我已经在NPU上成功以全精度运行了一个大模型的推理任务（1.3B，有KV cache，但是cache的尺寸是固定的），目前的推理速度不是很理想（0.7s一个token）。但是我的代码层面感觉已经没有多少优化的空间了，接下来的优化角度可能就是在静态图，编译，量化，推理引擎这些非代码的角度进行优化了，想知道一般有什么优化思路呀