本页说明“GPU 显存与推理负载”的处理顺序。先定位当前环境，再按步骤实施，最后以业务结果确认是否完成。
开始前
确认模型许可、精度、上下文长度和并发目标，记录驱动及推理框架兼容矩阵。
按这个顺序处理
先以小批量验证模型加载，再逐步增加上下文和并发；以实测显存峰值制定限额。
验证与恢复
目标负载下没有显存不足，首字延迟和生成速度满足需求且输出质量可接受。 恢复原批大小、并发或模型精度，保留可工作的驱动环境。
环境与操作范围
所有选型结论都应建立在相同业务数据与测试口径上。采购或调整前核对兼容性、容量余量和恢复成本，不把某个理论峰值当作业务性能保证。
