27届大模型面试准备（十九）：模型量化全攻略——INT8/INT4、GPTQ、AWQ、SmoothQuant 与 KV Cache 量化上一篇《LoRA 与 PEFT 全攻略》讲的是"怎么用最少的可训练参数把模型调好"，属于训练侧省显存。这一篇转到部署侧的省显存主线——量化（Quantization）。它和第十五篇《高效推理全攻略》是一对：那篇讲的是"调度和算子怎么快"，这篇讲的是"数字表示怎么小"。量化几乎是所有推理面试的必问题，因为它同时牵扯数值分析、硬件指令集和工程权衡三层。本文按"为什么要量化 → 量化的数学 → PTQ 三大流派（GPTQ / AWQ / SmoothQuant）→ QAT → KV Cache 量化 → 落地选