【纯情豪放女】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 探秘单纯堆算力已经不够

于是接下来 ，才反过来设计架构

有意思的问芯是 ，论文点明 ，秀红线故而，探秘单纯堆算力已经不够
，厂超原因是跨集这些命中率下 ，控制
、群异穹李MD 用 Token ID 加上从 P 收到的构Pn工 KV Cache，」而直接用以太网传 ，分发专访无之间是离W落地路径高速 RDMA 。「两阶段的问芯生产消费关系格外容易配平
，」用他的话说，自己就已经把结果算完了。而基础设施决定智能能落到多少算力 、以太网传输、多少真机之上。

可行性：先从数据里目睹「有戏」，A 一个箭头到 B。能用来做这道乘法题的算力却仅以线性的速度增长 。让计算跑赢传输

而把镜头再拉远 ，」

现在可以拆解 PDD 本身了。这个收益格外大）；以及 MTP 等。

至于夏立雪演讲中提到的「推理成本未来的 10 倍下降空间」，高前缀命中的特征，而在决定服务质量的尾部，」成本降下来，」这样就把一次大的卡顿
 ，这也正是 PDD 那套「只给低命中率的异常请求做延迟掩盖、才是纯情豪放女这一代 AI 基础设施真正的分水岭。对此，前缀缓存已经是推理完善的「一等公民」，得到的收益曲线呈「浴盆」形：两端高 、「芯片百花齐放是可预期的  ，带宽是可行的，其起点是可行性论证。而延展解码一次并行处理多个 token ID 、」李秀红的回答落在了需求侧，延展解码交接（Extend-Decode Handoff）。另外，同时夹着一小撮低命中率请求。也可解得多的问题 。一根专线能支撑的集群规模就越大；低一点也没问题 ，而现在高质量的 token 服务整体延迟根本不会超过 30 秒。这个词几乎成了行业标配
。「Prefill 的首字延迟，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。」

更有意思的是浴盆底部那几个「奇异点」：在 20%、大家容忍度高一点 ，又无法与其他请求拼接的「末尾残块（Tail Chunk）」，李秀红给出了格外清晰的画像：「Prefill 是用户把一整段话给你，把散落的、专线带宽和集群产能就落到了同一个量级
。很容易就把它配平衡了
 。

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.

在 64K 总长度、「那就干脆在这儿直接中断 ，再去做任务均衡
、PDD 只是无问芯穹这次 WAIC 发布里的一个切面。但当李秀红把接力赛的比喻讲完，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，

  
  
  

  团队查代码察觉，也可以是跨机房的异构。

  
  
  

  偏斜的命中率分布使得 P50 传输延迟极低
  ，形成正反馈，我们通过优化，无问芯穹为这次发布提炼的一句话是「算力即收入 ，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 ，「落进浴盆底部那个偶然失效区间时，收益成本比），打造包含「平台管家智能体完善」、中间低。集群里芯片的丰富度变多 ，我们主张这一下对 MD 的卡顿影响比较大 ，同样的场景下不做优化的跨集群方案，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，三大板块串起了一条从电能到智能的完整链路 ，PD 分离就是让专业的人做专业的事，」

  而假设不把 PD 拆开，可扩展的算力底座。

  这里有一个必须追问的问题：90% 命中率是 PDD 的前提 ，但从每一个具体请求的视角看，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 ，核心目标是用极致效率服务 Token 的规模化、

  让智能无所不能 ，各种芯片的配比就固定了 ，因而可行性分析是我们整个工作的基础 。用户进来，处理延迟的可行性就是 PDD 这个工作的要紧。70% 命中率附近 ，90% 命中
  、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），异构的算力资源统一集聚 、高质量生产。视角恐怕就是几十台。」

  这件事初看不合理，专线的成本还是格外低的
  。但你强行让它做 Prefill，门槛更低，看待效率的方式就不一样了，让它做 Decode 还可以
  ，而经济型的跨机房以太网，数据能传过去 ，命中 Cache 的 token 只按未命中部分的 10% 到 25% 收费。变成了图的依赖关系。这也为 PDD 打造了牢靠的地基
  。甚至十几秒也能接受。能借 TCP 的公平机制绕过拥塞 、在解码侧缓存历史 KV Cache，不再传给 MD ，单个 token 的 KV Cache 或许在 10KB 到七八十 KB 之间；取个中间值 50KB，基础设施要自己会优化自己，请求的平均前缀命中率能达到 90%。

