性能优化判断手册

本手册按性能现象选择测量对象和下一步动作，不替代 Task0–6 的连续学习。

统一判断链：

现象 → 阶段 → 对象 → 证据 → 策略代价 → 复测与决策

现象	优先检查	可能方向	不能直接推出的结论
step time 变长	forward、backward、optimizer、数据加载	profiler、数据管道、算子或调度	不能只凭一个慢 kernel 定位原因
峰值显存升高	参数、Activation、缓存、workspace、临时张量	checkpoint、offload、量化、分页和并发控制	显存下降不等于端到端更快
GPU 利用率低	CPU 等待、I/O、同步、通信和 kernel 空洞	overlap、数据管道、batch 和调度	利用率低不一定是算力不足
吞吐提高但延迟变差	batch、队列、P99、TTFT / TPOT	并发策略、服务调度和容量控制	平均吞吐不能代表交互质量
多卡扩展不理想	collective、拓扑、通信占比和负载均衡	TP、PP、DP、EP、通信重叠	GPU 数量增加不保证线性加速

最终结论必须包含：固定条件、baseline、candidate、指标变化、质量门槛、证据等级和适用范围。