Amazon SageMaker AI 上的 Mixture-of-Experts 内核工程优化

针对 NVIDIA Hopper 上 MoE 解码阶段 batch 过小导致 WGMMA 利用率低的问题，Swap-AB 将专家输出维度（N=8192）提升为首操作数，在 H200 上为大 型 MoE 模型带来 2–4% 端到端输出吞吐提升，该优化已合入 vLLM 0.24.0 及更高版本。