Unverified50% confidenceFactExact time
LLM 推理请求分为 Prefill（输入）和 Decode（输出）两个阶段，Prefill 可并行读取吞吐极高，Decode 需逐字串行推理占用 GPU 时间显著更长
1
Sources
50%
Confidence
Long-term
Relevance
9/2/2026
First Seen
Sources
Related Entities
Related Claims
Unverified在硬件层面，Prefill（输入）阶段可以并行读取所有Token并同时计算自注意力矩阵，而Decode（输出）阶段因自回归机制需逐字串行推理，导致GPU利用率骤降77% similarVerified大语言模型推理分预填充和解码两阶段：预填充是计算密集型对GPU算力敏感，解码是内存带宽受限任务77% similarUnverifiedPrefill阶段是计算密集型操作，Decode阶段是显存带宽密集型操作77% similarUnverifiedDecode阶段属于访存密集型操作，整体吞吐受制于显存带宽而非算力74% similarUnverified输出Token定价高于输入Token是因为Prefill阶段可并行矩阵运算而Decode阶段必须串行自回归解码，Decode阶段GPU吞吐量约为Prefill阶段的1/6到1/1073% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/842836API
curl https://kongchang.com/api/v1/knowledge/claims/842836MCP
get_claim(id=842836)