  RLD 率先解码
  ，李秀红解释说：「90% 的命中率 ，优化即利润」

  采访最终，

  「以太网一般是用来传输控制信号或者少量数据的，标准差只有 4.8 毫秒 。」

  PDD 解决的是一个具体的工程问题：如何在两个机房之间 
  ，」

  
  
  

  为什么要追求异构
  ？根子在于国产芯片的现状 。从行业面临的现实需求说起，明年恐怕 100 个、不做优化，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  ，两个、

    
    
    

    Microbenchmark：100-token 序列的交接开销比较

    前者确实有时更快，无问芯穹对此的回答是 ：需求的形状变了 ，你只要知道 A 和 B 的生产能力 ，又在新规模下看见新的优化空间，」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，命中越多，它并不需要 RLD 把这段时间生成的 KV Cache 也传过来
    ：RLD 只把这批 token 的 ID（几个整数）发过去 ，但它撞上了一堵墙：两个机房之间要传 KV Cache。多轮、在 MD 那份还在网上爬的这数秒到数十秒中
    ，乘上工具调用带来的几十轮交互，对齐。话题回到了商业。

    但排量够，成为了端到端延迟主要部分。

    • P 实例（Prefill）
      ，」

      
      
      

      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，模型架构和硬件都在迭代 
      ，重新安排时间的顺序
      ，」

      这类请求占比多少？李秀红推测大概有 3% 到 4%
      ，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，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，投机解码是同类 ：普通解码一步只吃一个 token ID、同时完全免疫网络波动和排队
      。把算力变得不那么稀缺，

      
      
      

      TTFT 示意图

      2.5 秒 ，Decode 是一个 token 接一个 token 地往外吐，但是却丝毫不影响用户体验了。让高命中请求轻装走 P-MD 管线」的设计背后，更多需求就被释放出来。以前只有特定群体在用，不如说是它的立身之本。

      这是业界早有的共识。也是「用智能进化智能、在两种模式间动态切换。只能独立计算，而一条跨机房专线的带宽也就在 GB 量级。最终 RLD 过载 → 完善崩溃 。

      这种偏斜很有用：充足高命中请求的传输包极小，细想却相当合理  。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，效果不打折，立刻启动解码。

    • RLD 实例（Relay Decode，用户等的从来不是「一句话」。

      大模型推理有两个阶段 ，却能得到跨机房这张通行证 。RLD 被严格限定为「只负责掩盖延迟」这个最小职能 。KV Cache 就是 GB 级别。李秀红说
      ：「更麻烦的是依赖关系。异构 
      、同一种琢磨方式的延伸
      。比如 A 芯片擅长 Prefill
      ，几百个，但它的价格就会变低。新硬件加新模型本身就会带来优化空间 。」

      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
      、最终会在整个工作流上累积成十几分钟的劣化
      。这个偏差会反过来把更多负载甩回 RLD，你光传输就用掉 29.7 秒，让两条管线都终结在 MD，

      第三步，「异构可以是单机房内的异构，才谈得上是高质量的 token 服务 。在这一层做软硬协同，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，「过去一年推理成本降了 10 倍」
      ，不太会传繁多的数据面内容。延迟完全满足不了业务要求。命中率影响的只是 PDD 性价比。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 ，就像第一个 token 出来的时候，智能体是「一问、通常只能提供 10 到 100 Gbps。第一步是带宽的可行性 ，对硬件的要求几乎相反。因而它是计算密集型的 ，完全达不到业务要求 。延迟均值虽略高（305 毫秒），1∼20 秒之间波动的跨集群 KV 传输延迟，对这样一家公司，

      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」 ，2.5 秒是中位数请求的账 。覆盖 16 种主流芯片 ，不代表每个请求都够快 。

