技术行业聚焦大语言模型生产环境部署，需构建专门平台和流程
技术行业近来对大语言模型(LLM)的关注正开始转向生产环境的大规模部署，将 AI 模型接入现有基础设施以优化系统性能，包括降低延迟、提高吞吐量，以及加强日志记录、监控和安全性等。然而这一路径既复杂又耗时，往往需要构建专门的平台和流程。
在部署 AI 模型的过程中，研发团队通常需要执行以下步骤：
环境搭建与配置：首先需要准备和调试运行环境，这包括但不限于 CUDA、、 等依赖项的安装与配置。这一步骤往往较为复杂，需要细致地调整各个组件以确保兼容性和性能。
模型优化与封装：接下来进行模型的打包和优化，以提高推理效率。这通常涉及到使用 软件开发套件或 -LLM 库等专业工具来优化模型，并根据性能测试结果和经验来调整推理引擎的配置参数。这一过程需要深入的 AI 领域知识，并且工具的使用具有一定的学习成本。
模型部署：最后，将优化后的模型部署到生产环境中。对于非容器化环境，资源的准备和管理也是一个需要精心策划的环节。
为了简化上述流程并降低技术门槛，火山引擎云原生团队推出基于 VKE 的 NIM 微服务最佳实践。通过结合 NIM 一站式模型服务能力，以及火山引擎容器服务 VKE 在成本节约和极简运维等方面的优势，这套开箱即用的技术方案将帮助企业更加快捷和高效地部署 AI 模型。
AI 微服务化：
NIM 是一套经过优化的企业级生成式 AI 微服务，它包括推理引擎，通过 API 接口对外提供服务，帮助企业和个人开发者更简单地开发和部署 AI 驱动的应用程序。
NIM 使用行业标准 API，支持跨多个领域的 AI 用例，包括 LLM、视觉语言模型(VLM)，以及用于语音、图像、视频、3D、药物研发、医学成像等的模型。同时，它基于 ™ 、 ™、 -LLM 和 构建，可以在加速基础设施上提供最优的延迟和吞吐量。
为了进一步降低复杂度，NIM 将模型和运行环境做了解耦，以容器镜像的形式为每个模型或模型系列打包。其在 内的部署形态如下：
NIM on
火山引擎容器服务 VKE( )通过深度融合新一代云原生技术，提供以容器为核心的高性能 容器集群管理服务，可以为 NIM 提供稳定可靠高性能的运行环境，实现模型使用和运行的强强联合。
同时，模型服务的发布和运行也离不开发布管理、网络访问、观测等能力，VKE 深度整合了火山引擎高性能计算(ECS/裸金属)、网络(VPC/EIP/CLB)、存储(EBS/TOS/NAS)、弹性容器实例(VCI)等服务，并与镜像仓库、持续交付、托管 、日志服务、微服务引擎等云产品横向打通，可以实现 NIM 服务构建、部署、发布、监控等全链路流程，帮助企业更灵活、更敏捷地构建和扩展基于自身数据的定制化大型语言模型(LLMs)，打造真正的企业级智能化、自动化基础设施。
on VKE 部署流程
下面，我们将介绍 NIM on VKE 的部署流程，助力开发者快速部署和访问 AI 模型。
准备工作
部署 NIM 前，需要做好如下准备：
1. VKE 集群中已安装 csi-nas / -agent / vci-- / cr-- 组件
2. 在 VKE 集群中使用相适配的 VCI GPU 实例规格，具体软硬件支持情况可以查看硬件要求
3. 创建 NAS 实例，作为存储类，用于模型文件的存储
4. 创建 CR(镜像仓库) 实例，用于托管 NIM 镜像
5. 开通 VMP(托管 )服务
6.向 官方获取 NIM 相关镜像的拉取权限(下述以 -8b-:1.0.0 为例)，并生成 API Key
部署
1.在国内运行 NIM 官方镜像时，为了避免网络访问影响镜像拉取速度，可以提前拉取相应 NIM 镜像并上传到火山引擎镜像仓库 CR，操作步骤如下：
2. the code , go to the Helm Chart of the code, and push Helm Chart to (Helm > 3.7):
下载代码到本地，进入到代码的 helm chart 目录中，把 helm chart 推送到镜像仓库(helm 版本大于 3.7)：
3.在 vke 的应用中心的 helm 应用中选择创建 helm 应用，并选择对应 chart，集群信息，并点击 .yaml 的编辑按钮进入编辑页
4.覆盖 内容为如下值来根据火山引擎环境调整参数配置，提升部署性能，点击确定完成参数改动，再继续在部署页点击确定完成部署
5.若 Pod 日志出现如下内容或者 Pod 状态变成 Ready，说明服务已经准备好：
6.在 VKE 控制台获取 LB 地址( 名称为-nim-llm)
7.访问 NIM 服务
The is as :
会有如下输出：
监控
NIM 在 上提供了丰富的观测指标，详情可参考
在 VKE 中，可通过如下方法搭建 NIM 监控：
1.参考文档搭建 ：
2.进入 中，在 菜单中选择 ：
3.观测面板效果如下：
结语
相比构建大模型镜像，基于 VKE 使用 NIM 部署和访问模型有如下优点：
●易用性：NIM 提供了预先构建好的模型容器镜像，用户无需从头开始构建和配置环境，配合 VKE 与 CR 的应用部署能力，极大简化了部署过程
●性能优化：NIM 的容器镜像是经过优化的，可以在 GPU 上高效运行，充分利用 VCI 的硬件性能
●模型选择：NIM 官方提供了多种大语言模型，用户可以根据需求选择合适的模型，部署在 VKE 中仅需对.yaml 配置做修改即可
●自动更新：通过 NGC，NIM 可以自动下载和更新模型，用户无需手动管理模型版本
●可观测性：NIM 内置了丰富的观测指标，配合 VKE 与 VMP 观测能力开箱即用
目前火山引擎容器服务 VKE 已开放个人用户使用，为个人和企业用户提供高性能、高可靠、极致弹性的企业级容器管理能力，结合 NIM 强大易用的模型部署服务，进一步帮助开发者快速部署 AI 模型，并提供高性能、开箱即用的模型 API 服务。(作者：唐明)
