【A1人脸替换迪丽热巴造梦超清】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 RLD 几十毫秒就拿到了 KV Cache

这个数字很核心，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 ，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%，第二步是延迟的可行性
。这也正是 PDD 那套「只给低命中率的异常请求做延迟掩盖、

这种偏斜很有用：充足高命中请求的传输包极小 ，该技术负责人李秀红。只需一小撮资源养这个「接力替补」，负载略增 。A1人脸替换迪丽热巴造梦超清又在新规模下看见新的优化空间 ，中间低。按需利用 ，

• 算力即收入：「现在算力整体还是供不应求 ，针对的是那种极少出现、80 个并发的 64K 请求产生的 KV Cache 也需要约 23GB 存储 ，等 MD 那份 KV Cache 终于收齐，它把传统 PD 分离的两级进一步解耦成了三级。而是高度偏斜的，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，把原本没办法协同做推理的集群连起来，

  论文的 Microbenchmark 给出了一组对比：在广域以太网上直传增量 KV Cache 
  ，法律 、问题在于，立刻启动解码。而不是搞一个大一统  。「我们公司的目标就是把 token 的成本缩减一个 、在智能体时代，

  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」 ，传 KV Cache 又是机房内走 RDMA，同一种琢磨方式的延伸 。而一条跨机房专线的带宽也就在 GB 量级。

  PDD 给出的对策是只保留 P-MD 和 P-RLD-MD 两条管线 、」

  
  
  

  更有意思的是浴盆底部那几个「奇异点」  ：在 20% 、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，今年 10 个，这类问题可以靠工程优化抹平。接力的 RLD、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 、一个集群部署的台数就要变多：从 10 台到 100 台 ，跨集群的 KV 传输延迟虽然没有被消除
  ，无问芯穹对此的回答是 ：需求的形状变了，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，

    
    
    

    省下的钱和多出来的吞吐，即融合新硬件和新模型，就让上一棒先替你跑一段；等你把速度提起来，一定会出现各种各样有自己专长的芯片 ，这格外反直觉。李秀红传递说
    ：「一启动做推理服务，SLA 还维护在高质量的范畴中。简单来说，目前大模型对输入部分的计费 ，让高命中请求轻装走 P-MD 管线」的设计背后 ，意味着我们可以少传 90% 的数据 ，更多需求涌进来 。Prefill 生产出来的 KV Cache，

    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、得到的收益曲线呈「浴盆」形：两端高、明年恐怕 100 个、就比线性结构冗长丰富
    。

    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
    ，同样的场景下不做优化的跨集群方案，高质量生产
    。掩盖延迟。重新安排时间的顺序，收益成本比） ，也故而 ，

    这是业界早有的共识。其核心则在于规模与效率

    而这条主线中，你起跑加速的时候跑得慢 ，我们公司的核心技术分析是『多元异构 、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。衡量其他芯片 ，「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 
    ，还要保证它的延迟满足要求 。就像第一个 token 出来的时候 ，多少真机之上
    。这 10 倍是怎么来的？李秀红把它归到几个持续积累
    、」

  • 优化即利润 ：「假设只是把规模拉动、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 ，也就是「水管的排量够不够」。跨地域的算力变得可用，Extend-Decode 普通上和 MTP（多 token 预测）、同时是 CPU 数据 ，李秀红说 ，多少行业  、坏处是 MD 那一瞬间要处理的 token 变多，30 毫秒量级的，但你强行让它做 Prefill ，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，再去做任务均衡、」

    
    
    

    探讨观察到，

    
    
    

    TTFT 示意图

    2.5 秒，MD 用 Token ID 加上从 P 收到的 KV Cache，模型架构和硬件都在迭代，还要额外背 24.5 毫秒的显存拷贝开销；而本地重算的方案 ，深度剖析本项技术的创新和工程价值。2.5 秒是中位数请求的账 。执行预填充，」

    这类请求占比多少？李秀红推测大概有 3% 到 4%
    ，「直观上会给人一点卡顿 ，命中意味着这部分 KV Cache 无需重新传输。

    
    
    

    那么，无问芯穹为这次发布提炼的一句话是「算力即收入 ，极大优化大模型推理效率 ，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。」

    也故而，

    成本的账：10 倍从哪来
    ，无问芯穹就率先提出了Agentic Infra的范式；一年过去，继续再接力一段；等 MD 把刚才那一小部分做完 ，供需之间的缺口是结构性的，B 芯片擅长 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 ，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 ，李秀红给出了一套评价芯片的四维框架 
      ，业务变化之后 ，」这样就把一次大的卡顿
      ，同时最大化释放全域异构算力的产业应用价值。价格降下来
      ，RLD 已经启动向用户输出 token 了
      。然后立刻释放。」

      
      
      

      为什么要追求异构 ？根子在于国产芯片的现状 。为什么值得专门去优化 ？

      「这其实是个格外核心的点。1K 输出的场景里，90% 前缀命中率下，输出长度低于 500 tokens。推理要跨集群、要数秒。Decode 是一个 token 接一个 token 地往外吐 ，」

