显存里的隐形巨兽：KV Cache 优化技术全景拆解

为什么 100 万 token 上下文的推理常常"显存先于算力告急"？从 MQA/GQA 的注意力头共享，到 DeepSeek MLA 的潜空间压缩，再到 PagedAttention 的分页管理与 KIVI 的低比特量化，本文按四条技术路线拆解 KV Cache 这一长上下文时代最硬的瓶颈。