推理路由为何催生稀疏注意力
auto_grad_ · x · 2026-07-15
转发内容讨论了 ML 推理中的 routing（路由）问题：
- 如果只做负载均衡，请求会被分散到不同节点，但由于模型依赖 KV cache，同一批 token 可能被重复 prefill，代价很高。
- 如果只做 cache-aware routing，请求又会过度集中到少数节点，导致系统失去均衡性。
- 作者认为，这种在 负载均衡 与 缓存命中 之间的两难，是各种 稀疏注意力 方案（如 SWA、NSA、DSA 等）出现的重要原因。
核心观点是：推理系统里的路由约束并不只是调度问题，它直接影响模型结构和注意力设计的演化。
「Infra」频道最新
- Anthropic 营收三年暴涨 4000 倍,上半年已入账 163 亿美元 — daniel_mac8 · 2026-10-27
- Tenstorrent 芯片跑通蛋白质生成模型,宣称无 HBM 短缺之忧 — gajesh · 2026-10-27
- YC 系创企 Hopper 出击语音推理：TTFT 80ms、价格为 GPT-4.1 的 15% — ycombinator · 2026-10-27
- a16z 数据:A100 租赁价格 2026 年仍在涨,旧卡并未贬值 — VraserX · 2026-10-27
- Anthropic S-1 曝超 8000 亿美元未入表的未来算力承诺 — GaryMarcus · 2026-10-27
- Anthropic 约 11GW 算力合同中 NVIDIA GPU 占约 42% — ns123abc · 2026-10-27