首先声明不搞infra的不用看，我现在看底层了，本篇内容基于Efficient Memory Management for Large Language Model Serving with PagedAttention》 (SOSP 2023)出处： 加州大学伯克利分校（UC Berkeley）这篇里面讲了vllm，那么我们就先讲vllm。LLM 模型在推理阶段的显存有三部份组成：模型权重、KVCache 显存占用以及激活值显存占用。而今天我们是速成教程，所以又要体现深度，那么就先讲KVCache，这个本质上是一种通用的思路就是减少k，v的计算，采用缓存的机制去减少中间值，而这个的问题是kv...

又又又进了小作坊，Boss上问会不会cloud，简历项目是用的微服务。他说可以去面试，到了之后妈的。在一个小区里 不给刷电梯爬了10楼，也不能说不给刷吧 我打电话说到门口了 电梯好像不能座，人家说直接上来上来就行 敲门说面试的就可以。我上你** ok这我忍了。一推门工作环境 几张桌子几个板凳员工自己带电脑。几个人在干活，这电话销售都没这么烂的环境吧。ok面试 八股啥也别说了 一点没问这个女的想让技术经理面我，但是不叼她她就硬着头皮问我，问项目主要怎么写的，我说完 她来了一句你干了什么。后面就是乱七八糟的 她看我简历可以看到什么关键字了就问一下。后面问前端 捅了前端的窝了，被拷打vue了。我答不出来，她说先休息会 我就看员工敲代码。她可能等技术经理面我，但一直不理她。突然技术经理说了一句方言，她开始面我了。把刚才问的又问了一遍，质疑我的学校。无语了。最后说好了走吧就到这吧。没有反问环节 我也不想问了 想立马走。无语了，小作坊

昨天线上面的技术面，今天早上喊我去线下hr面，怎么下午就说有人接offer了谁把我offer抢走

我们是阿里云Serverless应用团队，国内唯一连续两年获评Forrester FaaS全球领导者象限的厂商，产品力全球第一。团队负责函数计算、Serverless应用引擎、智能体AgentRun、模型服务 FunModel、图像生成 FunArt等核心产品，支撑百万QPS高德出行等头部客户及无数中小企业。我们相信在新的 AI 时代，Serverless 和 AI 能力的结合，是 AI 应用落地千行百业的关键。我们正致力于构建从底层技术设施到上层应用管理的每一层技术栈，更好的支持 AI 应用，包括让 GPU 算力利用率更高，更加弹性；让大语言模型应用更简单的与现实世界互动等等。团队正在寻找充...