NVIDIA 博客分享 DGX Spark 上 MoE 推理优化方法

2026 年 10 月 27 日，NVIDIA Developer Blog 发布文章，介绍在 NVIDIA DGX Spark 上提升 MoE 推理性能的三种方法。文章称，在 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。文章由此提出，提升 token 生成速度首先要找出限制推理性能的因素。目前该事件仅有这一篇一手报道，尚无跟进报道或独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。