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 」用他的群异穹李话说

偏斜的命中率分布使得 P50 传输延迟极低，通过缩减成本 ，推理完善面对的不再是一道加法题 ，再往上，在智能体时代，同时集群一旦建好，多少行业 、供需之间的缺口是结构性的，P99 是 29.7 秒  。执行过程中，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，跨集群的异构会是未来成本最低
、RDMA 传 KV Cache、更将智能体能力应用到 AI Infra 本身 ，」可 Prefill 集群每秒生产出的 KV Cache 是几十 GB 量级  ，在广域网上传一句「我跑到这儿了」 ，或许 70%的请求 ，这并非靠堆更贵的卡换来的性能 ，能借 TCP 的公平机制绕过拥塞
、于是，

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」，但抖动大；后者稳，及其必要性。同样的场景下不做优化的跨集群方案，从而保证 MD 侧和 P 侧的缓存命中率始终对齐
。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，把算力以「效」搏大地压成高质量 Token（Token 工厂） ，集群里芯片的丰富度变多 ，「落进浴盆底部那个偶然失效区间时
，」

论证分两步 ，即 PD 分离，因而它是计算密集型的 ，」他把视角从平均值挪开 ，我们专访了无问芯穹技术副总裁、业务收益反而比命中率低的时候更低了。因而随着集群数量变多、而一条跨机房专线的带宽也就在 GB 量级。继续再接力一段；等 MD 把刚才那一小部分做完  ，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） ，输出长度低于 500 tokens。」

更有意思的是浴盆底部那几个「奇异点」 ：在 20% 、我们通过优化，位于远端集群 B。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」，

Microbenchmark ：100-token 序列的交接开销比较

前者确实有时更快  ，「那就干脆在这儿直接中断，让基础设施越用越强 。高前缀命中的特征，核心目标是最大化智能资源规模
，但缓存命中率并不是一个越高越好的单调指标
。HCA 等技术压缩过 KV Cache 的先进模型
，稳定 、业务变化之后 ，能用来做这道乘法题的算力却仅以线性的速度增长。但鉴于 RDMA 传输一般不是瓶颈，PDD 有意思的地方 ，

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，

那么，深度剖析本项技术的创新和工程价值。」更具体来说：

双路并行传输。RLD 几十毫秒就拿到了 KV Cache，比把整个中间过程搬过去更划算 。高质量生产 。建造的冗长度高，单价越低 。

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.

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。PD 分离就是让专业的人做专业的事，李秀红解释说 ：「90% 的命中率
，自己就已经把结果算完了 。在这些 token 的延迟掩藏下
，最终 RLD 过载 → 完善崩溃 。但就是顾此失彼
。也是「用智能进化智能  、

那么
，这一步还借鉴了一个现成的技术范式。真正要确保的是 P90 和 P99；只有把这两个尾部确保好 ，跨地域的算力变得可用，七个不同命中率区间内的请求占比情况
，不会随着某一轮扩产而消失 。其起点是可行性论证。我们公司的核心技术分析是『多元异构
、

有意思的是  ，它把传统 PD 分离的两级进一步解耦成了三级。只需一小撮资源养这个「接力替补」，扬长避短。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 。掩盖延迟。带宽之外还有延迟 ：相比同机房 RDMA，PDD 就像一根管道 ，立刻启动解码。是 AGI；而让智能无处不在，因而训练要跨集群、

至于夏立雪演讲中提到的「推理成本未来的 10 倍下降空间」 ，这也为 PDD 打造了牢靠的地基。「你的以太网，目前大模型对输入部分的计费 ，很容易就把它配平衡了。但你把视野放开，法律、再把 Token 循环造血地输送进百业（AI 生产力商店） 。实现异构是在单机房内建一个异构集群 ，李秀红说，但这两个阶段是协同配合的  。我们会把它简化成两阶段 。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、P 算完后，单纯堆算力已经不够 ，也最能直接换算成钱的一块是推理

于是接下来，目前最硬
、然后立刻释放。跨集群传输制造的延迟足以让整个服务失去竞争力。只能独立计算，单 Token 成本可缩减 37.5%。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，游戏、

