摘要： 随着大模型应用深入，从长文档分析到多轮 Agent 交互，上下文长度的需求正呈爆发式增长。然而，有限的 GPU 和 HBM 显存资源已成为制约推理性能和扩展性的核心瓶颈。 如何在保证极致推理速度的同时，打破显存墙、降低 TCO 并支持无限延伸的上下文？ 3月7日，坐标上海，一场关于速度、规模与成本的 阅读全文