**从图形工程到 AI 推理：GPU 优化经验的迁移**

_A Graphics Engineer's Guide to AI Performance_

> 本文探讨了游戏和 AR/VR 中的 GPU 优化直觉如何应用于大语言模型（LLM）推理。作者指出，尽管术语从着色器转变为 CUDA 内核和 KV 缓存，但核心技能——理解硬件、识别瓶颈及减少内存流量——依然通用。文章通过对 Qwen3 模型在 RTX 3090 上的测试，提供了关于权重量化、Flash Attention 和投机解码等技术的实战优化指南。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：tip
- **发布时间**：2026-10-15 22:03（北京时间）
- **原文**：[打开原文](https://cqegbert.substack.com/p/from-shader-optimization-to-llm-inference)