如何设计一套可持续演进的 AI 服务框架

EXL 提出企业 AI 的竞争优势正从模型能力转向模型周边的服务框架（serving harness），即架构、内存管理、调度与推理优化的工程系统。文章主张先按业务负载确定约束再选架构，并以 KV cache 随并发与上下文增长导致 GPU 显存瓶颈为例，强调先测量再优化。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。