<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>专家混合模型 on AI内参</title>
    <link>https://www.neican.ai/tags/%E4%B8%93%E5%AE%B6%E6%B7%B7%E5%90%88%E6%A8%A1%E5%9E%8B/</link>
    <description>Recent content in 专家混合模型 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Wed, 02 Jul 2025 16:10:04 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E4%B8%93%E5%AE%B6%E6%B7%B7%E5%90%88%E6%A8%A1%E5%9E%8B/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>DeepSeek的效率之谜：批处理如何塑造前沿AI的经济版图</title>
      <link>https://www.neican.ai/insights/deepseekai-20250702161004411-0/</link>
      <pubDate>Wed, 02 Jul 2025 16:10:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/deepseekai-20250702161004411-0/</guid>
      <description>DeepSeek模型在大规模部署时表现出色的成本效益，得益于对GPU批处理技术的高效利用，这使得其在处理大量并发请求时能实现极高的吞吐量。然而，在单用户本地部署场景下，缺乏批处理的机会导致GPU利用率低下，使得DeepSeek模型运行缓慢且成本高昂，揭示了前沿AI模型在规模化与本地化之间存在的效率鸿沟。</description>
    </item>
  </channel>
</rss>
