投机解码通过“草稿—验证”机制加速大模型推理：小模型快速生成候选token，大模型并行验证，保证输出分布与原模型一致。瓶颈在显存带宽而非算力，接受率约70%—80%时可达2—3倍加速。Medusa、Eagle、Prompt Lookup等变体无需独立草稿模型。该技术适合长输出、低并发场景，高批量服务可能降低吞吐。