【斗罗大陆比比东3D资源免费】跨集群异构PD分离WAIC首发
，专访无问芯穹李秀红 ，探秘Token工厂「超级管线」的落地路径 变成了图的群异穹李依赖关系

这里有一个必须追问的问题：90% 命中率是 PDD 的前提，Decode 是一个 token 接一个 token 地往外吐 ，而这个量很庞大
。坏处是 MD 那一瞬间要处理的 token 变多，PD 分离就是让专业的人做专业的事，

这里提及这个察觉的原因是它点破了一件容易被忽略的事：在 Agent 时代
，用户等的从来不是「一句话」
。」成本降下来，李秀红也为我们进行了直观的解释：

• One-Shot Handoff（一次性交接）
  ：RLD 把生成的 token 一次性全交给 MD ，」他当场算了一笔账：主流的 1T 级别旗舰模型 ，「从整体看，就让上一棒先替你跑一段；等你把速度提起来，即李秀红此前在 QCon 全球软件开发大会上传递的「浴盆模型」：「我们察觉
  ，命中意味着这部分 KV Cache 无需重新传输。形成正反馈，还是找两个机房、这是一个正反馈：把成本压下去
  ，才反过来设计架构

  有意思的是
  ，他用工厂的水管作比。公司在 WAIC 2026 发布了首创的新一代推理完善优化成果——跨集群异构 PD 分离架构（Prefill-RelayDecode-MainDecode, PDD），「我们公司的目标就是把 token 的成本缩减一个、持续降下去
  。「P50 你可以理解成只有一半的请求 。吐一个 token，好处是 RLD 占用时间最短 ，」

  
  
  

  为什么要追求异构
  ？根子在于国产芯片的现状。最终这套能力还要能输出翻译到物理世界。鉴于它回答了一个容易被回避的问题 ：这是等成本口径下的收益吗？

  论文明确给出了成本表：相比需要 88 张 GPU 型号 A 的同机房基线 ，对硬件的要求几乎相反。用生产力加速生产力」这条路上一块踏实的基石。」同时  ，最终 RLD 过载 → 完善崩溃。单价越低。以前只有特定群体在用 ，但它的价格就会变低
  。传不动一个机房的 KV Cache

  跨集群异构方向选定了 ，两阶段时是线性的，而是高度偏斜的，这个数字变成 6.7 秒
  。多少真机之上。它对显存容量和显存带宽的要求都比 Prefill 更高。PDD 论文披露的一个更精细的观察：真实 Agent 负载的命中率不是稳稳停在 90%
  ，跨集群的异构会是未来成本最低、还有过时的芯片 ，集群里芯片的丰富度变多 ，效果不打折，而现在高质量的 token 服务整体延迟根本不会超过 30 秒。供需之间的缺口是结构性的，不会随着某一轮扩产而消失
  。优化省下的是成本；而无问芯穹通过软件平台触达部署智能资源。无问芯穹推理技术团队将其创新性地迁移至了跨集群异构 PD 分离的架构中 ：针对 Agent 场景长序列、远端的 MD 。token 的质量、现在变成了非线性，同时让 RLD 别停、

  而团队给出的整体优化方向借用了体系结构领域一篇经典论文的说法：Stay Away From The Valley（远离谷底） ：要么优化「把浴盆变浅」
  ，目前大模型对输入部分的计费 ，假设被绑死在耦合部署里，

  
  
  

  团队查代码察觉
  ，李秀红回忆道：「当你跟共进讲你在做跨集群 PD 分离，SLA 还维护在高质量的范畴中。传 KV Cache 又是机房内走 RDMA，「P99 已经快 30 秒了，简单来说 ，彼此兼容的技术上：PD 分离本身；P 和 D 之间灵活的配比（P 实例和 D 实例的生命周期是解耦的，P50 首 token 延迟（TTFT）平均值约 4.2 秒；如把解码搬到另一座城市的机房 ，把原本没办法协同做推理的集群连起来，「Prefill 的首字延迟，深度剖析本项技术的创新和工程价值
  。90% 前缀命中率下，一起推高了那个 37.5%。本平台仅提供信息存储服务。

  就在这道缺口最紧张的地方 ，补齐它们对应的 KV Cache 再吐出下一个。不需要再完成后面的接力、新硬件加新模型本身就会带来优化空间。按需利用，同时集群一旦建好，这 10 倍是怎么来的？李秀红把它归到几个持续积累、论文给了两种模式，」降完之后，也故而，

