2月12日消息，字節跳動豆包大模型團隊近日宣布推出全新稀疏模型架構 UltraMem，解決了 MoE 推理的高額訪存問題，推理速度較 MoE 架構提升 2-6 倍，推理成本最高可降低 83%。

該研究揭示新架構的 Scaling Law，表明其不僅有出色的 Scaling 特性，性能還超越 MoE。實驗顯示，訓練規模達 2000 萬 value 的 UltraMem 模型，在同等計算資源下，能同時實現領先的推理速度和模型性能，為構建數十億規模 value 或 expert 開辟新途徑。

據悉，豆包大模型團隊的這項創新成果已被機器學習和AI領域的頂級會議ICLR 2025接收，為解決大模型推理效率和擴展能力問題提供了全新思路。

大模型的推理能力對應的是端側AI應用/工具的響應能力和速度。隨著模型規模的擴大，推理成本和訪存效率已成為限制大模型規模應用的關鍵瓶頸。

在Transformer架構下，模型的性能與其參數數量和計算復雜度呈對數關系。隨著LLM規模不斷增大，推理成本會急劇增加，速度變慢。

為了解決計算問題，先前的研究者提出了MoE和PKM（Product Key Memory）方案，但它們都有各自的局限性：

MoE架構犧牲了效率：MoE架構成功將計算和參數解耦，通過稀疏激活專家的方式，在訓練階段有效減少了計算量，但在推理時，由于模型在推理時只能一個字一個字的生成，batch size（批量大小）和sequence length（序列長度）通常較小，少量的token即可激活幾乎所有的專家，進而導致訪存急劇上升，進而使推理延遲大幅增加。

PKM架構犧牲了效果：PKM架構通過引入“行路由”和“列路由”機制，這種方法讓每個token在推理時僅僅只激活極少數的value（與提示模板中的內容相關聯的數據或信息），所以推理時不會遇到訪存瓶頸，但其效果很差，且擴展能力有限，難以應對更大規模的模型需求。

這些局限性使得MoE和PKM在推理效率、模型效果和擴展能力等方面的優化空間仍需進一步探索。UltraMem正是為了解決上述痛點。

據介紹，UltraMem參考了PKM的設計，但針對PKM的缺陷予以補充，以實現更高效的訪存、更優質的檢索，同時，降低了顯存和部署成本，其優勢主要在于：

降低推理成本：與傳統的MoE架構相比，UltraMem在推理成本上實現了最高83%的降低，這對于大規模模型的部署和運行具有重要意義。

提升推理速度：UltraMem的推理速度相比MoE架構提升了2-6倍，這使得模型在處理大規模數據時更加高效。

保持模型效果：在降低推理成本和提升推理速度的同時，UltraMem還保持了模型的效果，確保了模型的準確性和可靠性。

豆包研究團隊在151M、680M、1.6B三個不同規模的模型上進行了廣泛的實驗。實驗結果表明，UltraMem在模型效果和推理速度方面均優于MoE和PKM架構，且在680M、1.6B上具有顯著的效果優勢。

無論是訓練端還是推理端，當大模型廠商卷起成本，意味著AI應用將在未來更加高效、易用。

推理成本大幅降低，將助推AI技術在更多領域的應用成為可能，尤其是對于資源受限的場景，如邊緣計算和移動設備等，能讓更多企業和開發者有能力使用和部署AI模型。

對于用戶而言，UltraMem架構的突破、推理速度的提升可使AI應用如智能助手、自然語言處理等在實時應用中響應更迅速，交互更流暢，優化用戶的使用體驗，提高內容創作、日常辦公等場景下的效率。