AI Wiki · 16 条来源

Inference Serving

Inference serving covers latency, throughput, batching, KV cache, routing, quantization, and cost for running models in production。

一句话定义: Inference serving covers latency, throughput, batching, KV cache, routing, quantization, and cost for running models in production.

页面状态

  • 状态:source-backed
  • 来源数量:16
  • 更新方式:由 source-crawler 资料池生成,人工/LLM 综合写入 当前综合

这是什么

Inference Serving 是 AI Wiki 中的一个长期知识节点。它不是一次性新闻,而是持续汇集官方博客、工程实践、newsletter、benchmark 和人物观点的主题页。

当前综合

  • 这个主题已经有足够材料支撑第一版 wiki 页,适合继续把来源拆成概念、产品、人物和争议子页。
  • 当前页面的结论应优先来自一手来源和研究/评测来源;专家观点可用于解释趋势,但不应替代原始事实。

为什么值得关注

这个主题同时出现在 16 条资料中,说明它已经跨越单篇文章,成为一个需要持续跟踪的知识簇。关键词包括:inference serving、LLM serving、vLLM、SGLang、KV cache、batching、quantization。

近期信号

  • Heterogeneous inference serving across three GPU vendors with llm-d | l…:来自 llm-d.ai link target,约 11869 字符。
  • How to easily migrate LLM inference serving from vLLM to Friendli Conta…:来自 friendli.ai link target,约 5841 字符。
  • Grouped Query Attention (GQA) vs. Multi Head Attention (MHA): LLM Infer…:来自 friendli.ai link target,约 8539 字符。
  • Iteration Batching (a.k.a. Continuous Batching): Accelerate LLM Inferen…:来自 friendli.ai link target,约 4515 字符。
  • Why goodput matters more than throughput for LLM serving:来自 www.cncf.io link target,约 11858 字符。
  • Prefill-Decode Disaggregation for LLM Serving at Scale:来自 particula.tech link target,约 19249 字符。

关键问题

  • What is inference serving? It is the production system layer that turns a model into an available, fast, measurable service.
  • Why track it in AI Wiki? Serving determines product cost and responsiveness, and often explains why a better model is not the better product choice.

待追踪问题

  • 哪些来源是一手事实,哪些只是围绕 inference serving 的二次解读?
  • 这个主题的证据是否足以支撑对比页、指南页或 newsletter 选题?

来源覆盖

当前页面引用了 16 条资料,主要来自:friendli.ai link target 7 篇、Berkeley Sky ADRS 1 篇、Cohere Blog 1 篇、Together AI Blog 1 篇、aibrix.github.io link target 1 篇、llm-d.ai link target 1 篇、particula.tech link target 1 篇、pytorch.org link target 1 篇。

证据类型

类型 数量 阅读建议
一手来源 3 官方或研究机构来源,适合支撑模型发布、方法、产品和政策相关事实。
背景资料 13 可作为补充上下文,阅读时需要留意发布时间和来源权威性。

来源列表

一手来源