简介

文章测试了Qwen3模型在不同vllm并行配置(张量并行TP、流水线并行PP和数据并行DP)下的性能。在PCIe互联的多卡环境中，研究表明：若模型能单卡部署，推荐使用数据并行(DP)获得最大吞吐；若关注吞吐量，推荐流水线并行(PP)；若关注单请求生成速度，则推荐张量并行(TP)。结论为不同场景下的大模型部署提供了实用指导。

---

突然想试一下 Qwen3 不同模型和 vllm 不同流水线并行（PP，Pipeline Parallel），张量并行（TP，Tensor Parallel）配置的性能情况，所以做了些测试。

一、实验准备

测试环境：4 * RTX 3090 with PCIe3.0x16

vllm 0.10.2

• 单卡
• 双卡：2TP，2PP
• 四卡：4TP，4PP，2TP-2PP
• 并发量：1，4，16，64，256，512，1024

测试模型：

• Qwen3-0.6B ~ Qwen3-32B
• Qwen3-4B-AWQ~Qwen3-32B-AWQ

测试数据：shareGPT-v3

二、测试结果

（1）每个模型的最大吞吐

吞吐的排名基本和参数量/占用显存量正相关，不过有 1.7B 和 32B-AWQ 两个特例。

各模型达到的最大吞吐

可以看出，在没有 nvlink 等高速互联的情况下，多卡并行推理得到的加速比很不线性，收益很小。

所以对于 PCIe 多卡互联的设备，如果单卡能放下一整个模型+一定的 KV Cache 空间，每张卡部署一个模型以 DP 的方式并行可能更高效。

各模型最大吞吐量随卡数的变化

（2）不同并行配置对吞吐的影响

双卡下普遍是 PP>TP，因为 PP 每次推理只要在两张卡中间传递一次 hidden states，对通讯的要求较低，而TP每次推理的每一层，都要进行通讯，对通讯要求较高，拖慢了最大吞吐。

双卡下不同并行策略的最大吞吐

四卡下，小模型依然更使用 PP，因为模型的每个矩阵本身较小，再通过张量并行进行拆分，可能吃不满显卡的计算性能了，而随着模型参数增大，TP 和 PP 的差距逐渐缩小。

（3）不同并行配置对首字延迟（TTFT，Time to First Token）的影响

TTFT 为 prefill 的延迟，属于计算稠密的 compute bound 任务，在高并发下，对通讯要求更少的 PP 更能吃满计算性能。

双卡下首字延迟中位数

（4）不同并行配置对每 Token 延迟（TPOT，Time per Output Token）的影响

在 decoding 阶段为 IO 稠密的 memory bound 任务，流水线并行对单个推理的延迟没有提升，反而增加了卡间通讯的开支，而 TP 把每层的 KV Cache 和模型权重的读取都均分到了每张卡上，减少平均 IO 降低了延迟。

双卡下每 token 延迟

四卡下每 token 延迟

三、结论

在只有 PCIe 互联的多卡设备上：

• 如果模型能在单卡内放下，推荐直接每张卡单独部署模型进行数据并行（DP，Data Parallel）来获得最大吞吐。
• 如果比较在意吞吐量，更推荐使用流水线并行（PP）
• 如果更在意单个请求的生成速度，更推荐使用张量并行（TP）

完整数据和脚本已放在：Concyclics/vllm_bench: Benchmark vllm with different parallel settings。

https://github.com/Concyclics/vllm_bench

四、如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“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，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，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。

一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

01.大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K（数据来源：BOSS直聘报告）

70%企业存在"能用模型不会调优"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

02.大模型 AI 学习和面试资料

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】