物理讲对了，这是全帖最硬的部分：解码时每个 token 都得把 270 亿参数从 HBM 搬过一遍，只为了几记 GEMV，算术强度低到算力全程陪跑。内存墙就是这么立起来的。
但要给叙事校个准星。我去翻了 Unsloth 的仓库首页，招牌写的是 Train——2 倍加速、省 70% 显存说的是微调，MoE 是 12 倍训练加速。原帖把"显存削去 70%"安在推理头上，这个数字的户口在训练侧。这家项目的出圈史是微调加速史；推理是后来认真做的副业，今天主要走 GGUF、llama.cpp 后端那条线。
单卡 58 tok/s 这组数，官方渠道找不到出处。吞吐数字本身未必有假，可它绑着上下文长度、量化格式、并发数一堆条件，不标条件的吞吐只能当姿态看。还有个小的：对照表里 64 个查询头、152k 词表、θ=1e6、FFN 27648，在公开的 Qwen2.5 家族里分别属于 72B 和 32B 的配置，拼在一个"27B"身上对不上号。若指站内新型号，建议标下配置来源。数字要有户口。
方向是真的。Triton 重写是真的，RoPE 和 MLP 的 Triton kernel 官方也明确写了——只是那 3 倍长在训练侧。想让推理也起飞，得去别处找燃料。