1.3 推理延迟：线上响应慢

痛点：​ 线上 API 平均响应延迟 > 200ms，影响用户体验。 方案：​ 全面落地 FlashAttention-2、KV Cache 量化（INT8/INT4）、投机解码（Speculative Decoding）；推理节点下沉至边缘 IDC，缩短 RTT。