KV Cache 是大语言模型、Transformer、文本生成、推理加速和大模型部署中非常重要的一个术语。KV 是 Key-Value 的缩写，Cache 表示缓存，因此 KV Cache 可以理解为“键值缓存”。它用来描述一种在大语言模型生成文本时，把已经计算过的 Key 和 Value 保存下来、后续生成时直接复用的机制。换句话说，KV Cache 是在回答：模型为什么能更快地一个 token 一个 token 生成文本。
在 GPT 这类自回归模型中，文本不是一次性全部生成出来的，而是每次生成一个 token。每生成一个新 token，模型都需要根据已有上下文计算注意力。如果每一步都重新计算所有历史 token 的注意力表示，计算量会非常大。KV Cache 的作用，就是把历史 token 的 Key 和 Value 缓存起来，避免重复计算。
因此，KV Cache 常用于大语言模型推理、对话生成、长文本生成、流式输出、本地部署和推理服务优化中，是理解大模型推理性能的重要基础概念。
一、基本概念：什么是 KV Cache
KV Cache 是 Transformer 自注意力机制中的一种缓存技术。
在注意力机制中，每个 token 通常会被映射成三类向量：Query、Key、Value。
它们常简写为 Q、K、V，其中：
• Q 表示当前 token 发出的查询
• K 表示各 token 可被匹配的键
• V 表示各 token 携带的信息内容
注意力机制可以简化表示为：
其中：
• Q 表示查询矩阵
• K 表示键矩阵
• V 表示值矩阵
• d_k 表示 Key 向量维度
• softmax 用于把相似度转换为注意力权重
在自回归生成中，历史 token 的 K 和 V 一旦计算出来，在后续步骤中通常不会改变。于是可以把它们保存起来。这就是 KV Cache。
从通俗角度看：KV Cache 就像模型的“上下文计算笔记”。前面已经读过的内容，不必每次都重新读一遍，而是把关键结果保存下来，后面继续生成时直接查用。
二、为什么需要 KV Cache
大语言模型生成文本时，通常是逐 token 生成。
例如：人工智能 → 正在 → 改变 → 世界。
当模型生成“改变”时，需要参考前面的“人工智能 正在”。
当模型继续生成“世界”时，又需要参考“人工智能 正在 改变”。
如果没有 KV Cache，每一步都要重新计算所有历史 token 的 K 和 V。生成越长，重复计算越多。
可以简单理解为：
• 无 KV Cache：每生成一步，都重新计算全部上下文
• 有 KV Cache：历史 K、V 复用，只计算新 token
图 1：无缓存与有 KV Cache 对比
从通俗角度看：没有 KV Cache，模型像每写一个字都重新通读全文。有了 KV Cache，模型像保留了阅读笔记，每次只处理新加入的内容。
这能明显提升生成速度，尤其是在长文本、长对话和流式输出场景中。
三、KV Cache 如何工作
KV Cache 的基本工作流程可以分为两部分。
图 2：KV Cache 生成步骤解析
1、首轮输入：建立缓存
用户输入提示词后，模型会一次性处理这些 token。
例如：
请解释什么是机器学习
模型会为每一层、每个注意力头计算对应的 K 和 V，并把它们保存到缓存中。
可以简单表示为：输入 token → 计算 K、V → 写入 KV Cache。
2、逐步生成：复用缓存
当模型生成新 token 时，只需要计算这个新 token 的 Q、K、V。
然后：
• 新 token 的 Q 会和缓存中的历史 K 做注意力匹配
• 注意力权重会作用在缓存中的历史 V 上
• 新 token 的 K、V 会追加到 KV Cache 中
可以概括为：新 token → 计算新 K、V → 读取历史 K、V → 生成下一个 token → 更新缓存。
从通俗角度看：KV Cache 不是保存最终答案，而是保存注意力机制已经计算好的历史上下文信息。
四、没有 KV Cache 与有 KV Cache 的区别
1、没有 KV Cache
假设已经生成了 1000 个 token，要生成第 1001 个 token。
如果没有 KV Cache，模型需要重新处理前面 1000 个 token，重新计算它们在各层中的 K 和 V。这会造成大量重复计算。
2、有 KV Cache
如果有 KV Cache，前面 1000 个 token 的 K 和 V 已经保存。
生成第 1001 个 token 时，只需要计算新 token 的 K 和 V，并与历史缓存交互。
因此，KV Cache 可以把重复计算显著减少。
可以概括为：
• 无缓存：重复算历史
• 有缓存：只算新增 token
3、速度与显存的交换