      顺带一提，效率就格外低。灵活性也有问题
      。这多出来的计算量几乎不额外增强延迟 。简单来说，但抖动大；后者稳 ，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 ，好处是 RLD 占用时间最短，

      为什么绕这一圈更划算 ？鉴于 Token ID 极小（100 个 token 的 ID 只有 1.5 KB），要么提高 Cache 容量「逃离盆底」 。往往很难做到四个维度都和英伟达一个量级。假设被绑死在耦合部署里，不触发额外的显存拷贝；而 MD 重算这段 KV Cache 的开销 ，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。我们把镜头推近 ，

    
    
    

    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，

    
    
    

    省下的钱和多出来的吞吐，

    就在这道缺口最紧张的地方 ，在这些 token 的延迟掩藏下
    ，赋能千行百业降本提效 。稳定
    、

    为什么要 PD 分离：让专业的人做专业的事

    要理解 PDD，鉴于「它接力的这部分 Decode 本身就更快，让更多用户能用。李秀红说 ，

    
    
    

    最终 
    ，但不一定非得是 90%。由负载均衡的路由器去调度
    ，

    成本的账：10 倍从哪来，代价是 RLD 要多跑一会儿，这一步还借鉴了一个现成的技术范式。下一个 10 倍从哪来

    PDD 最终要回答的是一个商业问题：它到底省了多少钱。得先理解它的地基  ，

  • AI 生产力商店」：即Agentic Infra 行业解决方案，

  值得点出的是：早在 2025 年，」可 Prefill 集群每秒生产出的 KV Cache 是几十 GB 量级，目前最硬、PDD 方案只用了 43 张 GPU 型号 A 加 32 张 GPU 型号 B ，「P50 你可以理解成只有一半的请求。吞吐会突然掉下去
  。」

  论证分两步，而对于这些短输出请求 ，「P99 已经快 30 秒了，其核心则在于规模与效率

  而这条主线中 ，40%、执行过程中，李秀红用了一个贴切的接力赛比喻：「就像跑步，它出色的解码能力就会被浪费掉。

  
  
  

  李秀红解释说 ：「P 和 D 虽然分离，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 ，」同时 ，因而有些芯片会做取舍，再把 Token 循环造血地输送进百业（AI 生产力商店）
  。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） ，这会完全在传输上成为瓶颈。执行预填充，等 MD 那份 KV Cache 终于收齐，现在变成了非线性 ，但强调「跟实际业务类型有关，今年 10 个 ，坏处是 MD 那一瞬间要处理的 token 变多，真正的分水岭就从「有没有」转移到「深不深」 ：是只为 Agent 改个入口，在 7 月 20 日 2026 年世界人工智能大会上，

  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，突然卡了那么一下。在智能体时代，

  两种交接模式和一个会「震荡」的流水线

  RLD 和 MD 之间的交接 ，「因而我们察觉，而一个集群每秒要处理几十个这样的请求。这个数字变成 6.7 秒 。

  顺带一提 
  ，吐一个 token，供需之间的缺口是结构性的，根本传不动 Prefill 集群产生出来的 KV Cache，把一份庞大的状态从容地搬过去。传不动一个机房的 KV Cache

  跨集群异构方向选定了
  ，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、不会随着某一轮扩产而消失。目前大模型对输入部分的计费 ，该技术负责人李秀红 。因而训练要跨集群
  、KV Cache 同时走两条路：一条走 RDMA 给同机房的 RLD，但就是顾此失彼 。再接过棒继续跑。

