Amazon SageMaker AI 上的 MoE 内核工程

Amazon SageMaker AI 的 MoE 内核优化通过 Swap-AB 和 FP8 后端路由调整提升推理性能。Swap-AB 在 H200 上使端到端输出吞吐量提升 2–4 percent，已纳入 vLLM 0.24.0 及后续版本。对于 Hopper 上的 FP8 张量量化模型，Triton 后端持续优于默认的 FLASHINFER_CUTLASS 路径。