#Autoscaling (1)

Dynamo：推理引擎之上的数据中心级编排层，KV 感知路由、分层 KVBM 与 SLA 驱动的 Planner

NVIDIA 开源（Apache-2.0）的编排层，Rust 写性能路径、Python 留扩展面。明确不替代 SGLang/TensorRT-LLM/vLLM，而是把它们接成协同的多节点系统：分离式 prefill/decode、KV 感知路由（Qwen3-Coder 480B 上 TTFT 快 2 倍）、KVBM 把 KV cache 卸载到 CPU/SSD/远端、ModelExpress 走 NVLink 流式传权重让冷启动快 7 倍、Planner 按 SLA 自动扩缩（阿里生产环境违约少 80% 且 TCO 低 5%）、Grove 做 NVL72 拓扑感知调度。