在 NVIDIA DGX Spark 上提升 MoE 推理性能的 3 种方法

在 NVIDIA DGX Spark 上对 Inclusion AI 的 Ling-3.0-flash 做 batch-size-1 评测时，性能分析显示解码受内存带宽限制，读取模型权重主导了执行时间。其中 MoE 计算与输出层投影两项操作尤为突出。