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...

华为今年开奖真的贻笑大方了，本来就是一直在泡池子，泡出来一坨shi，蚌埠住了随便一个大厂开的都比华为多的多，华为真的太让人失望了！华为总包，按15薪算，另外还有一个月加班费，但第一年只有半年肯定拿不满。看了一圈，今年好像都这样，硕士14级都开不到，开个侮辱价，真不知道为什么还要去华子了，完全没有必要已经是华黑子了！

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...