如何提高推理响应时间？

环境：
8张昆仑芯P800(96GB显存)
执行参数如下：
python -m fastdeploy.entrypoints.openai.api_server
--model /Work/deepseek32b
--port 8188
--metrics-port 8181
--engine-worker-queue-port 8182
--tensor-parallel-size 8
--max-model-len 16384
--max-num-seqs 64
--max-num-batched-tokens 16384
--kv-cache-ratio 0.8
--enable-chunked-prefill
--gpu-memory-utilization 0.85
--graph-optimization-config '{"use_cudagraph":true,"graph_opt_level":1}'
--reasoning-parser qwen3

性能详见附件，平均端到端响应速度需要143秒，这速度太慢了。
调整什么参数能提高响应速度。

性能分析报告.xlsx