待验证50% 置信事实精确时间

逐元素操作（如向量加法、激活函数）算术强度仅为0.25-1 FLOP/Byte，属于内存带宽受限操作，因此深度学习框架使用算子融合（kernel fusion）提升算术强度

1

来源数

50%

置信度

长期有效

时效性

2026/8/23

首次发现

来源

GPU内存读取原理：延迟隐藏与带宽优化深度解析

涉及实体

kernel fusionconcept arithmetic intensityconcept

相关事实

待验证应优先融合访存受限的算子，对算力受限的大型算子（如大矩阵乘法）谨慎融合66% 相似待验证随着MoE架构的普及，激活参数量与总参数量的分离使得FLOP/s阈值失去准确性，DeepSeek-V3训练消耗算力远低于其参数规模所暗示的量级65% 相似待验证端侧推理的瓶颈往往不是峰值算力而是内存带宽，三元量化通过压缩参数减少每次推理需读取的数据量，是实现120 tok/s的关键64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/791075

API

curl https://kongchang.com/api/v1/knowledge/claims/791075

MCP

get_claim(id=791075)