已验证80% 置信事实精确时间
大语言模型推理分预填充和解码两阶段：预填充是计算密集型对GPU算力敏感，解码是内存带宽受限任务
7
来源数
80%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
AMD Ryzen AI Halo实测：x86架构能否撼动英伟达DGX Spark？
bilibili量子菠萝_2026/7/7
相关事实
待验证大语言模型推理的解码阶段GPU利用率远低于预填充阶段的矩阵并行计算，因为解码是逐步自回归生成79% 相似待验证LLM 推理请求分为 Prefill（输入）和 Decode（输出）两个阶段，Prefill 可并行读取吞吐极高，Decode 需逐字串行推理占用 GPU 时间显著更长77% 相似待验证大语言模型的推理过程分为预填充（Prefill）和解码（Decode）两个阶段，注意力机制的计算复杂度为O(n²)77% 相似待验证在硬件层面，Prefill（输入）阶段可以并行读取所有Token并同时计算自注意力矩阵，而Decode（输出）阶段因自回归机制需逐字串行推理，导致GPU利用率骤降76% 相似已验证大语言模型的推理过程本质上是内存带宽受限（memory-bandwidth bound）的任务，每生成一个Token都需要将模型的全部权重从存储中读取一遍75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/488915API
curl https://kongchang.com/api/v1/knowledge/claims/488915MCP
get_claim(id=488915)