朋友说他遇到了一个大模型技术难题，请我吃顿饭看看，能不能帮我解决下。

行，一听技术难题我就来劲了。

见了面后，直接问我，有没有办法高效部署和管理100个lora模型？

你这啥场景啊，100个lora。

说来话长，我们做角色扮演的，最早写写prompt，通过遵循指令定义人设，日子也勉强过的下去。

你这不挺好的么，干嘛老想部署自己的模型，现在基座都这么强了。

这种方法天花板不高，也不安全，特别是在一些非知名人物的设定上，有自己的人设语料微调的小模型效果更好。

我们还有一些嘴毒的吐槽角色，和大模型无害对齐的方向完全相反，微调是必要的。

现在成了困扰我们团队的难题了，本来也是小团队，好不容易弄了几张微调的卡，现在部署也成了大问题。

作为一个熟练的vllm调包侠，对这个问题还是有一点研究的。现在的vllm支持多lora加载。我给你个脚本你研究研究看看能不能满足你的需求。

from vllm import LLM, SamplingParams   from vllm.lora.request import LoRARequest   from transformers import AutoTokenizer      # 样例   prompts = "你是谁？"      # 设置生成所需参数   sampling_params = SamplingParams(temperature=0.7, top_p=0.8, top_k=50, max_tokens=2048)      lora_request1 = LoRARequest("self_adapter_v1", 1, lora_local_path="output_dir_qwen2.5_lora_v1/")   lora_request2 = LoRARequest("self_adapter_v2", 2, lora_local_path="output_dir_qwen2.5_lora_v2/")      # 创建模型   llm = LLM(model="Qwen2.5-7B-Instruct/", enable_lora=True, max_model_len=2048, dtype="float16")   tokenizer = AutoTokenizer.from_pretrained("Qwen2.5-7B-Instruct/")      # 通过prompts构造prompt_token_ids   temp_prompts = [tokenizer.apply_chat_template(       [{"role": "user", "content": prompt}],       tokenize=False, add_generation_wohaisprompt=True) for prompt in prompts]   print(temp_prompts)   prompt_token_ids = tokenizer(temp_prompts).input_ids      # 注意，generate可以直接使用prompts，但直接使用prompts时，默认直接使用tokenizer.encode，没有拼接chat_template      print("加载角色孙悟空Lora1进行模型推理：")   # 调用generate时，请求调用lora参数   outputs = llm.generate(sampling_params=sampling_params, prompt_token_ids=prompt_token_ids,                          lora_request=lora_request1)   print(outputs)   # 输出结果   for i, (prompt, output) in enumerate(zip(prompts, outputs)):       generated_text = output.outputs[0].text       print("prompt: {}, output: {}".format(prompt, generated_text))      print("加载角色猪八戒Lora2进行模型推理：")   # 调用generate时，请求调用lora参数   outputs = llm.generate(sampling_params=sampling_params, prompt_token_ids=prompt_token_ids,                          lora_request=lora_request2)   print(outputs)   # 输出结果   for i, (prompt, output) in enumerate(zip(prompts, outputs)):       generated_text = output.outputs[0].text       print("prompt: {}, output: {}".format(prompt, generated_text))      print("不加载任何角色的Qwen底座Lora进行模型推理：")   # 调用generate时，请求调用lora参数   outputs = llm.generate(sampling_params=sampling_params, prompt_token_ids=prompt_token_ids)   print(outputs)   # 输出结果   for i, (prompt, output) in enumerate(zip(prompts, outputs)):       generated_text = output.outputs[0].text       print("prompt: {}, output: {}".format(prompt, generated_text))   

这样就实现了一个底座加载两个不同的角色lora，用户请求对应的角色就load对应的lora权重去推理。

加载角色孙悟空Lora1进行模型推理：   prompt: 你是谁？, output: 我是齐天大圣孙悟空，我会七十二般变化。      加载角色猪八戒Lora1进行模型推理：   prompt: 你是谁？, output: 我是天蓬元帅猪八戒，俺老猪会三十六般变化。      不加载任何角色的Qwen底座Lora进行模型推理：   prompt: 你是谁？, output: 我是Qwen，由阿里云开发的语言模型。我是一个人工智能助手，可以回答问题、创作文字、提供信息、娱乐、教育等。如果您有任何问题或需要帮助，请随时告诉我，我会尽力为您提供支持。   

