EXL 谈如何设计可持续演进的 AI 服务框架

EXL 提出企业 AI 的竞争优势正从选模型转向围绕模型构建的服务框架（serving harness），即架构、内存管理、调度与推理优化的工程系统。其建议先按工作负载确定约束再定架构，以 KV cache 随并发与上下文增长导致的 GPU 显存瓶颈为例，强调先测量再优化、只针对影响最大的约束施加量化或投机解码等手段。框架还应便于吸收未来模型与硬件变化，使换模型成为评估与配置决策而非架构重建。