2026 版本地 LLM 推理引擎指南免费开放，覆盖笔记本到集群
blaizedsouza · x · 2026-09-07
Ahmad Osman 发布的《Inference Engines for LLMs & Local AI Hardware (2026 Edition)》现可免费在线阅读，被称为本地跑 LLM 的「圣经」。
核心观点：不要先选推理引擎，而应先确定硬件策略、工作负载形态和服务模型，引擎是随之而来的结果。
内容覆盖：
- 硬件场景：笔记本/边缘/奇葩硬件、Mac 优先工作流、单张 RTX、2-4+ 张 NVIDIA/CUDA GPU、生产级 serving、长上下文/MoE/路由、NVIDIA 极限性能、集群编排
- 软件栈：llama.cpp、MLX/MLX-LM、ExLlamaV2/V3、vLLM、SGLang、TensorRT-LLM、NVIDIA Dynamo
作者建议读者现在就读或先收藏。
「Infra」频道最新
- DeepSpeed 发布 AutoEP/AutoTP 等并行化进展并办线上答疑 — PyTorch · 2026-10-27
- Cloudflare Durable Objects 被验证为 AI agent 高并发场景优选架构 — tristanbob · 2026-10-27
- Gary Marcus:补上 Q3 数据后，Anthropic 算力效率增速现拐点 — GaryMarcus · 2026-10-27
- 推理社区与 K8s 社区高度重合：万亿市场的 Kubernetes 翻版 — matt_slotnick · 2026-10-27
- vLLM 考虑将更多栈迁往 Rust，推理引擎 Rust 化成趋势 — AccBalanced · 2026-10-27
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27