vLLM 推出实验插件，将注意力与 FFN 服务解耦
vllm_project · x · 2026-07-24
vLLM 发布了一个实验性的 AFD 插件，面向 MoE 推理服务引入 Attention-FFN 解耦。
- 注意力层和专家/FFN 层的负载模式不同，插件把它们拆成独立服务，便于分别扩缩容。
- 对外仍保持同一套 vLLM serving 接口，不需要分叉出另一套代码库。
- 目标硬件覆盖 NVIDIA GPU 和 昇腾 NPU。
配图给出了整体架构：入口层、Attention Role、AFD Connector、FFN Role 以及相应的 runtime helpers，说明它是一个围绕 MoE serving 的服务栈改造。
所属事件:vLLM 发布实验性 AFD 插件提升 MoE 推理性能(3 条相关)→
「Infra」频道最新
- Galaxy S26 纯端侧跑 MiniMax H3：7 分钟生成 5 秒带音频视频 — BidFunny4862 · 2026-10-27
- Unconventional AI 收购 NeuReality,冲刺算力效率提升 1000 倍 — NaveenGRao · 2026-10-27
- 马斯克断言:机器人 RAM 需求将超其他一切,超级智能算力将移向深空 — elonmusk · 2026-10-27
- RTX 5090 卖到 7000 美元，PC 游戏社区集体否认 AI 热潮 — PAstynome · 2026-10-27
- Wan2GP 上架 Pinokio：6GB 显存一键跑 AI 视频生成 — cocktailpeanut · 2026-10-27
- AWS 详解 Agent 提示缓存：显式+隐式双模式省下重复 token 账单 — AWS ML Blog · 2026-10-27