Amazon SageMaker AI 上的 MoE 内核工程优化实践

针对 MoE 模型在 decode 阶段因 M 维过小导致的 GPU 利用率瓶颈，团队通过 Swap-AB 转置让专家维度 N=8192 占据 WGMMA 首个操作数位置，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 及更高版本。