回答三问：全场景机器人要不要装 8 张 B200、540 GB 共享预计算 KV cache 从哪来、agent 与 agentic AI 和 harness 有何区别。

拆解 SK 海力士 H³：菊花链整合 HBM 与高带宽闪存，延迟隐藏缓冲藏住 20μs，每瓦吞吐最高 2.69 倍。

从 NVIDIA Vera 到 IBM 双指令集主机，从 775 微米 HBM 极限到 d-Matrix 3D-DRAM，全景拆解第 38 届 Hot Chips。

从请求级调度的 padding 浪费讲起，拆解 Orca 的迭代级调度与选择性批处理，理解连续批处理如何成为推理服务的地基。

逐条回应人形机器人五大质疑：环境适配、双足与轮式之争、手指与夹爪之辩、「宇树是玩具厂商吗」与商业化真相。

拆解北大 HG-PIPE：混合粒度流水线消除气泡、LUT 算子替代 DSP，FPGA 上比 V100 快 2.81 倍的 ViT 加速器

拆解 TEAM：延迟缓存、投机探索与受限激活三策略协同，MoE 扩散模型最高 2.2 倍推理加速。

同族模型间的 KV 缓存近似线性相关，闭式岭回归映射让小模型算好的 KV 直接喂给大模型，跳过 Prefill。

拆解 FreeToken 的 q* 带宽自适应策略、语义感知缓存与弹性显存管理，边缘设备如何跑起前沿 MoE 模型。

从范数补课到条件数几何直觉，完整推导高斯消元、主元策略与 LU 分解，理解为什么工程上从不显式求逆。

从惊讶程度到比特：完整推导熵、交叉熵、KL 散度与困惑度，并落到量化评估、投机解码与温度采样的具体用法上。

寄存器分块让每线程算 64 个结果，向量化访存与 Warp Tiling 把 GEMM 推到 cuBLAS 的 93.7%。