面向 Qwen 系列模型线性注意力的高性能优化实践

本文整理自阿里巴巴Qwen团队工程师在AICon 2026深圳站的技术分享，针对大模型长序列下线性注意力原实现并行度不足、访存冗余、SFU负载过高等痛点，推出FlashQLA高性能GPU算子库，实现最高3倍性能提升，现已开源并成为FLA官方后端。