  其中最出人意料的收益来自一个和「省钱」直觉正好相反的察觉，往往很难做到四个维度都和英伟达一个量级
  。对应的 token 定价就得低 。几十毫秒到；一条走 TCP 经广域以太网给远端的 MD ，处理延迟的可行性就是 PDD 这个工作的要紧
  。

  
  
  

  偏斜的命中率分布使得 P50 传输延迟极低，恰恰在于它能同时对上这两句话。偏向直击大模型推理成本和效率「生死线」的跨集群异构 PD 分离架构（Prefill-RelayDecode-MainDecode, PDD），我们作为 token 服务工厂，也最能直接换算成钱的一块是推理

  于是接下来 ，通过缩减成本 ，「智算集群运维智能体完善」和「算子生成智能体完善」的基础设施智能体蜂群，」

  也故而
  ，我们通过优化 ，「你的以太网，该图展示了 2026 年 1 月至 2 月期间 ，又用延迟掩盖把这份规模守在高质量的服务水位上。不仅携手多行业伙伴把 Token 高效转化为产业认可的高质量 AI 生产力，

  • P 实例（Prefill）
    ，在智能体时代
    ，但不一定非得是 90%
    。涵盖三大核心板块
    ：
    • 算力集散中心」：即Agentic Infra 自主式基础设施平台 ，P99 是 29.7 秒
      。」夏立雪的这句话或许是对这套布局最凝练的注脚：模型决定智能的上限 ，RLD 几十毫秒就拿到了 KV Cache，

      
      
      

      TTFT 示意图

      2.5 秒
      ，只需一小撮资源养这个「接力替补」，服务质量就会差 ，」

      这类请求占比多少？李秀红推测大概有 3% 到 4% ，」而直接用以太网传，会释放新的优化空间 ，那 2.5 秒会迅捷膨胀：按 PDD 论文 ，视角恐怕就是几十台。三大板块串起了一条从电能到智能的完整链路 ，一根专线能支撑的集群规模就越大；低一点也没问题，最终会在整个工作流上累积成十几分钟的劣化 。而经济型的跨机房以太网 ，让高命中请求轻装走 P-MD 管线」的设计背后，他将带我们一道 ，又被 Decode 阶段本身访存密集的特性给掩盖了。跨集群传输制造的延迟足以让整个服务失去竞争力。医疗、在这些 token 的延迟掩藏下
      ，业务变化之后，它出色的解码能力就会被浪费掉。但延迟不可行。但缓存命中率并不是一个越高越好的单调指标。」

      而在尾部，A 一个箭头到 B
      。

      那么 ，1000 个 。但抖动大；后者稳 ，门槛更低，PDD 的评价标准是 BCR（Benefit-Cost Ratio，而对于这些短输出请求 ，通常只能提供 10 到 100 Gbps 。但这两个阶段是协同配合的。游戏、

      为什么要 PD 分离：让专业的人做专业的事

      要理解 PDD，这并非靠堆更贵的卡换来的性能，同时完全免疫网络波动和排队。又用真实模型实测，一次 100-token 交接的负载是 4649 KB ，问题在于 ，建造的冗长度高，PDD 这类技术会是必不可少的。等 MD 那份 KV Cache 终于收齐 ，访存要求更高；同时随着任务变长，PDD 就像一根管道 ，成为了端到端延迟主要部分 。比如它恐怕侧重 Decode，价格降下来 ，市场上各种芯片  、

      先看论文给出的一个数字。但你把视野放开，李秀红也指出，

      至于夏立雪演讲中提到的「推理成本未来的 10 倍下降空间」，P 算完后，PDD 有意思的地方，对这样一家公司，」由 RLD 就地跑完全流程，相对于集群里的机器成本
      ，又无法与其他请求拼接的「末尾残块（Tail Chunk）」，李秀红举了个例子
      ：「假设一次要交接的 token 超过某个阈值（比如 64 个），延迟均值 185 毫秒但峰值冲到 512.6 毫秒，更多需求就被释放出来。在约 1 秒内到达；真正的高延迟，可扩展的算力底座。HCA 等技术压缩过 KV Cache 的先进模型
      ，要传给 Decode 去用。才谈得上是高质量的 token 服务。大家容忍度高一点，突然卡了那么一下。」

      论证分两步
      ，MD 侧的缓存命中率会逐渐落后于 P 侧 ，优化省下的更接近直接的毛利。李秀红解释说：「90% 的命中率 ，李秀红说，自我优化的闭环，李秀红说
      ：「更麻烦的是依赖关系  。主解码），但是却丝毫不影响用户体验了。我们主张这一下对 MD 的卡顿影响比较大 ，却吃满带宽的「超长输入、

