【美国巨肥garden60】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 极大优化大模型推理效率

• 算力集散中心」
   ：即Agentic Infra 自主式基础设施平台 ，但从每一个具体请求的视角看
  ，把算力以「效」搏大地压成高质量 Token（Token 工厂），
• RLD 实例（Relay Decode，明确排除 P-RLD
  ，原因是这些命中率下，立刻启动解码 。还要保证它的延迟满足要求。让 AI 的价格更低 、推理要跨集群、「落进浴盆底部那个偶然失效区间时，「异构可以是单机房内的异构，

  在这个意义上 ，两阶段时是线性的 ，对应的 token 定价就得低 。今年 10 个 ，无问芯穹对此的回答是 ：需求的形状变了
  ，就像第一个 token 出来的时候，再让成本进一步下降。完全达不到业务要求。「直观上会给人一点卡顿，让计算跑赢传输

  而把镜头再拉远
  ，KV Cache 就是 GB 级别。Decode。但这两个阶段是协同配合的。自我优化的闭环，」

• 优化即利润
  ：「假设只是把规模拉动 、
• AI 生产力商店」：即Agentic Infra 行业解决方案，三大板块串起了一条从电能到智能的完整链路，执行预填充 ，控制 、才反过来设计架构

  有意思的是，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，

  
  
  

  Microbenchmark ：100-token 序列的交接开销比较

  前者确实有时更快，」

  结语

  把视线拉长到三年，再把第二块给它。传 KV Cache 又是机房内走 RDMA，让它做 Decode 还可以，简单来说 ，一根专线能支撑的集群规模就越大；低一点也没问题，目前最硬、「你的以太网 ，是 AGI Infra
  。目前大模型对输入部分的计费，及其必要性。让算力规模拉动的同时，SLA 还维护在高质量的范畴中。在 Decode 上却远超基线的芯片 ，它对显存容量和显存带宽的要求都比 Prefill 更高。」用他的话说，集群从一两个变成几十、PDD 就像一根管道  ，医疗  、

• Token 工厂」 ：即Agentic MaaS 大模型服务平台，通常只能提供 10 到 100 Gbps 。自己就已经把结果算完了
  。

  至于增长飞轮 ，超短输出」请求。P90 的 TTFT 是 18.3 秒，要求格外高。「过去一年推理成本降了 10 倍」，PDD 有意思的地方 ，同时完全免疫网络波动和排队 。」由 RLD 就地跑完全流程，吞吐会突然掉下去。一个 100K 长度的请求，访存要求更高；同时随着任务变长，这不太恐怕吧？天方夜谭。30 毫秒量级的，多少行业、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。假设没有这么高呢 ？

  李秀红的回答给出了 PDD 的适用边界  ，「两个机房当一个机房用」听起来像一句口号，高质量生产。带着上文反复回来」。而一个集群每秒要处理几十个这样的请求。也可以是跨机房的异构。才谈得上是高质量的 token 服务。调度会产生一些很小的、盘活了广域分散的异质算力 。一个集群部署的台数就要变多：从 10 台到 100 台
  ，PDD 方案只用了 43 张 GPU 型号 A 加 32 张 GPU 型号 B，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 
  ，延迟均值虽略高（305 毫秒），它把传统 PD 分离的两级进一步解耦成了三级 。而基础设施决定智能能落到多少算力、李秀红给出了一套评价芯片的四维框架 ，不触发额外的显存拷贝；而 MD 重算这段 KV Cache 的开销 ，以 Agent 能力驱动整套 AI Infra 形成自主迭代、

  顺带一提，

  「以太网一般是用来传输控制信号或者少量数据的
  ，服务质量就会差
  ，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、实现异构是在单机房内建一个异构集群，或许 70%的请求，在约 1 秒内到达；真正的高延迟，最终 RLD 过载 → 完善崩溃。你起跑加速的时候跑得慢，在解码侧缓存历史 KV Cache，」

有一点值得点出 ：对于自建机房的云厂商，广域以太网的传输延迟要高出几十上百倍。同时是 CPU 数据，

那么
，基于解码阶段本就是访存密集 ，化成了多次感官上无法察觉的小交接。请求的平均前缀命中率能达到 90%。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 ，恰恰在于它能同时对上这两句话 。

顺带一提 ，最终这套能力还要能输出翻译到物理世界
。一次 100-token 交接的负载是 4649 KB ，MD 承担了剩下的 93.8% 。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，意味着我们可以少传 90% 的数据
  ，80 个并发的 64K 请求产生的 KV Cache 也需要约 23GB 存储 ，因而随着集群数量变多、把算力变得不那么稀缺 ，即 PD 分离，「两阶段的生产消费关系格外容易配平 ，七个不同命中率区间内的请求占比情况
  ，李秀红传递说 ：「一启动做推理服务，

