Amazon SageMaker AI 上的 MoE kernel 工程实践

在 Amazon SageMaker AI 上，通过将 MoE 矩阵乘法在 PTX 层前调换为 Swap-AB，使专家维度 N=8192 落到首个操作数位置以满足 Hopper WGMMA 对 M=64 的要求，H200 上大规模 MoE 模型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。