KV Cache 的本质是一种“用显存换速度”的技术。它减少了重复计算，但需要保存大量 K 和 V。因此，它会增加显存占用。
从工程角度看：KV Cache 提升生成速度，但会消耗更多显存。
这也是长上下文推理时显存压力很大的重要原因之一。
五、KV Cache 为什么会占显存
KV Cache 需要为每一层、每个注意力头、每个历史 token 保存 K 和 V。
图 3：KV Cache 与显存、上下文长度的关系
因此，它的大小与以下因素有关：
• batch size
• 上下文长度
• 模型层数
• 注意力头数量
• 每个头的维度
• 数据精度
可以简化理解为：
其中：
• B 表示 batch size
• L 表示上下文长度
• N 表示层数
• H 表示注意力头数
• D 表示每个头的维度
从通俗角度看：
• 上下文越长，要保存的历史 K、V 越多
• 并发越高，要为更多请求保存缓存
• 模型越大，每个 token 对应的缓存也越大
因此，长上下文和高并发服务常常会受到 KV Cache 显存占用限制。
六、KV Cache 与上下文窗口
上下文窗口越长，KV Cache 越重要，也越占显存。
例如，一个模型支持 8K、32K、128K 甚至更长上下文时，模型需要保存更多历史 token 的 K 和 V。
这带来两个影响。
1、长上下文生成更依赖缓存
如果没有 KV Cache，长文本生成会非常慢。
因为每一步都要重新计算大量历史 token。
2、长上下文占用更多显存
KV Cache 会随上下文长度增长而增长。
因此，长上下文模型虽然能处理更多内容，但部署时需要更大的显存预算。
从通俗角度看：上下文窗口像模型能同时参考的“阅读范围”。KV Cache 像为这段阅读范围保存的“计算笔记”。阅读范围越大，笔记也越厚。
七、KV Cache 与量化
KV Cache 也可以量化。
在大模型部署中，除了量化模型权重，也可以尝试量化 KV Cache。
例如：FP16 KV Cache → INT8 KV Cache。
这样可以减少显存占用。
不过，KV Cache 量化可能影响生成质量，尤其在长上下文和复杂推理中需要谨慎评估。
可以概括为：
• 权重量化：减少模型参数占用
• KV Cache 量化：减少生成过程中的上下文缓存占用
从实践角度看，KV Cache 优化是长上下文推理、高并发服务和本地部署中的重要方向。
八、KV Cache 的优势、局限与常见误解
1、KV Cache 的主要优势
KV Cache 最大的优势是加速自回归生成。
它可以：
• 减少重复计算
• 提高生成速度
• 支持流式输出
• 提升长文本生成效率
• 改善对话系统响应体验
从通俗角度看：KV Cache 让模型不用反复“重读历史”，所以生成更快。
2、KV Cache 的主要局限
KV Cache 也有明显局限。
首先，它会增加显存占用。
尤其在长上下文、高并发、多轮对话中，KV Cache 可能成为显存瓶颈。
其次，它主要适用于自回归生成。
对于一次性编码任务，KV Cache 的作用并不相同。
再次，KV Cache 不会提高模型本身的知识水平或推理能力。
它只是推理加速机制，不是训练方法，也不是模型能力增强方法。
3、常见误解
误解一：KV Cache 会让模型更聪明。
不对。它主要让模型生成更快，不会直接提高模型质量。
误解二：KV Cache 可以减少所有显存。
不对。它减少重复计算，但会额外保存 K、V，因此通常增加缓存显存。
误解三：上下文越长，速度一定越快。
不对。KV Cache 能避免重复计算，但长上下文仍会带来更大的注意力计算和缓存开销。
误解四：KV Cache 和模型参数是一回事。
不对。模型参数是训练得到的权重；KV Cache 是推理过程中根据当前上下文临时生成的缓存。
九、Python 示例
下面用简化示例帮助理解 KV Cache 的思想。
示例 1：用字典模拟缓存
这个例子表示：历史 token 的 K 和 V 被保存起来，后续可以复用。
示例 2：生成新 token 时追加缓存
生成新 token 后，它的 K 和 V 会追加到 KV Cache 中。
示例 3：复用历史 K、V
这个例子展示了：当前 token 的 Q 会与历史 K、V 交互，从而利用已有上下文。
示例 4：缓存长度随生成增长
随着生成继续，KV Cache 会不断增长。这说明：生成越长，缓存越大。
小结
KV Cache 是大语言模型推理中的键值缓存机制，用来保存历史 token 在注意力机制中的 Key 和 Value。它可以避免每一步生成时重复计算历史上下文，从而显著加快自回归生成速度。但 KV Cache 会占用额外显存，并且随着上下文长度和并发数量增加而增长。对初学者而言，可以把 KV Cache 理解为：模型生成文本时保存的“上下文计算笔记”。
“点赞有美意，赞赏是鼓励”
热门跟贴