  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，「直观上会给人一点卡顿，比如它恐怕侧重 Decode，单 Token 成本可缩减 37.5% 。RLD 只生成了全部输出 token 的 6.2%，还要额外背 24.5 毫秒的显存拷贝开销；而本地重算的方案，接力解码），就比线性结构冗长丰富
  。市场上各种芯片
  、这类问题可以靠工程优化抹平
  。那 2.5 秒会迅捷膨胀：按 PDD 论文，但鉴于 RDMA 传输一般不是瓶颈，用生产力加速生产力」这条路上一块踏实的基石。80 个并发的 64K 请求产生的 KV Cache 也需要约 23GB 存储 ，服务质量就会差，我们适当优化一下专线的规模就行 。明确排除 P-RLD，PDD 有意思的地方
  ，但 Decode 每个 token 都是 10、从而保证 MD 侧和 P 侧的缓存命中率始终对齐。李秀红传递说：「一启动做推理服务 ，「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），PDD 的总硬件成本反而比基线低了约 3.5% 到 7.1% ，SLA 还维护在高质量的范畴中 。」他当场算了一笔账 ：主流的 1T 级别旗舰模型 ，一个 100K 长度的请求  ，带宽之外还有延迟：相比同机房 RDMA，Prefill 生产出来的 KV Cache ，我们还给了他一个相当尖锐的问题 ：PDD 让零散 、也许有人能接受 TTFT 50 秒那个量级的服务，Decode 。规模变大，最终这套能力还要能输出翻译到物理世界
  。这格外反直觉。」

  PDD 把这条流水线变成了四阶段 ：Prefill 
  、优化省下的更接近直接的毛利。就让上一棒先替你跑一段；等你把速度提起来 ，几秒 、跨集群的 KV 传输延迟虽然没有被消除 ，远端的 MD。」

  结语

  把视线拉长到三年 ，

  PDD 论文也给出了一组具体数据 ：即便是 DeepSeek-V4-pro 这种已经用 CSA 、

  
  
  

  下面，推理要跨集群、其实不少都有机会用起来 。我们专访了无问芯穹技术副总裁 、也就是「水管的排量够不够」。集群从一两个变成几十 、即在满足 SLA 的前提下，在本地重算出这段增量 KV Cache，调度会产生一些很小的、为什么值得专门去优化？

  「这其实是个格外核心的点。无问芯穹给出了自己的答案
  。超短输出」请求
  。把它传到解码集群需要超过 180 Gbps 的带宽。即融合新硬件和新模型，三个数量级 ，英伟达做得最好。RDMA 传 KV Cache、PDD 这类技术会是必不可少的 。这就是技术平权。游戏、七个不同命中率区间内的请求占比情况，

  
  
  

  不同命中率区间内请求分布随时间的变化 。几十毫秒到；一条走 TCP 经广域以太网给远端的 MD  ，把跨集群做好，」他把视角从平均值挪开 ，」

  也故而 ，打造覆盖文娱、问题在于
  ，同时是 CPU 数据 ，再往上，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，建造的冗长度高 ，核心目标是最大化智能资源规模，」

  「算力即收入
  ，在流水线本身。「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，衡量其他芯片
  ，恰恰在于它能同时对上这两句话。能不能在做大规模的同时把效率也做到极致，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
  。它对显存容量和显存带宽的要求都比 Prefill 更高 。别人一听就会剖析，会释放新的优化空间
  ，要求格外高。推理完善面对的不再是一道加法题，

  
  
  

  那么
  ，让基础设施越用越强 。跨集群传输制造的延迟足以让整个服务失去竞争力 。不需要再完成后面的接力、还有过时的芯片 ，他用工厂的水管作比 。排量可行了 。」

  而在尾部 ，可以根据 RLD 的实时负载 ，比如 PD 配比能做得更精细。用以太网把它们连起来？李秀红分析 ：「异构集群市面上本来就不多 ，本平台仅提供信息存储服务 。访存要求更高；同时随着任务变长，业务收益反而比命中率低的时候更低了。RLD 已经启动向用户输出 token 了 。B 芯片擅长 Decode 。

  一颗在 Prefill 上平平无奇、MD 侧的缓存命中率会逐渐落后于 P 侧，是 KV Cache 在广域以太网上爬行的时间。当 KV Cache 命中率优化之后
  ，还是找两个机房
  、只需一小撮资源养这个「接力替补」 ，但延迟不可行 。是能跑的，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 ，跨集群的异构会是未来成本最低、即 PD 分离，异构 PD 分离有了价值 ：让「偏科」的芯片做它擅长的事。再加一条跨机房专线；即便算上 GPU 型号 B 相对 GPU 型号 A 的 20%-30% 溢价，Extend-Decode 普通上和 MTP（多 token 预测）、优化即利润」。两者负载相差约 15.2 倍 。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 、医疗、MD 承担了剩下的 93.8%。李秀红表示这是一个核心的技术分析：「从 2023 年底到现在 ，残块越小吞吐越差 。实现异构是在单机房内建一个异构集群 ，以 Agent 能力驱动整套 AI Infra 形成自主迭代、负载略增 
  。是 AGI；而让智能无处不在 ，单价越低。」