哥们看了看说，摇摇头说，我们这个场景，没有你想的那么简单。

更大的问题是用户的需求是长尾分布的，100多个模型里，可能请求量前5个模型占了90%的请求总量。

长尾的用户的粘性很高，50%的留存，都是忠实用户，直接砍掉服务10%的那95个模型，挺不对起用户的。不砍的话一个场景留一个模型，对我们成本也翻了好几倍。

一边知道自己微调确实效果好，一边又是比较高自部署的成本。

我想了下，咱们来算一笔账，用vllm 部署100个角色扮演模型，假设模型用的是7-8B的话，放下模型的显存需要14到16GB，再考虑推理文本的负载，一般用24GB的卡型。

100张24GB的卡型，配上内存，我看了下国内某云这种推理资源的费用，一个月也得几十万块的费用。对一个几个人的创业团队来讲，卡的费用已经是不小的开支了。

另外，部署上，一个比较熟练的大模型工程师还好，会思考如何在100个实例上高效部署，用统一管理的docker，通过脚本自动按照ip的hash拉取对应的lora 权重。如果是不熟练的朋友，可能真的会在100个机器上挨个安装vllm，然后手动加载启动。

这些还都是表面的算力，人力成本，就像刚才朋友说的，长尾问题一样，更多隐形的成本还没算进去。

100个微调模型，采用传统合并部署方式。假设基模相同，每1次部署会加载1次基础模型，会重复加载99次。若基模加载需2分钟，推理显存14GB，则总部署时长多出3+个小时，额外增加1300+GB显存开销。

100个微调模型，仅有10%模型调用量高，剩下90%模型调用量低。采用1卡部署1模的模式，既无法保证高调用的响应速度，还让30%+算力出现闲置。每台4090按1万元（包月）计，每月浪费接近4万元。

假设这100个微调模型效果不佳，优化后，需花2个算法1个工作日重新部署，约占模型迭代周期工作量10%。

这些账仔细算算，就觉得哥们的问题还真的是一个问题。

看来也没有免费的午餐了，去找我无问芯穹搞部署平台的哥们，打听打听。

无问芯穹的哥们在听我讲这个问题的时候，就一直在笑，我说你笑啥，他回了一句：这都不是事。

别说100个了，就算1000个都轻松搞定，你关心的部署成本，人力成本，负载均衡，全都打包可以解决。

我甩给你个链接你去试试吧，简直是给你的需求量身定做。

具体操作文档：https://docs.infini-ai.com/gen-studio/serving/create.html

我仔细看了看，这不就是一个多lora部署平台吗？用起来还挺简单的，跟着文档走就行。

第一步，创建模型服务，上传模型。

第二步，创建部署任务，选择来源我的模型。

第三步，体验模型服务 模型服务部署成功后，进入在线状态，此时可通过 GenStudio 体验中心直接体验，并提供公网可访问的 API 服务。

在模型服务列表中，点击任意条目右侧的详情按钮，切换调用说明标签，可查看该模型服务的调用地址和调用示例。

可以用curl测试自己部署的模型：

curl "https://cloud.infini-ai.com/maas/deployment/mif-damenkp32lcout5v/chat/completions" \       -H "Content-Type: application/json" \       -H "Authorization: Bearer $API_KEY" \       -d '{           "messages": [               {                   "role": "system",                   "content": "You are a helpful assistant."               },               {                   "role": "user",                   "content": "你是谁"               }           ]       }'   

大多可以上传模型进行推理的平台，一般都是必须上传整个模型文件的。有的平台虽然支持Lora微调，但由于基模都是自己的闭源模型，推理即使是Lora模块推理的，但我们也没有办法自定义上传Lora模块。无问芯穹这个推理平台的设计也确实蛮有意思的。

还有它的计费规则也蛮有意思的，模型部署并不收费，具体费用按照模型的调用量（Tokens）进行收费，也就是说前期不需要自己搞算力、显卡资源啥的。

给你机器给你卡部署模型，还按照token收费，太适合这种模型零散需求长尾的场景了。我把占了总需求量的90%的少数几个模型自己部署，剩下90个模型扔到他们平台上，按token量计费，简直是大善人啊！

试了下完全没问题，我就跟请我吃饭的哥们交差了，过了两天哥们发来感谢微信说，这个东西帮他大忙了，直接每个月省了接近几十万块的成本。

我也问无问芯穹的朋友要了试用链接，有这个需求的朋友可以试试：https://infinigence.feishu.cn/share/base/form/shrcn6lARShCYpA93tNjilHIQnh

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）