土法炼钢 · 系统与基础设施

【大模型基础设施工程】14：量化工程 —— INT8 / FP8 / FP4 / AWQ / GPTQ 怎么选

2026-04-22 | architecture · ai-infra | #llm #infra #quantization #fp8 #fp4 #mxfp4 #int8 #int4 #awq #gptq #smoothquant #kv-cache #vllm #tensorrt-llm

decode 受显存带宽限制，量化把权重从 BF16 压到 FP8 或 INT4 就能直接换来显存和延迟收益。本文讲清 FP8/FP4/MX 数据类型、GPTQ/AWQ/SmoothQuant/旋转法各自解决什么问题、KV Cache 量化的收益边界，给出按硬件选位宽的规则和 AutoAWQ + vLLM、TensorRT-LLM FP8 的落地命令。