待验证70% 置信事实精确时间
LLM 推理在 decode 阶段通常是内存带宽受限而非计算受限，因为逐 token 生成需加载整个模型权重但算术强度极低
2
来源数
70%
置信度
长期有效
时效性
2026/9/10
首次发现
来源
涉及实体
相关事实
已验证LLM 推理分为预填充阶段（Prefill，计算密集型）和解码阶段（Decode，内存带宽密集型）两个阶段80% 相似待验证LLM自回归解码阶段受内存带宽瓶颈限制，每生成一个token需完整遍历被激活的模型权重78% 相似待验证LLM推理成本主要由预填充（Prefill）阶段处理输入Token和解码（Decode）阶段生成输出Token两部分构成，代码理解场景中预填充占绝大部分开销76% 相似待验证LLM自回归解码阶段每生成一个token都需从显存加载全量模型权重，批量较小时形成内存墙76% 相似已验证大模型推理阶段是memory-bound（内存带宽受限），每生成一个Token需从显存读取整个模型权重，计算强度极低73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/890066API
curl https://kongchang.com/api/v1/knowledge/claims/890066MCP
get_claim(id=890066)