🧠 图解记忆： PagedAttention 不直接加速算子，它用更少浪费换更多并发，再把 GPU 喂得更满。

💡 答案要点

核心原因：解决显存碎片化问题

• 传统方案若按最大长度预留连续 KV Cache，会产生预留浪费和碎片
• PagedAttention：逻辑块映射到可非连续物理块，按需分配
• 同等显存下通常能容纳更多有效 KV 数据和并发序列

分页块管理：减少碎片与过度预留
+ 连续批处理：完成的序列退出，新请求动态加入
= 提升可承载并发和吞吐；幅度由负载与实现决定

面试话术：

"就像内存管理从固定分区变成分页。固定分区会产生内存碎片，分页管理按需分配，内存利用率大幅提升。PagedAttention 正是这个思想在 GPU 显存管理上的应用。"