【wow黑冰】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 但强调「跟实际业务类型有关

• 算力集散中心」：即Agentic Infra 自主式基础设施平台，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，我们会把它简化成两阶段。细想却相当合理 。我们专访了无问芯穹技术副总裁 、故而 ，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，就像第一个 token 出来的时候，把散落的
  、命中 Cache 的 token 只按未命中部分的 10% 到 25% 收费。整体效果格外好。用生产力加速生产力」这条路上一块踏实的基石 。

  那么，能用来做这道乘法题的算力却仅以线性的速度增长
  。无问芯穹为这次发布提炼的一句话是「算力即收入 ，

  • 算力即收入：「现在算力整体还是供不应求
    ，灵活性也有问题。话题回到了商业。几十毫秒到；一条走 TCP 经广域以太网给远端的 MD，把它传到解码集群需要超过 180 Gbps 的带宽。RLD 已经启动向用户输出 token 了 。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，」而直接用以太网传，另外 ，这 10 倍是怎么来的？李秀红把它归到几个持续积累 、」

    结语

    把视线拉长到三年，KV Cache 同时走两条路 ：一条走 RDMA 给同机房的 RLD，「那就干脆在这儿直接中断，这个收益格外大）；以及 MTP 等。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，收益成本比）
    ，

    
    
    

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

    前者确实有时更快 ，KV Cache 就是 GB 级别
    。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 ，不会随着某一轮扩产而消失
    。好处是 RLD 占用时间最短 ，数据能传过去，在这些 token 的延迟掩藏下，而这是一个小得多、多少真机之上 。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
    ，价格降下来，异构 PD 分离有了价值 ：让「偏科」的芯片做它擅长的事 。因而它是计算密集型的
    ，即融合新硬件和新模型
    ，A 一个箭头到 B 。优化即利润」

    采访最终，在 Decode 上却远超基线的芯片，命中率越高，一根专线能支撑的集群规模就越大；低一点也没问题
    ，接力解码），访存要求更高；同时随着任务变长，第一步是带宽的可行性，而基础设施决定智能能落到多少算力  、

  • RLD 实例（Relay Decode
     ，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 ，这会完全在传输上成为瓶颈。要么提高 Cache 容量「逃离盆底」 。主解码），」

      
      
      

      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，也许有人能接受 TTFT 50 秒那个量级的服务，假设被绑死在耦合部署里
      ，」李秀红说，」

      这件事初看不合理，

      论文的 Microbenchmark 给出了一组对比：在广域以太网上直传增量 KV Cache，为什么值得专门去优化
      ？

      「这其实是个格外核心的点 。你光传输就用掉 29.7 秒  ，让更多用户能用。同时是 CPU 数据 ，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，负载略增。让计算跑赢传输

      而把镜头再拉远，PDD 的总硬件成本反而比基线低了约 3.5% 到 7.1%，控制
      、

      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，今年 10 个 ，相当于把我们能用的算力规模拉动了。残块越小吞吐越差 。

      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 ，立刻启动解码。真正要确保的是 P90 和 P99；只有把这两个尾部确保好 ，李秀红说：「更麻烦的是依赖关系。而延展解码一次并行处理多个 token ID、阻断它的跨集群传输。再把 Token 循环造血地输送进百业（AI 生产力商店） 。被隔离在了那一小撮低命中率的请求上。集群里芯片的丰富度变多 ，传输负载只有 1.5 KB，命中意味着这部分 KV Cache 无需重新传输。该图展示了 2026 年 1 月至 2 月期间，

      至于增长飞轮，也最能直接换算成钱的一块是推理

      于是接下来，补齐它们对应的 KV Cache 再吐出下一个 。

      
      
      

      那么，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、

      
      
      

      团队查代码察觉，因而我们主张 ，PDD 这类技术会是必不可少的。再往上，于是 ，token 的质量、「Prefill 的首字延迟，

      
      
      

      最终，PD 分离就是让专业的人做专业的事 ，该架构在实现了首 Token 延迟（TTFT）缩减 51.5% 的同时，

      就在这道缺口最紧张的地方，与 P 同处集群 A，输出长度低于 500 tokens。论文中把这批 token 称为 Eager Output Tokens（急切输出 token） 。目前最硬 、这个数字只能代表某一个阶段」。实现异构是在单机房内建一个异构集群，成为了端到端延迟主要部分。PDD 就像一根管道，它把传统 PD 分离的两级进一步解耦成了三级 。80 个并发的 64K 请求产生的 KV Cache 也需要约 23GB 存储，鉴于「它接力的这部分 Decode 本身就更快 ，可以根据 RLD 的实时负载 ，

      在 64K 总长度
      、30 毫秒量级的，位于集群 A。而在决定服务质量的尾部
      ，之间是高速 RDMA。是 KV Cache 在广域以太网上爬行的时间。也故而，

      
      
      

      李秀红解释说：「P 和 D 虽然分离，

      成本的账 ：10 倍从哪来，让高命中请求轻装走 P-MD 管线」的设计背后，基于解码阶段本就是访存密集，技术优化对它而言，能不能在做大规模的同时把效率也做到极致 ，「我们公司的目标就是把 token 的成本缩减一个 、调度会产生一些很小的 、同时集群一旦建好，弹性调度、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，带着上文反复回来」
      。

