EXL 解读如何设计可持续的 AI 服务框架（serving harness）

EXL 研究人员提出，企业 AI 的竞争优势正从模型能力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。文章建议先按业务负载确定约束再选架构，并以 KV cache 随并发和上下文增长导致 GPU 显存不足为例，强调先测量再优化、只针对影响最大的瓶颈。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。