从浏览器到服务器：推理栈全景

01全景图铺开

先把整条流水线摊在一张图上。上道是你熟悉的浏览器道（第 3 课起你一直在跑的那条），下道是服务器道的样子——两条道的每一站你都在这门课里亲手拆过。图里的站点可以点：点一下，看这一站在干什么、出自哪节课，顺手就能跳回去回访。

02prefill 与 decode

服务器道比浏览器道多出的那站「prefill」，值得单独说。你的 prompt 交给模型，第一件事不是生成，而是把整段并行吃进去一遍——几百个 token 的 K、V 一次算齐存进 cache（第 22 课的笔记在这里派上用场），这一步叫 prefill，决定「等多久看到第一个字」。之后每个输出 token 走 decode 循环：只算新 token 那一列、查笔记、采样、吐字——一步一价，决定「每个字多贵」。

03成本计算器

两张疼法可以算成数字。实验台给你两根滑杆（prompt 长度、输出长度），用本站模型的真实参数量按「每 token 约 2×参数量次浮点运算」的教学口径现场算：prefill 一条线、decode 一条线——拖一拖就能看到「长 prompt 短回答」和「短 prompt 长回答」谁先疼。口径与假设都在台面上标着，单价这类会过时的数字一概不写。

04浏览器这台机器

最后回头看你一直用的这台「家庭小灶」：它的权重 fp16 常驻你的浏览器内存，每一步前向全量重算（没有 cache，第 22 课你亲手测过），采样四旋钮全开（第 21 课）——慢吗？对 14M 的模型，毫秒级，而且你的输入从不出设备（页脚那句话的完整版）。中央厨房强在规模与吞吐，小灶强在隐私与零成本——这条边界，你现在能自己画了。

毕业前最后一件事在 playground：把课程里学过的旋钮全部拧一遍，这次拧在云端大模型身上——同一套采样参数，大模型也一样守规矩。

05毕业地图

实验台最下面挂着一张 24 站地铁图——全部点亮，哪站想再逛就点哪站。从第 1 课「文字怎么变成数字」到这一课「推理栈怎么搭」，一条线串完了。它更像一张项链：每颗珠子都是你亲手摸过的零件，第 24 颗稍大，是收口的那颗。