可行性 ：先从数据里目睹「有戏」
，

省下的钱和多出来的吞吐，」李秀红说，在两种模式间动态切换 。「芯片百花齐放是可预期的，用生产力加速生产力」这条路上一块踏实的基石。「从整体看 ，流量更多了
，就比线性结构冗长丰富
。一起推高了那个 37.5%。同时让 RLD 别停、却能得到跨机房这张通行证 。异构
、1000 个。要传给 Decode 去用。你会察觉它其实是一句相当精确的技术描述 ，被隔离在了那一小撮低命中率的请求上
。吐一个 token ，要大算力 。你处理的是一段批量输入 ，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，不需要再完成后面的接力 、别人一听就会剖析，李秀红给出了一套评价芯片的四维框架，明确排除 P-RLD，但从每一个具体请求的视角看 ，能源电力等多个垂直行业的 Agentic Infra 行业解决方案 
，之间是高速 RDMA。A 一个箭头到 B。即约 70% 到 80% 的请求命中率超过 95% ，突然卡了那么一下 。

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，「两个机房当一个机房用」听起来像一句口号，是能跑的，」由 RLD 就地跑完全流程，与 P 同处集群 A，

团队查代码察觉，再把第二块给它。基础设施要自己会优化自己，规模变大，相当于把我们能用的算力规模拉动了。不触发额外的显存拷贝；而 MD 重算这段 KV Cache 的开销 
，对此 ，

让智能无所不能 ，李秀红表示这是一个核心的技术分析 ：「从 2023 年底到现在
 ，这个收益格外大）；以及 MTP 等。

RLD 率先解码
，

李秀红解释说 ：「P 和 D 虽然分离 ，又被 Decode 阶段本身访存密集的特性给掩盖了。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
  ，等 MD 那份 KV Cache 终于收齐 ，让高命中请求轻装走 P-MD 管线」的设计背后 ，「Prefill 的首字延迟 ，传 KV Cache 又是机房内走 RDMA，PDD 方案只用了 43 张 GPU 型号 A 加 32 张 GPU 型号 B ，比如 A 芯片擅长 Prefill ，你起跑加速的时候跑得慢，」

  这件事初看不合理
  ，再接过棒继续跑。三大板块串起了一条从电能到智能的完整链路
   ，

• AI 生产力商店」：即Agentic Infra 行业解决方案
  ，把原本没办法协同做推理的集群连起来 ，能不能在做大规模的同时把效率也做到极致 ，

  编辑｜Panda

  一次 Agent 任务 ，两阶段时是线性的 ，token 的质量、MD 侧的缓存命中率会逐渐落后于 P 侧，「直观上会给人一点卡顿 ，「异构可以是单机房内的异构
  ，然后无缝接力。我们把镜头推近 ，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，而这个量很庞大 。形成正反馈，就让上一棒先替你跑一段；等你把速度提起来 ，成为了端到端延迟主要部分  。让算力规模拉动的同时
   ，带着上文反复回来」 。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 、「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）
  ，

  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，命中率上升带来的吞吐收益
  ，也就是「水管的排量够不够」
  。」降完之后，

  顺带一提 ，

  至于增长飞轮 ，」

• 优化即利润：「假设只是把规模拉动、市场上各种芯片
  、李秀红回忆道 ：「当你跟共进讲你在做跨集群 PD 分离，因而我们主张，MD 承担了剩下的 93.8%。1K 输出的场景里，鉴于「它接力的这部分 Decode 本身就更快 ，

  这里有一个必须追问的问题：90% 命中率是 PDD 的前提，跨集群的 KV 传输延迟虽然没有被消除，」换句话说 ，去找瓶颈 ，也顺带说透彻它的经济性：「高命中率是前提 ，最灵活的异构方式 。

  在 64K 总长度、会不会缓解自己的议价能力？

  「我剖析不会。

  
  
  

  最终 ，每次处理的计算工作量更小，位于集群 A。整体传输量直接降了一个数量级
  。要么提高 Cache 容量「逃离盆底」 。」

  
  
  

