EXL 如何设计可持续的 AI 服务框架（serving harness）

Designing an AI serving harness built to last

EXL 提出企业 AI 的竞争优势正从选模型转向围绕模型构建的服务框架（serving harness），即架构、内存管理、调度与推理优化的工程系统。其主张先按工作负载确定约束再定架构，并先测量再优化，例如 KV cache 随并发与上下文长度增长会先耗尽 GPU 显存，此时加算力只会让低效系统更贵。框架还应便于吸收新模型与新硬件，使换模型成为评估与配置决策而非架构重建。