GPU
计算所严肃玉团队新作： Attention 并非永远是瓶颈，多 GPU 并不必定更快
系统实验表明，模型推理分为计算受限的 Prefill 与内存受限的 Decode。
计算所严肃玉团队新作： Attention 并非永远是瓶颈，多 GPU 并不必定更快
系统实验表明，模型推理分为计算受限的 Prefill 与内存受限的 Decode。
瀚博经由过程UALink互联测试，GPU将周全兼容新一代超节点
2026年4月2日，ODCC春季全会期间UALink生态迎来重磅进展。在ODCC全体会议上，ODCC新测组组长、中国信通院正高级工程师郭亮与ODCC执行委员、阿
上海AI Lab胡侠：KV Cache紧缩之后，可让价格2万美金的GPU发挥出20万美金的价值 | GAIR 2025
胡侠团队将 Key 跟 Value Cache按照不同的压缩方法压缩，可以让模型不掉点。
计算所严肃玉团队新作： Attention 并非永远是瓶颈，多 GPU 并不必定更快
系统实验表明，模型推理分为计算受限的 Prefill 与内存受限的 Decode。
