🧠 LLM 原理与推理优化
LLM 服务容量估算
LLM 原理与推理优化专题：用 1 个核心问题讲清原理、取舍与落地。
一句话定位
从 Transformer 到微调、量化和在线推理容量。 回答时沿着“数学机制 → 计算/显存代价 → 对 Agent 的影响”展开。
核心原理与问题解析
如何估算模型服务显存？
粗略分为权重、KV Cache、激活/工作区和运行时开销。权重由参数量×位宽估算，KV Cache 随层数、KV 头维度、序列长度、批量与并发增长，最终还要实测框架碎片和峰值。
继续想： 70B FP16 权重大约多少？；为什么并发一高就 OOM？
工程落地检查
- 先画清输入、输出和张量/状态的变化
- 区分训练、Prefill 与 Decode
- 同时比较质量、吞吐、延迟和显存
- 用目标硬件与真实任务压测
- 模型、Tokenizer 和推理参数共同版本化
常见误区
- 只背名词，不解释为什么影响系统
- 把理论复杂度直接等同实际速度
- 只看模型榜单，不测业务任务