完整提示词 / Prompt
目标：制作一张制作精良的纵向教育信息图，标题为 {argument name="headline text" default="AI 基础设施"}，副标题为 {argument name="subtitle text" default="现代 AI 系统的工作原理"}，深入解析从数据流水线、GPU 训练集群到推理服务、批处理及 KV Cache 的现代 AI 基础设施。
画布：纵向海报，4:5 比例，深蓝色未来感数据中心风格。背景采用发光的蓝/紫色网络栅格，配以山脉、服务器机架、GPU 芯片插图、霓虹电路轨迹、纤细的圆角面板、白色与青色字体，以及橙色的小型编号徽标。整体外观应呈现出高端技术说明海报的质感，内容密集但易于阅读。
布局：左上方为大标题，下方为小标题和标语，右上方为装饰性的服务器机架和 GPU 芯片。将内容划分为 8 个带编号的主板块，右侧设置“关键概念”栏，底部为流程页脚。使用精确的面板边框、小图标、箭头、图表、表格和微标签。
板块及所需内容：
1. 数据流水线：展示 5 个由箭头连接的流水线阶段：原始数据源、摄取与清洗、标注/整理、分词/分块、分片与存储。原始数据源包含 5 个要点：网页、文档、代码、图像、日志。摄取与清洗包含 3 个要点：过滤、去重、归一化。标注/整理包含 3 个要点：质量检查、人工/启发式、数据集组装。分词/分块包含 3 个要点：转换为 Token、分块为文档、添加特殊 Token。分片与存储包含 3 个要点：拆分为分片、均衡分区、针对并行读取优化。添加说明文字，指出数据经过清洗、去重、整理、分词并存储为分片，以便多个工作节点高效读取。
2. 存储与编排层：包含 3 张纵向卡片：对象存储（配云到数据库图标，标注“S3 / GCS / Azure Blob 或本地对象存储”）；元数据/实验追踪（配仪表盘图标，要点：“运行与指标”、“超参数”、“血缘与工件”）；监控与日志（配图表/放大镜图标，要点：“指标与警报”、“日志聚合”、“追踪与调试”）。添加页脚说明：控制层负责协调计算任务、追踪实验、存储检查点并监控利用率、故障及成本。
3. 训练集群架构：中央大型架构图，标题为“训练集群架构”。展示 4 个 GPU/加速器节点框，呈 2x2 网格排列，通过发光的高速网络链路连接，标注为“高速网络 InfiniBand / RoCE”。每个节点包含 CPU 主机（多核）、RAM、GPU（如 8x H100）及 NVMe 本地 SSD。节点间添加虚线连接。下方包含 3 个小型面板：节点内部、数据并行、分布式训练并行（图例）。节点内部应显示 CPU 通过 PCIe/NVLink/NVSwitch 线连接至多个 GPU。分布式训练并行图例应显示 4 个阶段，分别标注为阶段 1、阶段 2、阶段 3、阶段 4。
4. 训练步骤：创建从左到右的训练流程，包含 6 个阶段：输入 Token、前向传播、损失计算、反向传播、梯度、优化器更新。包含检查点图标堆栈、“模型精度”框（提及 FP32、FP16/BF16、FP8）以及“优化器状态”框。展示梯度累积箭头，并添加说明：在训练过程中，模型预测输出、计算损失、反向传播梯度并更新权重，此过程重复数十亿次。
5. 推理服务流水线：创建紧凑的服务流程图，顶部包含 6 个阶段：用户请求、API 网关、分词器、调度器/路由器、模型服务器（GPU）、流式输出。面板内包含动态批处理（3 行请求）、模型服务器框（展示预填充与解码循环）、GPU 内存中的 KV Cache、可选适配器，以及连接 3 个模型副本的负载均衡器（标注为模型副本 1、模型副本 2、模型副本 N）。
6. 运维、可靠性与安全性：包含 6 张运维卡片，配图标：自动扩缩容、遥测/可观测性、限流与配额、安全过滤器/护栏、版本控制/回滚、成本监控。添加说明：生产级 AI 系统需要强大的运维工具以保持可靠、安全且具备成本效益。
7. 训练与推理对比：添加对比表，包含 6 行：目标、主要瓶颈、内存重点、典型指标、扩展模式、弹性需求。两列分别标注为“训练”和“推理（服务）”。训练应描述从数据中学习模型权重、分布式计算与数据移动带宽、激活值/梯度/优化器状态、每秒 Token 数或收敛速度、大批量长任务、检查点/容错。推理应描述为用户生成有用响应、延迟与吞吐量、模型权重加 KV Cache、延迟与每秒 Token 数、大量短请求、高可用性/优雅降级。
8. 右侧“关键概念”栏：创建高大的右侧边栏，标题为“关键概念”，包含 5 张带字母的卡片：A. 批大小 (Batch Size)，B. 序列长度/上下文窗口，C. KV Cache，D. 吞吐量与延迟，E. 参数/权重/激活值。卡片 A 应定义批大小并展示小批量与大批量的对比（Token/人员图标）。卡片 B 应展示提示词 Token 和长上下文（标注为 T1, T2, T3, T4, …, Tn 的 Token 块）。卡片 C 应展示提示词 Token 输入紫色的圆柱形 KV Cache，随后新 Token 从缓存中读取。卡片 D 应展示 2 个仪表盘：吞吐量和延迟。卡片 E 应展示权重和激活值（蓝色与紫色网格，通过乘法连接）。在侧边栏底部添加“预填充与解码”小贴士，解释预填充处理完整提示词，而解码利用 KV Cache 逐个生成 Token。
页脚：添加底部导航条，序列为“数据 → 训练 → 推理 → 价值”，左侧配小型圆形火箭/指南针图标，并附上结束语：{argument name="footer quote" default="以数据、算力和卓越的工程能力驱动智能系统。"}
视觉风格：密集型企业技术信息图，清晰的矢量与半 3D 图标，发光的青色轮廓，微妙的渐变，体积光，小型原理图，微型图表，以及搭配现代无衬线标签的简洁衬线标题字体。配色方案应为 {argument name="color palette" default="深海军蓝、电光蓝、青色、紫罗兰色、白色及少量琥珀色点缀"}。
约束：使用 8 个带编号的主板块、5 张关键概念卡片、4 个 GPU 节点、6 个训练步骤阶段、6 个推理阶段、6 个运维卡片以及 6 行训练与推理对比表。所有可见文字保持英文，避免水印，避免品牌 Logo，并在密集布局中保持高可读性。