  跨数据中心 PD 分离基准与 PDD 的 TTFT 数据比较

  换句话说 ，却吃满带宽的「超长输入、对应的 token 定价就得低。残块越小吞吐越差
  。论文点明，同时最大化释放全域异构算力的产业应用价值。意味着我们可以少传 90% 的数据，由负载均衡的路由器去调度 ，这正是我们抛给李秀红的第一个问题
  ：一个几秒的差别，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，命中越多，而在决定服务质量的尾部 ，服务质量就会差，变成了图的依赖关系。无问芯穹就率先提出了Agentic Infra的范式；一年过去，

  这是业界早有的共识。几十毫秒到；一条走 TCP 经广域以太网给远端的 MD，第一步是带宽的可行性，可扩展的算力底座。主解码）
  ，而经济型的跨机房以太网，整个从线性的箭头关系，多轮、20、中间低
  。「过去一年推理成本降了 10 倍」
  ，」

• Catch-Up Handoff（追赶式交接） ：把一次性交接拆成多批。

  顺带一提，又无法与其他请求拼接的「末尾残块（Tail Chunk）」，

  为什么要 PD 分离：让专业的人做专业的事

  要理解 PDD ，

• MD 实例（Main Decode ，这也正是 PDD 那套「只给低命中率的异常请求做延迟掩盖、异构的算力资源统一集聚、用户等的从来不是「一句话」 。几百个，也许有人能接受 TTFT 50 秒那个量级的服务
  ，但当李秀红把接力赛的比喻讲完，PDD 只是无问芯穹这次 WAIC 发布里的一个切面。这不太恐怕吧 ？天方夜谭 。门槛更低 ，

  先看论文给出的一个数字 。而这是一个小得多  、补齐它们对应的 KV Cache 再吐出下一个 。多少真机之上。完全达不到业务要求。它出色的解码能力就会被浪费掉
  。李秀红传递说：「一启动做推理服务，

  在这个意义上
  ，40%
  、得先理解它的地基，它对显存容量和显存带宽的要求都比 Prefill 更高
   。以 Agent 能力驱动整套 AI Infra 形成自主迭代、在 MD 那份还在网上爬的这数秒到数十秒中，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%，我们就意识到需要用 PDD 把它们连起来 、相对于集群里的机器成本
  ，单个 token 的 KV Cache 或许在 10KB 到七八十 KB 之间；取个中间值 50KB
  ，恰恰在于它能同时对上这两句话 。可以根据 RLD 的实时负载，多出来的 2.5 秒，延迟完全满足不了业务要求。也故而，更多需求就被释放出来。其核心则在于规模与效率

  而这条主线中，收益成本比）
  ，才是这一代 AI 基础设施真正的分水岭。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 。当前已在全国部署触达超 37,000P 算力 、」

  而假设不把 PD 拆开，「因而我们察觉，盘活了广域分散的异质算力。弹性调度、但你强行让它做 Prefill，请求的平均前缀命中率能达到 90% 。还有过时的芯片
  ，」成本降下来 ，重新安排时间的顺序 ，让 AI 的价格更低、李秀红也指出，优化省下的更接近直接的毛利。论文中把这批 token 称为 Eager Output Tokens（急切输出 token）。不再传给 MD
   ，这多出来的计算量几乎不额外增强延迟 。同机房内做 PD 分离，他用工厂的水管作比 。不如说是它的立身之本。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 ，

  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） ，把它传到解码集群需要超过 180 Gbps 的带宽
  。这会完全在传输上成为瓶颈。就会出现命中率越高越亏钱
  。而基础设施决定智能能落到多少算力、」而直接用以太网传 ，而是一道乘法题

  与此同时，命中率影响的只是 PDD 性价比。投机解码是同类
  ：普通解码一步只吃一个 token ID 、把散落的、根本传不动 Prefill 集群产生出来的 KV Cache ，

  论文的 Microbenchmark 给出了一组对比 ：在广域以太网上直传增量 KV Cache，

  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 ，」

  PDD 把这条流水线变成了四阶段：Prefill、针对的是那种极少出现、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 ，把跨集群做好 ，效果不打折 ，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，延迟均值 185 毫秒但峰值冲到 512.6 毫秒，李秀红说 ：「更麻烦的是依赖关系。而不是 KV Cache

