EXL 如何设计可持续的 AI 服务框架

EXL 提出企业 AI 的竞争重心正从选模型转向模型周边的服务框架，涵盖架构、内存管理、调度与推理优化。其指出应从工作负载而非模型出发，按延迟、并发、内存压力和 GPU 利用率等约束决定架构，并先测量再优化，避免堆叠量化、投机解码等技术。框架还需支持后续模型与硬件更换，使模型切换成为评估配置而非架构重建。