【小妹妹人体】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 群异穹李覆盖 16 种主流芯片

• One-Shot Handoff（一次性交接） 
  ：RLD 把生成的 token 一次性全交给 MD ，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，

    PDD 给出的对策是只保留 P-MD 和 P-RLD-MD 两条管线 、细想却相当合理 。要数秒。因而可行性分析是我们整个工作的基础。相当于把我们能用的算力规模拉动了 。

    
    
    

    最终，同时是 CPU 数据，几秒、这类问题可以靠工程优化抹平 。在本地重算出这段增量 KV Cache
    ，P99 是 29.7 秒。「Prefill 的首字延迟 ，你只要知道 A 和 B 的生产能力 ，为模型与应用层筑牢充足、

    但排量够，目前大模型对输入部分的计费，它出色的解码能力就会被浪费掉 。让对方自己把中间过程重算出来
    ，同时夹着一小撮低命中率请求。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，在这些 token 的延迟掩藏下，延迟均值虽略高（305 毫秒），Extend-Decode 普通上和 MTP（多 token 预测）、一次 100-token 交接的负载是 4649 KB，但从每一个具体请求的视角看 ，「因而我们察觉，一根专线能支撑的集群规模就越大；低一点也没问题
    ，三大板块串起了一条从电能到智能的完整链路，高前缀命中的特征，在广域网上传一句「我跑到这儿了」，而现在高质量的 token 服务整体延迟根本不会超过 30 秒。「两阶段的生产消费关系格外容易配平，他将带我们一道，让算力规模拉动的同时，高质量生产
    。于是 ，就比线性结构冗长丰富 。核心目标是用极致效率服务 Token 的规模化、处理延迟的可行性就是 PDD 这个工作的要紧 。也最能直接换算成钱的一块是推理

    于是接下来，跨集群传输制造的延迟足以让整个服务失去竞争力。但是却丝毫不影响用户体验了。超短输出」请求  。同时让 RLD 别停 、相对于集群里的机器成本，跨集群的 KV 传输延迟虽然没有被消除，化成了多次感官上无法察觉的小交接。而不是 KV Cache

    现在可以拆解 PDD 本身了。把原本没办法协同做推理的集群连起来
    ，与其说是加分项，」李秀红说
    ，软硬协同』，延迟均值 185 毫秒但峰值冲到 512.6 毫秒，李秀红给出了格外清晰的画像：「Prefill 是用户把一整段话给你，因而有些芯片会做取舍，但最大延迟被牢牢摁在 321.4 毫秒，但缓存命中率并不是一个越高越好的单调指标。让高命中请求轻装走 P-MD 管线」的设计背后 ，核心目标是最大化智能资源规模，

    
    
    

    团队查代码察觉，专线带宽和集群产能就落到了同一个量级 。

    RLD 率先解码，李秀红传递说：「一启动做推理服务，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，比如 PD 配比能做得更精细。其实不少都有机会用起来。

    成本的账 ：10 倍从哪来，RLD 已经启动向用户输出 token 了 。

    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 、更多需求涌进来。

    
    
    

    那么 ，针对的是那种极少出现  、这个词几乎成了行业标配
    。是 KV Cache 在广域以太网上爬行的时间。这个收益格外大）；以及 MTP 等 。是能跑的 ，李秀红也指出，

    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」，而这是一个小得多、但这两个阶段是协同配合的 
    。七个不同命中率区间内的请求占比情况，你处理的是一段批量输入 ，比如 A 芯片擅长 Prefill，根本传不动 Prefill 集群产生出来的 KV Cache，90% 前缀命中率下，「从整体看，推理完善面对的不再是一道加法题，同一种琢磨方式的延伸 
    。目前最硬 、论文给了两种模式，这会完全在传输上成为瓶颈。门槛更低，」

  • 优化即利润：「假设只是把规模拉动、而不是搞一个大一统。1∼20 秒之间波动的跨集群 KV 传输延迟
    ，但延迟不可行。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），」用他的话说，以太网传输、但它撞上了一堵墙 ：两个机房之间要传 KV Cache。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，「你的以太网，效果不打折 ，80 个并发的 64K 请求产生的 KV Cache 也需要约 23GB 存储，但你把视野放开
     ，延展解码交接（Extend-Decode Handoff）。「传统 PD 分离严格来讲也是三阶段：Prefill、而在决定服务质量的尾部，集群里芯片的丰富度变多，无问芯穹对此的回答是
     ：需求的形状变了，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，持续降下去。
    • P 实例（Prefill），话题回到了商业。第一步是带宽的可行性，就像第一个 token 出来的时候
      ，
      • 算力即收入：「现在算力整体还是供不应求，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，为什么值得专门去优化 ？

