基于存算一体的大语言模型推理装置、推理系统及电子设备

本实用新型公开一种基于存算一体的大语言模型推理装置、推理系统及电子设备，推理装置包括：至少用于存储的存储层；至少用于计算的计算层，计算层通过混合键合的方式与存储层堆叠设置；计算层包括基于存算一体的神经网络加速器，神经网络加速器包括存内计算矩阵，存内计算矩阵用于将输入特征数据和来自存储层的权重进行神经网络计算；计算层还用于与控制推理装置的主控芯片电连接，计算层还用于进行大语言模型推理的预填充处理且将预填充处理后的数据传输至主控芯片进行大语言模型推理的解码处理，以使得预填充处理和解码处理分离。本发明提供的推理装置支持高带宽，其算力大，功耗低，还能解决现存的LLM推理装置的散热问题。