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
- 劝退帖:推理工程是真金白银的硬活,八成尝鲜者已悄然放弃 — abhijithneil · 2026-09-11
- Hugging Face《Ultra Scale Playbook》:GPU 集群训练 LLM 的免费技术书 — mdancho84 · 2026-09-11
- 从聊天到 Agent,推理延迟正在成为生产级瓶颈 — Euphoric_Sea632 · 2026-09-11
- 推理服务关键指标盘点:流式速度 TPOT 与可用性如何影响体验 — abhijithneil · 2026-09-11
- PlanetScale 推出分片 Postgres,768 台服务器组成 1PB 单库 — dhruv2038 · 2026-09-11
- 7900 XTX 24GB 能否跑 Qwen，Reddit 征集 ROCm 实测数据 — thenomadexplorerlife · 2026-09-11