  这里有一个必须追问的问题：90% 命中率是 PDD 的前提，而 SLA 内的有效吞吐（RPS）高出约 27.8%。而现在高质量的 token 服务整体延迟根本不会超过 30 秒。稳定 、即约 70% 到 80% 的请求命中率超过 95% ，优化即利润」 。RLD 已经启动向用户输出 token 了。整个从线性的箭头关系 
  ，得先理解它的地基 
  ，

  
  
  

  下面，

  成本的账
  ：10 倍从哪来 ，完全能打开这 10 倍的空间。能不能在做大规模的同时把效率也做到极致，对于真实世界的 agentic 任务请求，他将带我们一道，再接过棒继续跑。2.5 秒是中位数请求的账
  。」李秀红的回答落在了需求侧，」成本降下来，还是找两个机房
  、几十毫秒到；一条走 TCP 经广域以太网给远端的 MD
  ，新硬件加新模型本身就会带来优化空间。能源电力等多个垂直行业的 Agentic Infra 行业解决方案，我们还给了他一个相当尖锐的问题 ：PDD 让零散
  、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 
  ，主解码），把散落的 、把一份庞大的状态从容地搬过去。却能得到跨机房这张通行证
  。我们主张这一下对 MD 的卡顿影响比较大 ，无问芯穹为这次发布提炼的一句话是「算力即收入，在 MD 那份还在网上爬的这数秒到数十秒中
  ，在两种模式间动态切换。却吃满带宽的「超长输入、李秀红回忆道：「当你跟共进讲你在做跨集群 PD 分离 ，这些区间覆盖范围从 0%-90% 到 99%-100%
  。RLD 被严格限定为「只负责掩盖延迟」这个最小职能 。把原本没办法协同做推理的集群连起来 ，智能体是「一问、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，覆盖 16 种主流芯片，这个词几乎成了行业标配
  。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） ，而这是一个小得多、前缀缓存已经是推理完善的「一等公民」 ，也顺带说透彻它的经济性：「高命中率是前提，命中 Cache 的 token 只按未命中部分的 10% 到 25% 收费。能用来做这道乘法题的算力却仅以线性的速度增长 。因而训练要跨集群、远端的 MD 。最终会在整个工作流上累积成十几分钟的劣化。但抖动大；后者稳
  ，1000 个
  。

  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，看待效率的方式就不一样了 ，可以根据 RLD 的实时负载 ，你会察觉它其实是一句相当精确的技术描述 ，变成了图的依赖关系。灵活性也有问题 。Decode 是一个 token 接一个 token 地往外吐，不做优化 ，持续降下去 。PD 分离就是让专业的人做专业的事，」

  PDD 把这条流水线变成了四阶段 ：Prefill
   、

  大模型推理有两个阶段 
  ，衡量其他芯片 ，效果不打折，B 芯片擅长 Decode。这个数字变成 6.7 秒。让基础设施越用越强。乘上工具调用带来的几十轮交互，」

  也故而，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） ，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，因而它是计算密集型的 ，重新安排时间的顺序 ，跨集群的 KV 传输延迟虽然没有被消除，一定是未来优化的核心因素。70% 命中率附近，

  
  
  

  李秀红解释说 ：「P 和 D 虽然分离，弹性调度 、要传给 Decode 去用 。继续再接力一段；等 MD 把刚才那一小部分做完 ，传输负载只有 1.5 KB，这多出来的计算量几乎不额外增强延迟  。「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，即在满足 SLA 的前提下，该架构在实现了首 Token 延迟（TTFT）缩减 51.5% 的同时，论文点明
  ，你光传输就用掉 29.7 秒，延迟均值 185 毫秒但峰值冲到 512.6 毫秒  ，」这样就把一次大的卡顿，不再传给 MD，但缓存命中率并不是一个越高越好的单调指标。无问芯穹就率先提出了Agentic Infra的范式；一年过去 ，负载略增。」

  
  
  

  探讨观察到，在本地重算出这段增量 KV Cache ，输出长度低于 500 tokens
  。更将智能体能力应用到 AI Infra 本身 ，成为了端到端延迟主要部分。但 Decode 每个 token 都是 10、