    现在可以拆解 PDD 本身了。而延展解码一次并行处理多个 token ID、你只要知道 A 和 B 的生产能力，超短输出」请求
     。对这样一家公司，该架构在实现了首 Token 延迟（TTFT）缩减 51.5% 的同时，「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 ，

    • 算力即收入 ：「现在算力整体还是供不应求，但它撞上了一堵墙 ：两个机房之间要传 KV Cache。两个 、再去做任务均衡、有效吞吐与硬件成本之比 。因而可行性分析是我们整个工作的基础。在本地重算出这段增量 KV Cache
      ，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，我们主张这一下对 MD 的卡顿影响比较大，一定是未来优化的核心因素。新硬件加新模型本身就会带来优化空间。李秀红给出了格外清晰的画像：「Prefill 是用户把一整段话给你，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，明年恐怕 100 个、持续降下去  。「P99 已经快 30 秒了
      ，P90 的 TTFT 是 18.3 秒，好处是 RLD 占用时间最短，而 SLA 内的有效吞吐（RPS）高出约 27.8% 。在 7 月 20 日 2026 年世界人工智能大会上，让对方自己把中间过程重算出来，

      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，处理延迟的可行性就是 PDD 这个工作的要紧。」

      
      
      

      为什么要追求异构？根子在于国产芯片的现状。往往很难做到四个维度都和英伟达一个量级。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
      ，Decode。价格降下来  ，命中 Cache 的 token 只按未命中部分的 10% 到 25% 收费 。要数秒。这是一个正反馈 ：把成本压下去，」李秀红的回答落在了需求侧，几秒
      、当 KV Cache 命中率优化之后
      ，」

      而在尾部，这些区间覆盖范围从 0%-90% 到 99%-100%。会释放新的优化空间，还是重写整条从算力到 Token 到生产力的转化链 ？

      总结起来，覆盖 16 种主流芯片 ，一个 100K 长度的请求 ，

      一颗在 Prefill 上平平无奇 、而当一个概念变成标配
      ，也可以是跨机房的异构。吞吐会突然掉下去 。问题在于 ，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 ，

      但排量够，视角恐怕就是几十台。这 10 倍是怎么来的？李秀红把它归到几个持续积累、

      成本的账 ：10 倍从哪来 ，更多需求涌进来 。」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，」

      
      
      

      探讨观察到，「传统 PD 分离严格来讲也是三阶段：Prefill、命中率越高，我们作为 token 服务工厂，「我们公司的目标就是把 token 的成本缩减一个、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，为模型与应用层筑牢充足、标准差只有 4.8 毫秒。

      就在这道缺口最紧张的地方 ，就像第一个 token 出来的时候，也可解得多的问题
      。英伟达做得最好
      。在流水线本身。核心目标是用极致效率服务 Token 的规模化、

      真正难的部分，B 芯片擅长 Decode。

    
    
    

    PDD 的三层跨数据中心 PD 分离架构示意图

    对于这个机制，看待效率的方式就不一样了 ，这格外反直觉。听起来不多
    。实测显示，医疗 、即在满足 SLA 的前提下，一定会出现各种各样有自己专长的芯片，但最大延迟被牢牢摁在 321.4 毫秒 ，比如它恐怕侧重 Decode
    ，1∼20 秒之间波动的跨集群 KV 传输延迟，」同时，

    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
    、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，通常只能提供 10 到 100 Gbps。其实不少都有机会用起来 。以太网传输 、这个词几乎成了行业标配。」

    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 、细想却相当合理 。90% 命中、还要保证它的延迟满足要求。

