拆解大模型推理“速度与成本”难题！AMD、华为、腾讯、红帽与 vLLM 核心团队齐聚 GOSIM vLLM Workshop

2026 年过去大半年，大模型推理的竞争已变成“Token 工厂”的效率竞赛。

年初大家还在聊“怎么把模型跑起来”，现在问的是“每块 GPU 每天能产出多少 Token”、“KV Cache 命中率能不能稳住 90%”。在不久前的 WAIC 2026 上，国产算力的评价坐标也从 FLOPS 切换成了 TPM、TTFT、TPS 和 Tokens/Watt——“每元、每瓦能产出多少有效 Token”，成了新的硬通货。

于是，当模型推理从“能跑起来”进入“拼每瓦 Token 产出”的深水区，谁能把推理系统的效率榨到极致，谁就掌握了 Agent 时代的算力底座——而vLLM，依然是这场竞赛的核心引擎之一。

为此，10 月 17 日下午，GOSIM Shenzhen 2026 将带来一场由 vLLM 社区出品、聚焦大模型推理的 vLLM Workshop。这一次，我们不只聊 vLLM 怎么用，更希望把 vLLM 社区的开发者、贡献者、企业用户和推理从业者聚到一起，围绕大规模推理的真实问题展开交流。

如果你正在做和推理相关的事，这场 vLLM Workshop 或许就有你需要的东西。

汇聚一线实践者，集中拆解推理优化路径

对于大模型开发者来说，vLLM 并不是一个陌生的名字。

从 PagedAttention、Continuous Batching，到分布式推理和各种硬件平台适配，vLLM 长期活跃在大模型推理基础设施的第一线。它早已从一个高性能大模型推理引擎，变成构建推理服务时的重要开源基础设施之一。

而当越来越多企业把大模型真正部署到生产环境，尤其是在 Agent 开始大规模进入生产环境之后，vLLM 所面对的问题开始从“如何提升单个模型的推理速度”，逐渐扩展到更加复杂的系统工程。

毕竟，当规模真正上来之后，问题很快会变得复杂起来：

● GPU 利用率为什么上不去？

● 吞吐和延迟到底该怎么平衡？

● 不同模型、不同负载应该如何调度？

● 不同硬件平台如何发挥各自的性能？

● 面对越来越复杂的 Agent 工作负载，传统的单点优化还够不够？

本次 vLLM Workshop，正是从这些真实的工程问题出发，邀请了来自AMD、红帽、华为、腾讯混元、Tensorfer、Inferact 等团队的一线技术实践者以及 vLLM 核心团队。

届时，他们将从多个层面拆解大模型推理系统的优化路径：既有基于 vLLM 的生产级推理服务实践，也有面向分布式推理的技术探索；既会讨论 Attention 与 FFN 分离等前沿架构，也会深入也会深入网络 I/O、分布式调度、GPU 软件平台以及全栈性能优化等——从推理框架、系统架构到软硬件协同，共同探讨如何进一步提升大模型推理效率。

10月17日，与vLLM 社区在深圳相聚！

开源社区的生命力，从来不只是代码本身。真正让一个项目持续成长的，是贡献者、使用者、企业和开发者之间不断发生的交流——vLLM 的发展同样如此。

然而，许多问题仅靠线上 Issue、文档和代码讨论很难一次讲透；而线下 Workshop 的价值，恰恰在于把真正做这件事情的人聚到了一起：你可以听到一线工程师踩过的坑，可以直接和社区贡献者讨论技术方案，还可以了解最新的推理基础设施进展。

这，或许才是开源社区最有价值的“连接”。

因此，无论你是 vLLM 的使用者、开发者、贡献者，还是正在关注大模型推理基础设施的企业团队，都欢迎来到现场——带着你的问题来，也把你的实践带进社区；一起聊技术、碰方案、找伙伴，把更多真实的问题带回社区，也把更多开源实践推向生产。

10 月 17 日下午，GOSIM Shenzhen 2026 vLLM Workshop，深圳见。

如果你正在做大模型推理、Agent 基础设施，或者正准备进入 vLLM 这个生态，又或者希望了解 Token 工厂正在发生什么，以及下一代推理系统究竟该怎么建——那么，这场vLLM Workshop 值得留出一个下午。

早鸟倒计时开启｜9 月 17 日截止，限时抢占优惠席位

150+ 全球顶尖讲师｜2000+ 行业开发者齐聚

6 大前沿技术赛道｜7 场沉浸式实操工坊

4 场硬核编程黑客松｜1 场全球开源项目路演同期重磅

Rust 技术大会，一站式解锁开源 AI 全生态干货

两天时间，直面全球顶级技术创造者，看懂 AI 与开源的未来趋势，链接优质技术人脉与产业资源，抓住下一代技术变革机遇。

活动时间：2026.10.16–10.17

活动地点：深圳·南山伊敦酒店

立即购票锁定早鸟优惠

https://www.bagevent.com/event/gosimshenzhen2026