拆解 ICML 2025 的 MMInference：以模态感知置换、Grid 稀疏模式与定制 GPU Kernel 加速长视频视觉语言模型的 prefill，属于推理加速（推理侧）方向。

从 Hopper 的 TMA、WGMMA 和 FP8 出发，拆解 FlashAttention-3 如何用 warp specialization、GEMM-Softmax 流水与低误差量化提升精确注意力吞吐。