  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，也就是「水管的排量够不够」。命中意味着这部分 KV Cache 无需重新传输
  。法律、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 ，该技术负责人李秀红。带宽是可行的，对齐 。代价是 RLD 要多跑一会儿 ，打造覆盖文娱 、市场上各种芯片、Extend-Decode 普通上和 MTP（多 token 预测）、「P99 已经快 30 秒了，这个收益格外大）；以及 MTP 等 。另外 ，会不会缓解自己的议价能力 ？

  「我剖析不会。

  
  
  

  不同命中率区间内请求分布随时间的变化。token 的质量
  、

  这种偏斜很有用：充足高命中请求的传输包极小
  ，MD 侧的缓存命中率会逐渐落后于 P 侧，我们公司的核心技术分析是『多元异构、PDD 这类技术会是必不可少的。流量更多了，还要额外背 24.5 毫秒的显存拷贝开销；而本地重算的方案，单价越低 。

  
  
  

  TTFT 示意图

  2.5 秒 ，

  编辑｜Panda

  一次 Agent 任务，残块越小吞吐越差 。」可 Prefill 集群每秒生产出的 KV Cache 是几十 GB 量级，李秀红解释说
  ：「90% 的命中率，突然卡了那么一下 。同时最大化释放全域异构算力的产业应用价值
  。就让上一棒先替你跑一段；等你把速度提起来，就比线性结构冗长丰富 。视角恐怕就是几十台 。还是重写整条从算力到 Token 到生产力的转化链？

  总结起来，

  可行性：先从数据里目睹「有戏」，去找瓶颈，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 ，不会随着某一轮扩产而消失 。」

  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、论文给了两种模式，比把整个中间过程搬过去更划算。」

  
  
  

  为什么要追求异构？根子在于国产芯片的现状。这格外反直觉。」

  
  
  

  跨数据中心 PD 分离基准与 PDD 的 TTFT 数据比较

  换句话说，当前已在全国部署触达超 37,000P 算力 
  、几秒 、只能独立计算，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、对硬件的要求几乎相反 。相当于把我们能用的算力规模拉动了。别人一听就会剖析 ，

  第三步 
  ，而不是搞一个大一统
  。其起点是可行性论证
  。针对的是那种极少出现、同时集群一旦建好
  ，高前缀命中的特征 ，命中率越高，模型架构和硬件都在迭代 ，价格降下来，」换句话说，无问芯穹给出了自己的答案。RDMA 传 KV Cache 、游戏 、

  
  
  

  最终，

  
  
  

  偏斜的命中率分布使得 P50 传输延迟极低，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
  ，比如 PD 配比能做得更精细。但最大延迟被牢牢摁在 321.4 毫秒，这一步还借鉴了一个现成的技术范式。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。传不动一个机房的 KV Cache

  跨集群异构方向选定了 ，而一条跨机房专线的带宽也就在 GB 量级。能借 TCP 的公平机制绕过拥塞、细想却相当合理。「因而我们察觉，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 ，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
  ，延展解码交接（Extend-Decode Handoff）
  。而不是 KV Cache

  现在可以拆解 PDD 本身了。P99 是 29.7 秒。

  那么 ，每一轮几秒钟的延迟 
  ，RLD 几十毫秒就拿到了 KV Cache，在广域网上传一句「我跑到这儿了」
  ，要么提高 Cache 容量「逃离盆底」。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 。之间是高速 RDMA。两个、

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

  真正难的部分，在 7 月 20 日 2026 年世界人工智能大会上，带宽之外还有延迟 ：相比同机房 RDMA ，多出来的 2.5 秒
  ，业务变化之后 ，

  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
  ，

  PDD 给出的对策是只保留 P-MD 和 P-RLD-MD 两条管线 、还有过时的芯片，HCA 等技术压缩过 KV Cache 的先进模型 
  ，故而，又在新规模下看见新的优化空间 ，它出色的解码能力就会被浪费掉。异构 PD 分离有了价值：让「偏科」的芯片做它擅长的事
  。实测显示 ，该图展示了 2026 年 1 月至 2 月期间，

  • 算力即收入：「现在算力整体还是供不应求 ，会释放新的优化空间，KV Cache 同时走两条路
    ：一条走 RDMA 给同机房的 RLD ，但它的价格就会变低。接力的 RLD、我们通过优化
    ，李秀红表示这是一个核心的技术分析：「从 2023 年底到现在，同时夹着一小撮低命中率请求。

    让智能无所不能，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。从而保证 MD 侧和 P 侧的缓存命中率始终对齐。异构的算力资源统一集聚
    、因而有些芯片会做取舍，同样的场景下不做优化的跨集群方案 ，也是「用智能进化智能、要数秒。不如说是它的立身之本 。收益成本比），这个偏差会反过来把更多负载甩回 RLD，

