vLLM AFD 测试显示吞吐提升 11.3%，TTFT 降低 47%
vllm_project · x · 2026-07-24
这条回复进一步解释了为什么在 MoE serving 中要把 attention 和 FFN 拆开：attention 的容量受请求状态和 KV-cache 压力影响，expert/FFN 的容量则受 token routing 和负载影响，两者不一定适合共享同一拓扑。
帖子还给出了早期受控实验结果，基于 DeepSeek-V3.2 W8A8 与 昇腾 910C：
- 64A/16F 布局在 16K 时把每 die 解码吞吐提升 11.3%，在 32K 时提升 9.0%，对比的是 EP64 基线。
- CAM async prefill 在 12 req/s 下把中位 TTFT 从 15.1 秒降到 8.0 秒，约降低 47%。
作者也提醒了一个关键 caveat：解耦并不总能带来收益，attention 与 FFN 的比例很重要，48A16F 甚至低于基线。
所属事件:vLLM 推出实验性 AFD 插件提升 MoE 推理性能(2 条相关)→
「Infra」频道最新
- AMD 发布 ROCm HyperLoom，做端到端模型优化流水线 — AccBalanced · 2026-07-25
- AMD 称其数据中心更新覆盖 CPU、GPU 和 AI 基础设施 — AccBalanced · 2026-07-25
- Anthropic 用 Claude 拉起 AMD ROCm，MI300X 需求也在升温 — AccBalanced · 2026-07-25
- Google 说 AI 基础设施需求在涨，机器人和空间智能在拉动 — theworldlabs · 2026-07-25
- 微软推动 open-weight，核心更像 Azure 战略 — The Decoder · 2026-07-25
- 有人批评 NVIDIA 应让小实验室更容易买到 AI 硬件 — _xjdr · 2026-07-25