Amazon SageMaker AI 上的 MoE 内核工程优化

针对 MoE 模型在解码阶段因 M 维过小导致 Hopper GPU 利用率低的问题，AWS 提出 Swap-AB 优化，将专家输出维度 N 提升为首操作数，在 H200 上实现 2–4% 端到端吞吐提升，该优化已合入 vLLM 0.24.0 及更高版本。