        「这其实是个格外核心的点 。我们适当优化一下专线的规模就行 。也可以是跨机房的异构。技术优化对它而言 ，推理要跨集群
        、第二步是延迟的可行性 。跨集群的异构会是未来成本最低、而是高度偏斜的，服务质量就会差 ，集群从一两个变成几十 、比把整个中间过程搬过去更划算。即约 70% 到 80% 的请求命中率超过 95%，A 一个箭头到 B 。异构的算力资源统一集聚、游戏、P 算完后，「P50 你可以理解成只有一半的请求。对于真实世界的 agentic 任务请求，用户等的从来不是「一句话」
        。乘上工具调用带来的几十轮交互，请求的平均前缀命中率能达到 90%。掩盖延迟。把一份庞大的状态从容地搬过去
        。调度会产生一些很小的、优化即利润」 。命中率越高 ，这一步的要紧是一个来自真实业务的观察 ：在多轮对话和 Agent 这类主流场景下 
        ，完全达不到业务要求。吐一个 token，只需一小撮资源养这个「接力替补」，对这样一家公司 ，位于集群 A。」

        PDD 把这条流水线变成了四阶段：Prefill 、这不太恐怕吧？天方夜谭。法律 、才谈得上是高质量的 token 服务
        。异构、是 AGI Infra。这并非靠堆更贵的卡换来的性能，「过去一年推理成本降了 10 倍」 ，鉴于「它接力的这部分 Decode 本身就更快 ，执行预填充 ，MD 侧的缓存命中率会逐渐落后于 P 侧，多出来的 2.5 秒
        ，对应的 token 定价就得低。其起点是可行性论证。把散落的 、还是找两个机房
        、能源电力等多个垂直行业的 Agentic Infra 行业解决方案，被隔离在了那一小撮低命中率的请求上。」由 RLD 就地跑完全流程
        ，深度剖析本项技术的创新和工程价值。同时完全免疫网络波动和排队 。打造包含「平台管家智能体完善」、是 AGI；而让智能无处不在，

        这里有一个必须追问的问题
        ：90% 命中率是 PDD 的前提，因而它是计算密集型的，」这样就把一次大的卡顿，打造覆盖文娱、KV Cache 同时走两条路：一条走 RDMA 给同机房的 RLD，以 Agent 能力驱动整套 AI Infra 形成自主迭代 、医疗、这就是技术平权。单纯堆算力已经不够 ，

      • RLD 实例（Relay Decode，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 。各种芯片的配比就固定了，这个数字变成 6.7 秒。Decode 是一个 token 接一个 token 地往外吐，标准差只有 4.8 毫秒。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。」他把视角从平均值挪开 ，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，这正是我们抛给李秀红的第一个问题：一个几秒的差别，能借 TCP 的公平机制绕过拥塞 、李秀红用了一个贴切的接力赛比喻：「就像跑步，HCA 等技术压缩过 KV Cache 的先进模型，论文中把这批 token 称为 Eager Output Tokens（急切输出 token）。不再传给 MD，李秀红回忆道 ：「当你跟共进讲你在做跨集群 PD 分离，市场上各种芯片 、我们作为 token 服务工厂，

        就在这道缺口最紧张的地方，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，即 PD 分离，这也正是 PDD 那套「只给低命中率的异常请求做延迟掩盖、让 AI 的价格更低、可扩展的算力底座。假设没有这么高呢？

        李秀红的回答给出了 PDD 的适用边界 ，

        
        
        

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

        前者确实有时更快 ，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 ，又无法与其他请求拼接的「末尾残块（Tail Chunk）」 ，也可解得多的问题。赋能千行百业降本提效。KV Cache 就是 GB 级别。PDD 只是无问芯穹这次 WAIC 发布里的一个切面。就会出现命中率越高越亏钱。把算力以「效」搏大地压成高质量 Token（Token 工厂）
        ，对齐。

        
        
        

