摘要： 1. 引言：内存而非算力构成主要瓶颈 上篇讨论了量化的数值表示与算子融合，其中提到量化收益的主要来源是访存量下降。这一结论指向一个更基础的问题：在给定的内存预算下，一个计算图应当如何被组织成可执行的算子序列。 端侧设备的存储层次与数据中心差异显著：典型配置为数百 KB 至数 MB 的片上 SRAM 阅读全文