云与算力基础
呼应"算力直达"：GPU 云、推理部署与 API 的取舍——自托管 vs API 怎么算账。
Ollama 本地快速跑模型：安装、拉取与 API 接入指南
Ollama 一行命令本地运行大模型，支持 macOS/Linux/Windows，兼容 OpenAI API，适合开发测试与私有化原型验证。
模型量化怎么选：GGUF、AWQ、GPTQ 对比与选型指南
大模型量化三大方案 GGUF/AWQ/GPTQ 原理对比、精度损失、显存收益与推理框架适配，帮你选对量化方案少走弯路。
Serverless 推理方案对比：按请求付费，零运维跑大模型
Serverless 大模型推理方案横评：Replicate、Modal、RunPod Serverless、together.ai 冷启动/延迟/价格对比与适用场景分析。
TGI（Text Generation Inference）部署指南：Hugging Face 推理服务器
Hugging Face TGI 部署开源模型推理服务，Docker 快速启动、Flash Attention、连续批处理与 OpenAI API 兼容配置详解。
推理吞吐与并发优化：让你的 GPU 不再空转
系统讲解推理吞吐的核心指标、瓶颈定位与并发优化手段，涵盖 TPS、TTFT、框架调优与硬件选型取舍。
vLLM 部署高并发推理：PagedAttention 原理与生产实战
vLLM PagedAttention 机制、安装部署、OpenAI 兼容 API、高并发调优参数与常见坑，快速上生产级推理服务。
自建推理成本测算：GPU 云、硬件与 API 的真实账单对比
给出自建推理服务的完整成本模型，涵盖 GPU 云租赁、自购硬件、人力运维与 API 调用的定量对比框架。
端侧与本地部署：什么场景值得把模型跑在设备上
梳理端侧/本地大模型部署的适用场景、硬件门槛、主流框架与核心取舍，帮你判断是否真的需要离线推理能力。
微调自托管 vs 用 API：怎么在两条路中做正确选择
系统对比微调自托管与直接调用 API 的适用场景、成本结构、风险与决策框架，帮开发者在两条路中选对方向。
推理 GPU 选型：RTX 4090、A100、H100 怎么选
大模型推理 GPU 选型横评：消费卡 RTX 4090 vs 专业卡 A100/H100，从显存、带宽、ECC、多卡互联维度给出选型决策框架。
API + 自托管混合推理方案：灵活性与成本的最优解
讲解如何设计 API 与自托管混合的推理架构，涵盖流量分流策略、模型分级路由、故障切换与成本控制实践。
KV Cache 与显存占用：推理加速背后的显存杀手
深入解析 KV Cache 的工作原理、显存计算方法与 PagedAttention 优化，帮你在高并发场景控制显存消耗。
LMDeploy 部署大模型推理：TurboMind 引擎与量化实战
LMDeploy TurboMind 引擎部署 Qwen/InternLM 推理，支持 W4A16 量化与连续批处理，附 OpenAI API 服务器启动配置。
批量推理与 Continuous Batching：吞吐提升的核心原理
对比静态批处理与 Continuous Batching 的工作机制与性能差距，讲清迭代级调度如何让 GPU 利用率翻倍。
云 GPU 平台盘点：国内外主流算力租用选项对比
国内外主流云 GPU 平台横评：阿里云、腾讯云、AutoDL、Vast.ai 等，从显卡型号、计费方式、网络访问与适用场景给出选型建议。
跑大模型要多少显存？显存估算公式与选卡指南
用近似公式讲清大模型推理显存需求：权重占用、KV Cache、量化降显存，附不同参数量与精度下的显存对照表和消费卡 vs 专业卡对比。
自托管大模型 vs 调用 API：怎么算账才不踩坑
从成本、运维、合规、弹性四个维度对比自托管与 API 两条路径，按调用量给出清晰的决策分界线，避免选错路走弯路。
大模型算力基础：GPU 云、推理部署与 API 取舍完全指南
系统梳理大模型推理 vs 训练算力差异、自托管 vs API 决策逻辑、显存选型与主流部署框架，帮你在成本与灵活性间找到最优路径。
静态站如何低成本上云
对象存储 + CDN 与服务器托管静态站的几种低成本上云方式。
常见问题
自己部署大模型还是用 API？
低频/小规模用 API 更省心；高频、强数据合规或需深度定制时自托管更划算，可按月调用量与硬件摊销实算。
跑大模型要多少显存？
约等于参数量×每参数字节（FP16 约 2 字节）再加 KV cache 与开销；量化到 4bit 可大幅降低显存占用。
vLLM 和 Ollama 怎么选？
vLLM 适合高并发生产推理，Ollama 适合本地快速试跑；按吞吐与易用性取舍。
在纠结自建还是用 API？
力达云聚合 API 内测开放中：一个 key 调多家模型、按量计费、稳定接入。