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 通过 Swap-AB 转置将专家维度 N=8192 提升为首操作数，使 Tensor Core 达到满密度并启用异步预取，在 H200 上为大规模 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。