最近在帮一家做智能客服的创业公司做技术咨询，他们想把通义千问Qwen-72B部署到线上，但用腾讯云T4实例测试时频繁OOM（内存溢出），响应延迟动辄十几秒。这其实是典型的大模型部署资源配置失衡问题——不是硬件不够强，而是没用对方法。 为什么T4服务器容易“跑不动”大模型？ 很多用户以为只要GPU显存够大就能跑模型，但现实往往更复杂。我们复盘了他们在腾讯云上的部署过程，发现问题出在三个关键环节： 显