NVIDIA 讲解在 DGX Spark 上加速 MoE 推理的三种方法

NVIDIA 开发者博客讲解在 NVIDIA DGX Spark 上提升 MoE 模型推理速度的三种方法。以 Inclusion AI 的 Ling-3.0-flash 在 batch-size-1 下的评测为例，profiling 显示解码受内存带宽限制，读取模型权重主导执行时间，其中 MoE 计算和输出层投影两个操作最为突出。