随着大模型时代到来，模型参数呈指数级增长，已达到万亿级别。与此同时，大模型也逐渐从支持单一模态、单一任务发展为支持多种模态下的多种任务。

　　在这种趋势下，大模型训练所需算力巨大，远超单个芯片的处理速度，而多卡分布式训练通信损耗巨大。如何提高硬件资源利用率，成为影响国产大模型技术发展和实用性的重要前提。

　　在此背景下，腾讯于11月23日宣布，腾讯混元大模型背后的自研机器学习框架Angel再次升级，可将大模型训练效率提升至主流开源框架的2.6倍，千亿级大模型训练可节省50%算力成本。

　　Angel能力提升背后，是基于训练框架和推理框架的迭代。据悉，面向大模型训练，腾讯自研了机器学习训练框架AngelPTM，可针对预训练、模型精调和强化学习等全流程进行加速和优化，能够以更少的资源和更快的速度训练更大的模型。

　　而为了解决推理成本的不断上升，腾讯自研的大模型推理框架AngelHCF通过扩展并行能力、采用多种Attention优化策略等方式对性能进行了提升。同时，框架还适配了多种压缩算法，以提高吞吐能力，从而实现更快的推理性能和更低的成本。

　　实测数据显示，相较于业界主流框架，AngelHCF的推理速度提高了1.3倍。在腾讯混元大模型文生图的应用中，推理耗时从原本的10秒缩短至3-4秒。

　　另外，升级后的Angel还提供了从模型研发到应用落地的一站式平台，包含数据处理、精调、模型评估、一键部署以及提示词调优等服务，让大模型的“开箱即用”成为可能。

　　据介绍，在应用开发层面，腾讯内部已有超过300项业务和应用场景接入腾讯混元大模型内测，相比上个月数量翻了一倍。

（文章来源：21世纪经济报道）