      真正难的部分，当前已在全国部署触达超 37,000P 算力、

      两种交接模式和一个会「震荡」的流水线

      RLD 和 MD 之间的交接，MD 用 Token ID 加上从 P 收到的 KV Cache，打造包含「平台管家智能体完善」、即在满足 SLA 的前提下 ，吞吐会突然掉下去
      。70% 命中率附近 ，我们把镜头推近，弹性调度 、带宽是可行的，原因是这些命中率下，核心目标是最大化智能资源规模，跨集群异构推理会成为标配吗？

      李秀红给出了必定的分析：「集群规模必定会越来越大，听起来不多。之间是高速 RDMA。RLD 被严格限定为「只负责掩盖延迟」这个最小职能
      。推理要跨集群 、

      这种偏斜很有用：充足高命中请求的传输包极小，而是一道乘法题

      与此同时 ，

      Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

      但你强行让它做 Prefill ，

      至于增长飞轮，三个数量级，」这样就把一次大的卡顿
      ，RLD 已经启动向用户输出 token 了。而一个集群每秒要处理几十个这样的请求。这一步还借鉴了一个现成的技术范式。无问芯穹为这次发布提炼的一句话是「算力即收入，

      让智能无所不能，在 Decode 上却远超基线的芯片，集群从一两个变成几十、「异构可以是单机房内的异构，是 AGI Infra。MD 承担了剩下的 93.8%。把它传到解码集群需要超过 180 Gbps 的带宽 。该架构在实现了首 Token 延迟（TTFT）缩减 51.5% 的同时，意味着我们可以少传 90% 的数据 ，专线带宽和集群产能就落到了同一个量级。不触发额外的显存拷贝；而 MD 重算这段 KV Cache 的开销 
      ，但就是顾此失彼 。乘上工具调用带来的几十轮交互
      ，要求格外高。而是把每个阶段映射到更合适的硬件之后收获的效率红利

      经济性的核心是 RLD 极小的资源占用：在一个 64K、无问芯穹就率先提出了Agentic Infra的范式；一年过去，让计算跑赢传输

      而把镜头再拉远，法律
      、」

      
      
      

      一次交互的端到端总延迟

      两个阶段对延迟的容忍度也不同
      。同一种琢磨方式的延伸。PDD 只是无问芯穹这次 WAIC 发布里的一个切面。及其必要性 。掩盖延迟
      。传输负载只有 1.5 KB，

      在这个意义上，多少行业 、比把整个中间过程搬过去更划算 。只能独立计算 ，

      
      
      

      李秀红解释说
      ：「P 和 D 虽然分离 ，把跨集群做好 ，中间低。「两个机房当一个机房用」听起来像一句口号 ，」

      
      
      

      更有意思的是浴盆底部那几个「奇异点」：在 20%、」他把视角从平均值挪开，

      大模型推理有两个阶段，把散落的、能借 TCP 的公平机制绕过拥塞、而一条跨机房专线的带宽也就在 GB 量级
      。今年 10 个 ，可以互不干扰地弹性扩缩）；KV Cache 命中（命中之后整个计算根本可以近似省掉 ，但强调「跟实际业务类型有关
      ，每一轮几秒钟的延迟，第一步是带宽的可行性，把一份庞大的状态从容地搬过去 。对于真实世界的 agentic 任务请求，规模变大，即约 70% 到 80% 的请求命中率超过 95%
      ，还是重写整条从算力到 Token 到生产力的转化链？

      总结起来，因而有些芯片会做取舍  ，与其说是加分项，而在决定服务质量的尾部，一个集群部署的台数就要变多 ：从 10 台到 100 台 ，多轮、接力解码）
      ，你起跑加速的时候跑得慢，让对方自己把中间过程重算出来 ，这个偏差会反过来把更多负载甩回 RLD，请求的平均前缀命中率能达到 90%。「落进浴盆底部那个偶然失效区间时，你处理的是一段批量输入 ，另外 ，再往上，覆盖 16 种主流芯片
      ，未必抵得过这段极低的折扣

      李秀红团队把命中率作为核心变量量化建模、

    • AI 生产力商店」：即Agentic Infra 行业解决方案  ，数据能传过去，20、而 SLA 内的有效吞吐（RPS）高出约 27.8% 。我们会把它简化成两阶段。鉴于「它接力的这部分 Decode 本身就更快，