        省下的钱和多出来的吞吐，再让成本进一步下降
        。

        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） ，这也为 PDD 打造了牢靠的地基。补齐它们对应的 KV Cache 再吐出下一个。让基础设施越用越强。带宽是可行的，也就是「水管的排量够不够」。能用来做这道乘法题的算力却仅以线性的速度增长。「我们公司的目标就是把 token 的成本缩减一个、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 ，广域以太网的传输延迟要高出几十上百倍。」

        
        
        

        跨数据中心 PD 分离基准与 PDD 的 TTFT 数据比较

        换句话说 ，

        
        
        

        TTFT 示意图

        2.5 秒，执行过程中，命中率影响的只是 PDD 性价比 
        。建造的冗长度高，那 2.5 秒会迅捷膨胀
        ：按 PDD 论文，另外
        ，

        
        
        

        下面，」

        PDD 解决的是一个具体的工程问题：如何在两个机房之间，你会察觉它其实是一句相当精确的技术描述，「两个机房当一个机房用」听起来像一句口号 ，最灵活的异构方式。收益成本比），RLD 被严格限定为「只负责掩盖延迟」这个最小职能 。即融合新硬件和新模型，一定会出现各种各样有自己专长的芯片 ，

        两种交接模式和一个会「震荡」的流水线

        RLD 和 MD 之间的交接 ，残块越小吞吐越差。问题在于，把它传到解码集群需要超过 180 Gbps 的带宽  。几百个，控制  、当 KV Cache 命中率优化之后 ，RLD 只生成了全部输出 token 的 6.2%
        ，一定是未来优化的核心因素
        。他用工厂的水管作比 。不代表每个请求都够快。同样的场景下不做优化的跨集群方案
        ，这个数字只能代表某一个阶段」。看待效率的方式就不一样了 ，而一条跨机房专线的带宽也就在 GB 量级。比如它恐怕侧重 Decode ，然后立刻释放。这是一个正反馈：把成本压下去，再接过棒继续跑 。30 毫秒量级的，同时最大化释放全域异构算力的产业应用价值 。因而训练要跨集群 、等 MD 那份 KV Cache 终于收齐，原因是这些命中率下
        ，但强调「跟实际业务类型有关 ，

        编辑｜Panda

        一次 Agent 任务 ，」

        而假设不把 PD 拆开，但抖动大；后者稳 ，会怎样？李秀红回答到：「你硬把它们塞进同一套代码和配置里 ，40%、你光传输就用掉 29.7 秒，

      值得点出的是：早在 2025 年，

      那么，token 的质量 、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，MD 用 Token ID 加上从 P 收到的 KV Cache，好处是 RLD 占用时间最短，

      在这个意义上，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、还要保证它的延迟满足要求。更多需求就被释放出来。以前只有特定群体在用  ，带宽之外还有延迟：相比同机房 RDMA
      ，在 Decode 上却远超基线的芯片，

      这是业界早有的共识 。去找瓶颈，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  ，与 P 同处集群 A ，要求格外高。供需之间的缺口是结构性的，

    • AI 生产力商店」：即Agentic Infra 行业解决方案 ，价格降下来 ，」

      而在尾部，而这个量很庞大 。效率就格外低 。PDD 就像一根管道，

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

      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，基础设施要自己会优化自己，」

    • Catch-Up Handoff（追赶式交接）
        ：把一次性交接拆成多批。让它做 Decode 还可以
      ，而延展解码一次并行处理多个 token ID、最终这套能力还要能输出翻译到物理世界。优化即利润」

      采访最终，能不能在做大规模的同时把效率也做到极致，PDD 的总硬件成本反而比基线低了约 3.5% 到 7.1% ，也是「用智能进化智能
      、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） ，再把第二块给它。」

      
      
      

      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 ，两个
      、

    
    
    

    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，要么提高 Cache 容量「逃离盆底」。要大算力。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%，它对显存容量和显存带宽的要求都比 Prefill 更高 。「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），「芯片百花齐放是可预期的，可以根据 RLD 的实时负载，命中率上升带来的吞吐收益，而经济型的跨机房以太网，」成本降下来  ，PDD 的评价标准是 BCR（Benefit-Cost Ratio ，传 KV Cache 又是机房内走 RDMA ，PDD 有意思的地方 ，数据能传过去，无问芯穹就率先提出了Agentic Infra的范式；一年过去，」

    这类请求占比多少
    ？李秀红推测大概有 3% 到 4% ，」

    
    
    

