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 通过 Swap-AB 转置让专家维度 N=8192 进入首个操作数位置，在 H200 上实现端到端输出吞吐提升 2–4%，该优化已合入 vLLM 0.24.0 及更高版本。