    大模型推理有两个阶段
    ，又用真实模型实测，为什么值得专门去优化？

    「这其实是个格外核心的点。

    PDD 给出的对策是只保留 P-MD 和 P-RLD-MD 两条管线 、集群从一两个变成几十、PDD 的总硬件成本反而比基线低了约 3.5% 到 7.1%，

    • P 实例（Prefill），模型架构和硬件都在迭代，PDD 这类技术会是必不可少的
      。但是却丝毫不影响用户体验了 。你光传输就用掉 29.7 秒，而对于这些短输出请求，我们适当优化一下专线的规模就行。KV Cache 同时走两条路：一条走 RDMA 给同机房的 RLD，才谈得上是高质量的 token 服务。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，无问芯穹为这次发布提炼的一句话是「算力即收入 ，Extend-Decode 普通上和 MTP（多 token 预测）、再让成本进一步下降。但 Decode 每个 token 都是 10 、延迟均值虽略高（305 毫秒） ，2.5 秒是中位数请求的账。RLD 已经启动向用户输出 token 了
      。优化即利润」

      采访最终
      ，但强调「跟实际业务类型有关
      ，控制  、把一份庞大的状态从容地搬过去。让两条管线都终结在 MD  ，话题回到了商业 。两者负载相差约 15.2 倍 。执行预填充，本平台仅提供信息存储服务  。」

      PDD 解决的是一个具体的工程问题：如何在两个机房之间，80 个并发的 64K 请求产生的 KV Cache 也需要约 23GB 存储 ，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） ，但不一定非得是 90% 。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。70% 命中率附近 ，而一个集群每秒要处理几十个这样的请求  。假设被绑死在耦合部署里，现在变成了非线性 ，就先给它一部分，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。调度会产生一些很小的 、」

    有一点值得点出 ：对于自建机房的云厂商，这个数字变成 6.7 秒。「P50 你可以理解成只有一半的请求。基于解码阶段本就是访存密集，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），专线带宽和集群产能就落到了同一个量级。论文给了两种模式 ，传输负载只有 1.5 KB，又用延迟掩盖把这份规模守在高质量的服务水位上
    。接力解码）
    ，MD 用 Token ID 加上从 P 收到的 KV Cache，无问芯穹给出了自己的答案。得到的收益曲线呈「浴盆」形 ：两端高 、

  值得点出的是：早在 2025 年，」

  「算力即收入，一个集群部署的台数就要变多：从 10 台到 100 台，无问芯穹对此的回答是：需求的形状变了，比如 PD 配比能做得更精细。SLA 还维护在高质量的范畴中。乘上工具调用带来的几十轮交互，智能体是「一问
  、那 2.5 秒会迅捷膨胀 ：按 PDD 论文，前缀缓存已经是推理完善的「一等公民」，即融合新硬件和新模型，在 Decode 上却远超基线的芯片 ，30 毫秒量级的  ，」他当场算了一笔账：主流的 1T 级别旗舰模型，与其说是加分项，

  这种偏斜很有用 ：充足高命中请求的传输包极小，「两阶段的生产消费关系格外容易配平，同时完全免疫网络波动和排队。极大优化大模型推理效率 ，90% 前缀命中率下，

  第三步，带宽是可行的，各种芯片的配比就固定了，不太会传繁多的数据面内容。对齐。让更多用户能用 。」

  结语

  把视线拉长到三年，」这样就把一次大的卡顿 ，专线的成本还是格外低的。」

  也故而 ，李秀红用了一个贴切的接力赛比喻：「就像跑步，用户进来，KV Cache 就是 GB 级别。灵活性也有问题。还要额外背 24.5 毫秒的显存拷贝开销；而本地重算的方案 
  ，化成了多次感官上无法察觉的小交接。同时是 CPU 数据，这个偏差会反过来把更多负载甩回 RLD ，这就是技术平权。但延迟不可行。优化即利润」
  。要求格外高。整体效果格外好。Decode 是一个 token 接一个 token 地往外吐
  ，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
  ，让计算跑赢传输

  而把镜头再拉远 ，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
  ，是 KV Cache 在广域以太网上爬行的时间
  。打造覆盖文娱、每一轮几秒钟的延迟
  ，

  常见问题

  这篇内容讲了什么？

  编辑｜Panda一次 Agent 任务，用户等的从来不是「一句话」。智能体是「一问、多轮、带着上文反复回来」。执行过程中，每一轮几秒钟的延迟，乘上工具调用带来的几十轮交互，最终会在整个工作流上累积成十

  内容来源可信吗？

  内容来自不了了之网编辑团队整理发布。