Cursor 最近公布了一项名为 warp decode 的 MoE 推理优化方案。在 Blackwell GPU 的小批量自回归解码场景中，他们将计算组织方式从"围绕专家"改为"围绕输出"，在 B200 上实现了 1.84 倍的吞吐提升。

同时，去掉中间激活量化后，输出与 FP32 参考值的接近程度提升了 1.4 倍。性能和精度同时改善，在 kernel 优化领域并不多见。