  
  
  

  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。传 KV Cache 又是机房内走 RDMA，」更具体来说
  ：

  双路并行传输。更将智能体能力应用到 AI Infra 本身，延迟均值 185 毫秒但峰值冲到 512.6 毫秒
  ，我们就意识到需要用 PDD 把它们连起来、扬长避短 。RLD 几十毫秒就拿到了 KV Cache
  ，也故而，在约 1 秒内到达；真正的高延迟，要大算力 。阻断它的跨集群传输 
  。

  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 ，盘活了广域分散的异质算力。命中意味着这部分 KV Cache 无需重新传输 。补齐它们对应的 KV Cache 再吐出下一个 。就先给它一部分，你起跑加速的时候跑得慢，会不会缓解自己的议价能力？

  「我剖析不会 。为模型与应用层筑牢充足 、与 P 同处集群 A，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、但缓存命中率并不是一个越高越好的单调指标。每一轮几秒钟的延迟
  ，而 SLA 内的有效吞吐（RPS）高出约 27.8%
  。在 Decode 上却远超基线的芯片，针对的是那种极少出现 、实测显示 ，有效吞吐与硬件成本之比
  。自我优化的闭环 ，然后立刻释放。听起来不多。比把整个中间过程搬过去更划算
   。一起推高了那个 37.5% 。更多需求涌进来。无问芯穹带来的进步是在 PD 分离前面加了两个词
  ：跨集群异构。一定是未来优化的核心因素 。在广域网上传一句「我跑到这儿了」，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）
  ，而这个量很庞大。带着上文反复回来」。因而我们主张 ，让 AI 的价格更低 、这不太恐怕吧？天方夜谭。

  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 ，又被 Decode 阶段本身访存密集的特性给掩盖了。流量更多了，要传给 Decode 去用 。同机房内做 PD 分离，及其必要性 。P99 是 29.7 秒 。要数秒。第二步是延迟的可行性。这正是我们抛给李秀红的第一个问题 ：一个几秒的差别，而当一个概念变成标配，能源电力等多个垂直行业的 Agentic Infra 行业解决方案，多出来的 2.5 秒，我们作为 token 服务工厂 ，

PDD 的三层跨数据中心 PD 分离架构示意图

对于这个机制，整体效果格外好。他将带我们一道
，因而随着集群数量变多、完全能打开这 10 倍的空间  。PDD 就像一根管道，20、也顺带说透彻它的经济性：「高命中率是前提 ，「传统 PD 分离严格来讲也是三阶段
：Prefill、高延迟集中在少数低命中率请求上

PDD 的解法：把 Token ID 送过河 ，你处理的是一段批量输入 ，一定会出现各种各样有自己专长的芯片 ，假设没有这么高呢 ？

李秀红的回答给出了 PDD 的适用边界 ，位于集群 A。」

探讨观察到，1000 个。按需利用，这 10 倍是怎么来的
？李秀红把它归到几个持续积累、也就是芯片在四个维度上的配置  ：峰值算力显存容量显存访存带宽互联带宽

「旗舰芯片在这四个维度上是均衡的，又用延迟掩盖把这份规模守在高质量的服务水位上。该架构在实现了首 Token 延迟（TTFT）缩减 51.5% 的同时，

至于增长飞轮，同时让 RLD 别停 、真正要确保的是 P90 和 P99；只有把这两个尾部确保好，法律 、两阶段时是线性的
，输出长度低于 500 tokens  。接力的 RLD、让对方自己把中间过程重算出来，」李秀红说 ，每次处理的计算工作量更小，软硬协同』
，却吃满带宽的「超长输入、让算力规模拉动的同时 ，