vLLM & AI 推理核心概念全景解析

从 GPU 架构到生产部署,从 Prefill/Decode 到 AI Agent,系统梳理 160+ 个 AI/LLM 推理领域核心概念

编制日期: 2026-05-15 共 8 个模块 | 160+ 概念

LLM 推理基础

Prefill / Decode 阶段、KV Cache、Attention 机制(MHA / MQA / GQA)

基础概念

vLLM 核心创新

PagedAttention、Continuous Batching、Chunked Prefill、Prefix Caching、Speculative Decoding

核心创新

vLLM API 模型类型

Generation / Pooling / Frontend Task、Embedding / Rerank / Classification / Reward Model

API 体系

分布式推理与部署

TP / PP / DP / EP、Disaggregated Serving、量化 (AWQ/GPTQ)、FlashAttention、采样策略

分布式

生态项目

LMCache 多级 KV 卸载、SGLang RadixAttention、推理网关、K8s 部署、LoRA / QLoRA

生态

AI 通用概念

Transformer 架构深度解析、RoPE 位置编码、MoE、SSM/Mamba、Tokenization、推理引擎对比

通用

高级 AI(上)

训练范式 (Pretrain / RLHF / DPO)、评估指标、GPU 架构 (H100/H200)、RAG 检索增强生成

高级

高级 AI(下)

AI Agent / Function Calling、多模态 (VLM)、模型压缩、生产部署最佳实践

高级

AI 推理概念全景关系图

graph TB
    subgraph GPU["GPU 硬件层"]
        GPUArch[GPU 架构
CUDA/Tensor Core] HBM[HBM 显存层次] Quant[量化
FP8/INT4/AWQ] end subgraph Model["模型层"] Trans[Transformer] PE[位置编码
RoPE/ALiBi] Attn[Attention 机制
MHA/GQA/MQA] Act[激活函数
SwiGLU/GELU] Norm[归一化
RMSNorm/LayerNorm] MoE[MoE 混合专家] Mamba[SSM / Mamba] Tokenizer[Tokenization
BPE/SentencePiece] end subgraph Infra["推理引擎层"] PA[PagedAttention] KV[KV Cache 管理] Prefill[Prefill 阶段] Decode[Decode 阶段] CB[Continuous Batching] CP[Chunked Prefill] PC[Prefix Caching] SD[Speculative Decoding] FlashAttn[FlashAttention] end subgraph Dist["分布式层"] TP[TP 张量并行] PP[PP 流水线并行] EP[EP 专家并行] DS[Disaggregated Serving] end subgraph Serving["服务层"] GenT[Generation Task] PoolT[Pooling Task] Embed[Embedding Model] Rerank[Rerank Model] Reward[Reward Model] LMCache[LMCache] SGLang[SGLang] Gateway[推理网关] LoRA[LoRA / QLoRA] K8s[K8s 部署] end subgraph App["应用层"] RAG[RAG 检索增强] Agent[AI Agent] MCP[MCP 协议] RLHF[RLHF / DPO] Eval[评估指标
MMLU/HumanEval] Multi[多模态 VLM] end GPU --> Model Model --> Infra Infra --> Dist Dist --> Serving Serving --> App Trans --> Attn Trans --> PE Trans --> Act Trans --> Norm Attn --> Mamba MoE --> EP PA --> KV PA --> PC KV --> Prefill KV --> Decode CB --> CP CB --> SD Embed --> RAG Rerank --> RAG Reward --> RLHF Embed --> Agent LMCache --> KV SGLang --> PC LoRA --> Reward