vLLM 推出实验性 AFD 插件，将 MoE 注意力与 FFN 服务拆分
AccBalanced · x · 2026-07-25
- vLLM 新增了一个实验性的 AFD Plugin，由 Ascend & vLLM、StepFunai、AntGroup、FastAFD 等团队参与。
- 它做的是 Attention-FFN Disaggregation：把 MoE 推理里的 attention 路径和 expert/FFN 路径拆成不同服务，从而可以分别扩容。
- 这意味着仍然沿用 vLLM 的服务接口，不需要 fork 出一套新栈。
- 帖子还提到它同时面向 NVIDIA GPU 和 Ascend NPU。
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
- 影子算力市场走向台前,Meta 对外出售过剩 GPU 算力成标志性信号 — DavidLinthicum · 2026-09-11
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 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