GPU 使用率從 15% 拉到 90%：該修的是資料管線，不是模型

最佳化多模態訓練吞吐量最難的部分，從來不是 kernel 最佳化，而是如何讓 GPU 不餓肚子。這正是 Tarun Sunkaraneni 在這場 16 分鐘演講中的核心主張。他以一套基於 Qwen3-VL 的多模態監督式微調（supervised fine-tuning）流程，逐步示範一場工程演練：不動模型，只修資料路徑，就把 GPU 使用率從 15% 的基準拉到約 90%。標題的定調相當準確：整集幾乎都在談資料管線，開場那句提到的「vision tokens」與「GIL」只是輔助細節，並非獨立主題。 Sunkaraneni 的方法是一套受控的消融階梯（ablation ladder）。他先建