也許二十年后再回首，我們會發現，現在我們就站在下一個“互聯網級奇跡”的起點上。

原標題：我與vLLM的2024：清華大佬的vLLM開發之路
文章來源：智猩猩GenAI
內容字數：12100字

vLLM項目參與者2024年經歷回顧

本文回顧了作者2024年參與vLLM開源項目的心路歷程，從初入項目到深度參與，見證了vLLM的成長和發展，并分享了在項目中遇到的挑戰和收獲，以及對AI未來發展的思考。

1. 項目緣起與ChatGPT的沖擊

作者在2019年UC Berkeley的RISELab暑期研修期間結識了vLLM的未來創始人，五年后因ChatGPT的出現以及對AI研究現狀的困惑，決定轉向機器學習系統研究，最終參與了vLLM項目。

2. 初入vLLM：開源項目的管理與挑戰

作者加入vLLM后，首先將PyTorch的開源管理經驗移植到vLLM，并通過訂閱GitHub消息，快速了解項目，并解決問題。期間，作者主要負責解決PyTorch版本升級帶來的兼容性問題，以及vLLM的分布式推理。

3. PyTorch 2.2的挑戰與John Schulman的合作

將vLLM依賴的PyTorch從2.1升級到2.2的過程中，作者發現了內存占用異常增加的問題，經過三個月的排查，最終找到并解決了問題。在解決RLHF流程中類似問題時，作者與OpenAI的John Schulman合作，將權重更新時間從3分鐘壓縮到4秒。

4. 從GPU Poor到GPU Rich：社區的幫助與支持

由于資源限制，vLLM早期性能測試受限。在社區的幫助下，NVIDIA、AWS、Google Cloud等提供了大量計算資源，解決了燃眉之急。作者強調了社區支持對vLLM發展的重要性。

5. LLaMA 3.1 405B的挑戰與成功

作者參與了對LLaMA 3.1 405B模型的支持工作，開發了多機分布式推理功能，成功支持了該模型的推理，并最終使得Meta的十個官方發布合作伙伴中有八個選擇了vLLM。

6. vLLM的重構與優化：性能與硬件兼容性

為了解決早期性能跟蹤機制不足的問題，作者參與了vLLM的重構工作，增加了基于ZMQ的API服務器、多步調度等特性，并創建了vllm.platforms子模塊，以提高性能和硬件兼容性。

7. torch.compile集成與PyTorch生態系統

作者推動vLLM加入PyTorch生態系統，并與PyTorch團隊合作，開發了vLLM專屬的推理優化torch.compile技術棧。

8. PyTorch Conference與Meetup：技術交流與學習

作者參加了PyTorch 2024大會，并與多位業內專家交流學習，分享了在硅谷技術社區的參與經歷。

9. vLLM的未來與開源精神

作者認為vLLM將成為智能時代的“Linux”，并希望通過加入Linux基金會，進一步壯大社區，共同建設智能時代的生態系統。

10. 硬件親和性與算法發展

作者引用《The Hardware Lottery》論文，強調了硬件親和性對算法成功的重要性，建議算法研究人員應與硬件發展緊密結合，而非僅僅依靠“硬件彩票”。

11. 泡沫與奇跡：對AI未來發展的展望

作者認為AI發展如同互聯網發展一樣，經歷泡沫后仍將擁有巨大的潛力，并對AI的未來發展充滿信心。

聯系作者

文章來源：智猩猩GenAI
作者微信：
作者簡介：智猩猩旗下公眾號之一，深入關注大模型與AI智能體，及時搜羅生成式AI技術產品。