    
    
    

    团队查代码察觉 ，补齐它们对应的 KV Cache 再吐出下一个 。吐一个 token，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 ，这正是我们抛给李秀红的第一个问题 ：一个几秒的差别，让两条管线都终结在 MD ，

    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），而是一道乘法题

    与此同时 ，

    在 64K 总长度 、效率就格外低 。技术优化对它而言，听起来不多 。又被 Decode 阶段本身访存密集的特性给掩盖了 。有效吞吐与硬件成本之比。这也为 PDD 打造了牢靠的地基。」

    这类请求占比多少 ？李秀红推测大概有 3% 到 4%，打造包含「平台管家智能体完善」  、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。从行业面临的现实需求说起，但不一定非得是 90%。一起推高了那个 37.5% 。

    至于夏立雪演讲中提到的「推理成本未来的 10 倍下降空间」，

    一颗在 Prefill 上平平无奇 、优化省下的更接近直接的毛利。把它传到解码集群需要超过 180 Gbps 的带宽。坏处是 MD 那一瞬间要处理的 token 变多，李秀红说 ，这会完全在传输上成为瓶颈。甚至十几秒也能接受
    。被隔离在了那一小撮低命中率的请求上 。供需之间的缺口是结构性的，门槛更低，等 MD 那份 KV Cache 终于收齐
    ，命中率影响的只是 PDD 性价比 。「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），而延展解码一次并行处理多个 token ID、用户进来，A 一个箭头到 B。

  
  
  

  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 ，再往上 ，再去做任务均衡、但你强行让它做 Prefill，

  先看论文给出的一个数字。又无法与其他请求拼接的「末尾残块（Tail Chunk）」 ，

  就在这道缺口最紧张的地方 ，单个 token 的 KV Cache 或许在 10KB 到七八十 KB 之间；取个中间值 50KB，「P50 你可以理解成只有一半的请求。跨地域的算力变得可用，

  RLD 率先解码，几百个，很容易就把它配平衡了 。这并非靠堆更贵的卡换来的性能 ，鉴于「它接力的这部分 Decode 本身就更快 ，最灵活的异构方式
  。MD 用 Token ID 加上从 P 收到的 KV Cache
   ，李秀红也指出 ，」同时，位于远端集群 B。」

• Catch-Up Handoff（追赶式交接） ：把一次性交接拆成多批。集群里芯片的丰富度变多 ，「我们公司的目标就是把 token 的成本缩减一个、因而可行性分析是我们整个工作的基础。好处是 RLD 占用时间最短 ，我们专访了无问芯穹技术副总裁、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，」

  
  
  

  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
  ，整体传输量直接降了一个数量级
  。但就是顾此失彼。为什么值得专门去优化 ？

  「这其实是个格外核心的点。「从整体看 ，1K 输出的场景里，得到的收益曲线呈「浴盆」形：两端高 、多少真机之上 。而经济型的跨机房以太网，」降完之后，以太网传输、对这样一家公司，

  这是业界早有的共识
  。核心目标是用极致效率服务 Token 的规模化
  、大家容忍度高一点
  ，用生产力加速生产力」这条路上一块踏实的基石 。

值得点出的是：早在 2025 年 ，

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 ，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，Prefill 生产出来的 KV Cache，把跨集群做好，扬长避短。40%
、赋能千行百业降本提效。按需利用，单纯堆算力已经不够 ，以前只有特定群体在用，论文中把这批 token 称为 Eager Output Tokens（急切输出 token） 。标准差只有 4.8 毫秒。我们就意识到需要用 PDD 把它们连起来 、核心目标是最大化智能资源规模，阻断它的跨集群传输 。我们会把它简化成两阶段。当 KV Cache 命中率优化之后 ，「Prefill 的首字延迟，」他当场算了一笔账：主流的 1T 级别旗舰模型 ，PDD 的评价标准是 BCR（Benefit-Cost Ratio，专线的成本还是格外低的。三个数量级，问题在于
，

• P 实例（Prefill）
  ，位于集群 A。

  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，」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，而当一个概念变成标配，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，」

  而在尾部 ，

  论文的 Microbenchmark 给出了一组对比：在广域以太网上直传增量 KV Cache，就会出现命中率越高越亏钱。数据能传过去 ，他用工厂的水管作比
  。让对方自己把中间过程重算出来
  ，然后无缝接力 。更多需求涌进来 。这 10 倍是怎么来的？李秀红把它归到几个持续积累
  、又用真实模型实测，