待验证50% 置信事实精确时间

预填充阶段属于计算密集型操作主要受 GPU 算力限制，解码阶段属于内存带宽密集型操作主要受显存带宽限制

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

Ornith 35B对比Qwen 27B实测：本地部署性能全面评测

涉及实体

预填充concept 解码concept

相关事实

待验证传统自回归解码的瓶颈在内存带宽而非计算能力，GPU算力利用率较低78% 相似待验证LLM推理的Prefill阶段为计算密集型且GPU利用率接近100%，Decode阶段为内存带宽密集型，瓶颈在于HBM显存带宽76% 相似待验证对于现代CPU和GPU而言，内存带宽往往是推理速度的真正瓶颈，而非计算单元的算力本身，因此量化能带来速度提升76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/914951

API

curl https://kongchang.com/api/v1/knowledge/claims/914951

MCP

get_claim(id=914951)