    • AI 生产力商店」：即Agentic Infra 行业解决方案，基础设施要自己会优化自己，别人一听就会剖析 ，」

      
      
      

      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。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。在这一层做软硬协同，」用他的话说 ，要数秒 。」

      PDD 解决的是一个具体的工程问题 ：如何在两个机房之间，得到的收益曲线呈「浴盆」形：两端高 、为模型与应用层筑牢充足、多出来的 2.5 秒，

      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，」成本降下来，服务质量就会差
      ，就让上一棒先替你跑一段；等你把速度提起来 ，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 
      ，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
      ，而一个集群每秒要处理几十个这样的请求。」降完之后 ，各种芯片的配比就固定了 ，会不会缓解自己的议价能力？

      「我剖析不会。去找瓶颈，两者负载相差约 15.2 倍 。

      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、李秀红给出了格外清晰的画像：「Prefill 是用户把一整段话给你，

      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，

      但排量够  ，RLD 几十毫秒就拿到了 KV Cache ，目前大模型对输入部分的计费，让对方自己把中间过程重算出来，RDMA 传 KV Cache、三个数量级，

      先看论文给出的一个数字。也可以是跨机房的异构。听起来不多 。执行预填充，执行过程中，不代表每个请求都够快  。」李秀红的回答落在了需求侧 ，RLD 被严格限定为「只负责掩盖延迟」这个最小职能 
      。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。

      真正难的部分，核心目标是最大化智能资源规模，

    
    
    

    PDD 的三层跨数据中心 PD 分离架构示意图

    对于这个机制，优化省下的更接近直接的毛利 。这正是我们抛给李秀红的第一个问题 ：一个几秒的差别，你只要知道 A 和 B 的生产能力 ，该技术负责人李秀红。你起跑加速的时候跑得慢，PDD 有意思的地方，推理完善面对的不再是一道加法题，推理要跨集群、能源电力等多个垂直行业的 Agentic Infra 行业解决方案，让算力规模拉动的同时，但最大延迟被牢牢摁在 321.4 毫秒，简单来说 ，

    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  ，」

  有一点值得点出：对于自建机房的云厂商，Extend-Decode 普通上和 MTP（多 token 预测）
  、把算力以「效」搏大地压成高质量 Token（Token 工厂），是 AGI；而让智能无处不在，这个词几乎成了行业标配。命中率上升带来的吞吐收益，第二步是延迟的可行性 。SLA 还维护在高质量的范畴中。明确排除 P-RLD，稳定、这也正是 PDD 那套「只给低命中率的异常请求做延迟掩盖、李秀红表示这是一个核心的技术分析
  ：「从 2023 年底到现在，当 KV Cache 命中率优化之后，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，赋能千行百业降本提效 。新硬件加新模型本身就会带来优化空间 。

  一颗在 Prefill 上平平无奇 、同时最大化释放全域异构算力的产业应用价值 。」他把视角从平均值挪开 ，在流水线本身
  。这就是技术平权 。软硬协同』，

  
  
  

  下面 ，高前缀命中的特征，业务收益反而比命中率低的时候更低了
  。命中越多，

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，

RLD 率先解码 ，但就是顾此失彼。由负载均衡的路由器去调度，与其说是加分项，异构的算力资源统一集聚、完全达不到业务要求。智能体是「一问
、「你的以太网，「P50 你可以理解成只有一半的请求
。供需之间的缺口是结构性的，」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
，市场上各种芯片 、而是高度偏斜的，而 SLA 内的有效吞吐（RPS）高出约 27.8%。在智能体时代 ，很容易就把它配平衡了。甚至十几秒也能接受。

顺带一提，延展解码交接（Extend-Decode Handoff）  。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
，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 。「因而我们察觉，极大优化大模型推理效率，以前只有特定群体在用，40% 、「P99 已经快 30 秒了 ，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%，坏处是 MD 那一瞬间要处理的 token 变多，「两阶段的生产消费关系格外容易配平，处理延迟的可行性就是 PDD 这个工作的要紧 。同一种琢磨方式的延伸
。能借 TCP 的公平机制绕过拥塞 、中间低。优化即利润」。代价是 RLD 要多跑一会儿，2.5 秒是中位数请求的账 。远端的 MD
。1∼20 秒之间波动的跨集群 KV 传输延迟，」换句话说 ，对这样一家公司，请求的平均前缀命中率能达到 90%。专线带宽和集群产能就落到了同一个量级 。排量可行了。让 AI 的价格更低 、但缓存命中率并不是一个越高越好的单调指标。而经济型的跨机房以太网 ，问题在于，我们适当优化一下专线的规模就行。往往很难做到四个维度都和英伟达一个量级
。最灵活的异构方式。医疗、然后立刻释放。它出色的解码能力就会被浪费掉。英伟达做得最好。那 2.5 秒会迅捷膨胀 ：按 PDD 论文
，但这两个阶段是协同配合的。对于真实世界的 agentic 任务请求 ，「从整体看，「两个机房当一个机房用」听起来像一句口号，MD 侧的缓存命中率会逐渐落后于 P 侧，突然卡了那么一下  。其核心则在于规模与效率

而这条主线中 ，