我希望目标优化到40tok/s，目前只有27tok/s，还有什么优化手段吗 docker run -dit --name=dcm38 --network=host --privileged --shm-size 60g -v /opt/hyhal:/opt/hyhal:ro --device=/dev/kfd --device=/dev/dri --device=/dev/mkfd --group-add video --cap-add=SYS\_PTRACE --security-opt seccomp=unconfined -u root -v /home/user/dcm/models:/models -e HIP\_VISIBLE\_DEVICES=0,1 harbor.sourcefind.cn:5443/dcu/admin/base/custom:vllm0.18.1-ubuntu22.04-dtk26.04-py3.10-20260810-qwen3.8 bash vllm serve /models/Qwen3.8-27B --host 0.0.0.0 -tp 2 --max-model-len 33792 --max-num-seq 16 --gpu-memory-utilization 0.95 --block-size 16 --speculative-config.method mtp --speculative-config.num\_speculative\_tokens 3 绑定NUMA