9.2 · 主流优化方法#

这一组你会懂什么

• 推理优化并非单一方法通用，而是每种方法各自针对一类瓶颈，理解它优化哪一环，即理解它为何有效；
• 五节分别展开一种主流方法（连续批处理、PagedAttention、FlashAttention、前缀缓存、并行），外加量化 / 投机解码 / MoE 的深入入口；
• 面对任何一个旨在提升推理速度或降低成本的新方案，能迅速定位它优化的是什么、代价在何处。