 大模型

KTransformers 計畫的核心技術在於 異質運算策略，透過以下關鍵技術降低顯存負擔：

• 稀疏矩陣優化（MoE 架構）：僅啟動部分專家模組，並將非共享的稀疏矩陣卸載至 CPU 內存，大幅壓縮VRAM佔用至 24GB。

• 4bit 量化與算子優化：使用 Marlin GPU 算子，讓運算效率提升 3.87 倍，並透過 llamafile 多執行緒並行，將預處理速度提升至 286 tokens/s。

• CUDA Graph 加速：減少 CPU/GPU 通訊延遲，單次解碼僅需 一次完整 CUDA Graph 調用，生成速度高達 14 tokens/s。

這項突破帶來的影響驚人！傳統 AI 訓練方案需要 8 張 A100 伺服器，成本超過百萬，雲端租用費用每小時高達 數千元。但 RTX 4090 單卡方案 讓這一切變得更親民：

• 整機成本：僅 約 2 萬元

• 功耗：僅 80W，大幅降低能耗

• 適用對象：中小型 AI 團隊、個人開發者

這次突破不只是 技術的勝利，更是 開源精神與硬體潛能的極致發揮，讓 AI 研究更具可及性，顛覆了傳統算力瓶頸！

在 Google 上關注我們 設定為優先來源