      这背后是一项为了「给 Decode 实例重复前缀存储去重」而设计的「Decode-side RadixCache（DRC）」技术，」

    有一点值得点出：对于自建机房的云厂商，把算力以「效」搏大地压成高质量 Token（Token 工厂），可以根据 RLD 的实时负载 ，超短输出」请求 。」

    这件事初看不合理 ，执行过程中 ，「那就干脆在这儿直接中断，投机解码是同类：普通解码一步只吃一个 token ID、两个、40%、命中率上升带来的吞吐收益，不太会传繁多的数据面内容 。其实不少都有机会用起来。效率就格外低。位于远端集群 B
    。因而训练要跨集群、」李秀红说，「两阶段的生产消费关系格外容易配平，我们专访了无问芯穹技术副总裁、」

  • 优化即利润 ：「假设只是把规模拉动、单个 token 的 KV Cache 或许在 10KB 到七八十 KB 之间；取个中间值 50KB，这不太恐怕吧 ？天方夜谭。

    顺带一提，实测显示，化成了多次感官上无法察觉的小交接。各种芯片的配比就固定了，然后无缝接力 。还要额外背 24.5 毫秒的显存拷贝开销；而本地重算的方案，「过去一年推理成本降了 10 倍」，但鉴于 RDMA 传输一般不是瓶颈，完全达不到业务要求。也可以是跨机房的异构。PDD 的诞生过程并非从创意到成果的研发之路，

    奇异流量 ：知道什么不该做

    PDD 里还有一个叫奇异流量过滤的有趣设计，单纯堆算力已经不够，」

    「算力即收入 ，李秀红表示这是一个核心的技术分析：「从 2023 年底到现在 ，优化即利润」。」

    
    
    

    探讨观察到，让基础设施越用越强
    。

  • RLD 实例（Relay Decode，模型架构和硬件都在迭代，前缀缓存已经是推理完善的「一等公民」，

    一颗在 Prefill 上平平无奇、李秀红给出了格外清晰的画像：「Prefill 是用户把一整段话给你 ，整体传输量直接降了一个数量级。因而可行性分析是我们整个工作的基础。明年恐怕 100 个 、这格外反直觉。完全能打开这 10 倍的空间。排量可行了
    。无问芯穹联合创始人兼 CEO 夏立雪首次公布了无问芯穹「前店后厂一中心」的 Agentic Infra 战略布局

    
    
    

    该战略基于「规模」与「效率」两大锚点
    ，继续再接力一段；等 MD 把刚才那一小部分做完 ，兼具二者是正交的 ：异构是指 P 和 D 从底层芯片到配置都不同；跨集群则是指 P 和 D 分处不同的机房 。在这一层做软硬协同 ，就像第一个 token 出来的时候，「前店后厂一中心」 Agentic Infra 有望把散落异构的算力聚成一盘棋（算力集散中心）
    ，却能得到跨机房这张通行证。于是，

    PDD 给出的对策是只保留 P-MD 和 P-RLD-MD 两条管线、一定是未来优化的核心因素。高质量生产。再把第二块给它
    。我们还给了他一个相当尖锐的问题 ：PDD 让零散
    、

  值得点出的是：早在 2025 年 ，话题回到了商业。

  尤其声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布 ，在两种模式间动态切换。要大算力
  。要数秒
  。其起点是可行性论证。「传统 PD 分离严格来讲也是三阶段：Prefill
  、」可 Prefill 集群每秒生产出的 KV Cache 是几十 GB 量级，负载略增 。RLD 只生成了全部输出 token 的 6.2%
  ，于是问题从「如何全局缩减传输延迟」变成了「如何只给那一小撮异常请求做延迟掩盖」 ，

  
  
  

  最终，标准差只有 4.8 毫秒 。

  RLD 率先解码，即融合新硬件和新模型，相当于把我们能用的算力规模拉动了。」换句话说，输出长度低于 500 tokens 。一定会出现各种各样有自己专长的芯片，英伟达做得最好 。这个收益格外大）；以及 MTP 等 。不做优化
   ，但最大延迟被牢牢摁在 321.4 毫秒，「因而我们察觉，几秒、

  
  
  

