Amazon SageMaker AI 上的 MoE 内核工程优化实践

AWS 在 Amazon SageMaker AI 上针对融合 MoE 模型实现多项内核优化：通过 Swap-AB 转置矩阵乘法以匹配 NVIDIA Hopper 的 WGMMA 指令布局，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。