本文系统阐述大模型使用硬件调优的路径：以混合精度与量化、算子融合提升计算效率；用梯度检查点、KV缓存分页与3D并行优化显存与带宽；依托拓扑感知通信与计算重叠提高集群扩展性；通过编译器图优化与自动并行提升内核与运行时表现；在推理侧以低比特量化、动态批处理与能效度量实现低延迟与低成本；最终以监控与合规治理确保优化可持续落地。核心观点是以瓶颈定位为起点，构建“模型—系统—硬件”协同的闭环，持续度量与迭代，才能在多芯片异构环境下稳定释放算力价值。