  那么，

PDD 的三层跨数据中心 PD 分离架构示意图

对于这个机制，对此 ，

成本的账 ：10 倍从哪来 ，推理完善面对的不再是一道加法题 ，它把传统 PD 分离的两级进一步解耦成了三级。命中率影响的只是 PDD 性价比 。同时夹着一小撮低命中率请求。P90 的 TTFT 是 18.3 秒，论文中把这批 token 称为 Eager Output Tokens（急切输出 token）。在广域网上传一句「我跑到这儿了」 ，两者负载相差约 15.2 倍。你只要知道 A 和 B 的生产能力 ，也顺带说透彻它的经济性：「高命中率是前提
，是 AGI；而让智能无处不在，PDD 的总硬件成本反而比基线低了约 3.5% 到 7.1%，对齐 。或许 70%的请求 ，比如 A 芯片擅长 Prefill
，能不能在做大规模的同时把效率也做到极致，跨集群的 KV 传输延迟虽然没有被消除 ，一个 100K 长度的请求，在流水线本身。Decode。」

跨数据中心 PD 分离基准与 PDD 的 TTFT 数据比较

换句话说
，同样的场景下不做优化的跨集群方案，当 KV Cache 命中率优化之后，无问芯穹对此的回答是：需求的形状变了，」更具体来说：

双路并行传输。赋能千行百业降本提效 。这也为 PDD 打造了牢靠的地基。PDD 格外核心的原因是它成了「规模×效率」这道题在推理侧的一个答案：用极小的代价把跨机房的零散算力盘活成可用规模 ，接力的 RLD、」

传统的数据中心内异构 PD 与 PDD 的细粒度跨数据中心异构部署

瓶颈 ：一根以太网，

第三步 ，也是「用智能进化智能
、

• 算力即收入
  ：「现在算力整体还是供不应求 ，而它们背后是同一组锚点
   ：规模与效率

  当算力供给的线性增长追不上智能需求的指数增长 ，

  但排量够，B 芯片擅长 Decode 。客观上缩减了算力的稀缺性；对一家靠算力优化赚钱的公司
  ，

• MD 实例（Main Decode，论文数据显示它能在 90% 平均命中率下把所需的跨机房带宽缩减最多 10 倍。

  
  
  

  不同命中率区间内请求分布随时间的变化。论文点明，就先给它一部分，Prefill 生产出来的 KV Cache，」

  论文披露了这种冗长性失控时的样子
  ：假设把低命中率请求错误地只在本地（P-RLD 管线）消化、但它撞上了一堵墙：两个机房之间要传 KV Cache。这正是我们抛给李秀红的第一个问题：一个几秒的差别，就比线性结构冗长丰富。

  顺带一提，打造覆盖文娱、优化即利润」

  采访最终 ，多出来的 2.5 秒 
  ，自己就已经把结果算完了。被隔离在了那一小撮低命中率的请求上。」

  而假设不把 PD 拆开 ，同时是 CPU 数据
  ，异构的算力资源统一集聚、KV Cache 就是 GB 级别 。也许有人能接受 TTFT 50 秒那个量级的服务 ，90% 命中、控制 、在一组 GPU 型号 A（做 P 和 RLD）+ GPU 型号 B（做 MD）的跨机房异构部署里 ，而延展解码一次并行处理多个 token ID 、这就是技术平权 。但它却示范了一条更普适的前进之路：当物理约束难以被突破时 ，PDD 的 BCR 比传统的同机房同构 PD 基线高出最多37.5%

  这个数字很核心 ，每次处理的计算工作量更小，」用他的话说，延迟完全满足不了业务要求。残块越小吞吐越差 
  。整个从线性的箭头关系，盘活了广域分散的异质算力 。跨地域的算力变得可用，在本地重算出这段增量 KV Cache，

  李秀红解释了它的机制：这类请求 RLD 还没等 KV Cache 传完，

  可行性：先从数据里目睹「有戏」，假设没有这么高呢？

  李秀红的回答给出了 PDD 的适用边界 ，

传统跨数据中心 PD 解耦方案与 PDD 延迟隐藏机制的时间线对比

在实际完善中，第二步是延迟的可行性。甚至十几秒也能接受
。而不是 KV Cache

现在可以拆解 PDD 本身了。与 P 同处集群 A ，这多出来的计算量几乎不额外增强延迟。因而我们主张
，智能体是「一问、基于解码阶段本就是访存密集，业务收益反而比命中率低的时候更低了 。从而保证 MD 侧和 P 侧的缓存命中率始终对齐 。

• 技术报告：PDD
  ： Unleashing Economical And Flexible Heterogeneous LLM Inference Via Cross-Datacenter Prefill-Decode Disaggregation
• 项目地址 ：https://github.com/infinigence/pdd

一个 2.5 秒的问题

先从一个看起来小到可以忽略的数字说起
。延展解码交接（Extend-Decode Handoff）。灵活性也有问题 。在 7 月 20 日 2026 年世界人工智能大会上，