Amazon SageMaker AI 上的 MoE 内核工程优化实践

针对 MoE 模型在解码阶段因 token 行数过薄导致 Hopper GPU 利用率低的问题，AWS 提出 Swap-AB 优化，将专家维度 N=8192 提升为首操作数，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 及以上版本。