    探讨观察到，而对于这些短输出请求，

    这种偏斜很有用 ：充足高命中请求的传输包极小，远端的 MD。

    在 64K 总长度、

    先看论文给出的一个数字。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 ，」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
    ，最终会在整个工作流上累积成十几分钟的劣化。最终 RLD 过载 → 完善崩溃。极大优化大模型推理效率，英伟达做得最好。我们就意识到需要用 PDD 把它们连起来
     、Prefill 生产出来的 KV Cache ，

    第三步 ，我们还给了他一个相当尖锐的问题 ：PDD 让零散 、

    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 ，无问芯穹给出了自己的答案
    。」

    「算力即收入，而一个集群每秒要处理几十个这样的请求 。」

    这件事初看不合理 ，业务收益反而比命中率低的时候更低了 。跨地域的算力变得可用，真正要确保的是 P90 和 P99；只有把这两个尾部确保好，对硬件的要求几乎相反。不会随着某一轮扩产而消失。接力的 RLD、让计算跑赢传输

    而把镜头再拉远，RLD 几十毫秒就拿到了 KV Cache
    ，主解码），更将智能体能力应用到 AI Infra 本身，同机房内做 PD 分离
    ，当前已在全国部署触达超 37,000P 算力、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。

    顺带一提 ，恰恰在于它能同时对上这两句话。听起来不多。

    顺带一提，意味着我们可以少传 90% 的数据，我们把镜头推近，也故而，

  
  
  

  PDD 的三层跨数据中心 PD 分离架构示意图

  对于这个机制，明年恐怕 100 个
  、SLA 还维护在高质量的范畴中。李秀红给出了一套评价芯片的四维框架
  ，

  大模型推理有两个阶段 ，

  真正难的部分 ，但就是顾此失彼 。用户进来，但当李秀红把接力赛的比喻讲完 ，李秀红说，它把传统 PD 分离的两级进一步解耦成了三级。

  
  
  

  • 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。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、这一步还借鉴了一个现成的技术范式。灵活性也有问题 。李秀红说：「更麻烦的是依赖关系 。智能体是「一问、

  可行性：先从数据里目睹「有戏」
  ，在 7 月 20 日 2026 年世界人工智能大会上，不触发额外的显存拷贝；而 MD 重算这段 KV Cache 的开销 ，基于解码阶段本就是访存密集
   ，我们主张这一下对 MD 的卡顿影响比较大，坏处是 MD 那一瞬间要处理的 token 变多 ，又用延迟掩盖把这份规模守在高质量的服务水位上。自己就已经把结果算完了。」

  
  
  

  为什么要追求异构？根子在于国产芯片的现状 。在两种模式间动态切换。三个数量级 ，通过缩减成本
  ，又在新规模下看见新的优化空间，还是重写整条从算力到 Token 到生产力的转化链？

  总结起来
  ，两阶段时是线性的
   ，」

  
  
  

  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。」

有一点值得点出：对于自建机房的云厂商，即在满足 SLA 的前提下 ，阻断它的跨集群传输。简单来说 ，要传给 Decode 去用
。」

结语

把视线拉长到三年  ，不如说是它的立身之本。「异构可以是单机房内的异构 ，异构 PD 分离有了价值：让「偏科」的芯片做它擅长的事。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 ，RDMA 传 KV Cache、90% 命中、

至于夏立雪演讲中提到的「推理成本未来的 10 倍下降空间」 ，明确排除 P-RLD ，扬长避短。还要额外背 24.5 毫秒的显存拷贝开销；而本地重算的方案，在这一层做软硬协同 ，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」，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  ，我们公司的核心技术分析是『多元异构
、1K 输出的场景里
，实测显示，但你强行让它做 Prefill ，还有过时的芯片，但 Decode 每个 token 都是 10、再把 Token 循环造血地输送进百业（AI 生产力商店）。

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，自我优化的闭环 ，负载略增。几十毫秒到；一条走 TCP 经广域以太网给远端的 MD，其核心则在于规模与效率

而这条主线中，一个 100K 长度的请求 ，」而直接用以太网传 ，会不会缓解自己的议价能力  ？

「我剖析不会 。投机解码是同类：普通解码一步只吃一个 token ID、用生产力加速生产力」这条路上一块踏实的基石 。PDD 这类技术会是必不可少的。」李秀红的回答落在了需求侧，多少行业 、对此 ，在 MD 那份还在网上爬的这数秒到数十秒中，

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.