Khawaja Shams 演讲讲解大规模 LLM 推理服务中的 KV cache 原理与优化

Momento 联合创始人 Khawaja Shams 在演讲中讲解 LLM 推理的 prefill 与 decode 两阶段及 KV cache 的工作机制，并用 4B 参数模型在 AWS G6 实例上做实验：12 路并发时 p99 首 token 延迟为 2.6 秒，14 路时因显存溢出飙升至 38.9 秒，加 16GB 本地 DRAM 后回落至约 3.5 秒。