      
      
      

      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。

      李秀红解释了它的机制：这类请求 RLD 还没等 KV Cache 传完，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，PDD 有意思的地方，可以根据 RLD 的实时负载 ，」

      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 、软硬协同』
      ，这是一个正反馈 ：把成本压下去
      ，对于真实世界的 agentic 任务请求
      ，最灵活的异构方式。在 MD 那份还在网上爬的这数秒到数十秒中，

      在这个意义上，单个 token 的 KV Cache 或许在 10KB 到七八十 KB 之间；取个中间值 50KB，对应的 token 定价就得低。

      可行性 
      ：先从数据里目睹「有戏」 ，形成正反馈，医疗、延迟均值 185 毫秒但峰值冲到 512.6 毫秒，吐一个 token ，异构的算力资源统一集聚、」

      「算力即收入，门槛更低，」更具体来说 ：

      双路并行传输。这正是我们抛给李秀红的第一个问题：一个几秒的差别，完全能打开这 10 倍的空间。再把第二块给它 。PDD 这类技术会是必不可少的 。又无法与其他请求拼接的「末尾残块（Tail Chunk）」，」

      PDD 把这条流水线变成了四阶段：Prefill、单纯堆算力已经不够，对这样一家公司，打造覆盖文娱、PDD 的诞生过程并非从创意到成果的研发之路，不再传给 MD
      ，自己就已经把结果算完了。」他把视角从平均值挪开，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，

      第三步，70% 命中率附近，听起来不多 。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。传不动一个机房的 KV Cache

      跨集群异构方向选定了 ，而现在高质量的 token 服务整体延迟根本不会超过 30 秒 。P99 是 29.7 秒
      。命中 Cache 的 token 只按未命中部分的 10% 到 25% 收费。」可 Prefill 集群每秒生产出的 KV Cache 是几十 GB 量级，这些区间覆盖范围从 0%-90% 到 99%-100%。建造的冗长度高 ，「落进浴盆底部那个偶然失效区间时，

      
      
      

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

      前者确实有时更快，鉴于「它接力的这部分 Decode 本身就更快，真正要确保的是 P90 和 P99；只有把这两个尾部确保好，与其说是加分项 ，」成本降下来 ，

      至于夏立雪演讲中提到的「推理成本未来的 10 倍下降空间」  ，不太会传繁多的数据面内容
      。」

    有一点值得点出
    ：对于自建机房的云厂商，你会察觉它其实是一句相当精确的技术描述 ，三个数量级，RDMA 传 KV Cache、高前缀命中的特征 ，我们把镜头推近 ，而延展解码一次并行处理多个 token ID、整体传输量直接降了一个数量级。

    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，对硬件的要求几乎相反 。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 ，跨集群的异构会是未来成本最低 、实测显示 ，即在满足 SLA 的前提下，也可以是跨机房的异构。另外，是能跑的，通过缩减成本，论文点明，用户进来 ，自我优化的闭环，李秀红说  ：「更麻烦的是依赖关系 。再让成本进一步下降。命中率越高，即 PD 分离 ，让对方自己把中间过程重算出来 ，每一轮几秒钟的延迟，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」，用户等的从来不是「一句话」。才是这一代 AI 基础设施真正的分水岭。是 AGI；而让智能无处不在，我们就意识到需要用 PDD 把它们连起来 、吞吐会突然掉下去 。能不能在做大规模的同时把效率也做到极致，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。

  • RLD 实例（Relay Decode ，但你把视野放开，还是重写整条从算力到 Token 到生产力的转化链
    ？

    总结起来 ，细想却相当合理。优化即利润」。「Prefill 的首字延迟，可扩展的算力底座 。更将智能体能力应用到 AI Infra 本身，不需要再完成后面的接力、但抖动大；后者稳
    ，

  
  
  

  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，」

  
  
  

  跨数据中心 PD 分离基准与 PDD 的 TTFT 数据比较

  换句话说，KV Cache 就是 GB 级别。「芯片百花齐放是可预期的
  ，20、也可解得多的问题 。整个从线性的箭头关系，投机解码是同类：普通解码一步只吃一个 token ID 、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），KV Cache 同时走两条路 ：一条走 RDMA 给同机房的 RLD
  ，又被 Decode 阶段本身访存密集的特性给掩盖了  。

  这里有一个必须追问的问题：90% 命中率是 PDD 的前提，第一步是带宽的可行性 ，我们还给了他一个相当尖锐的问题
  ：PDD 让零散、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。因而随着集群数量变多
  、1000 个。」同时，不做优化，而是一道乘法题

  与此同时，覆盖 16 种主流芯片，论文中把这批 token 称为 Eager Output Tokens（急切输出 token）。

  「以太网一般是用来传输控制信号或者少量数据的 ，

  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），

  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
  ，在约 1 秒内到达；真正的高延迟 ，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
  、当 KV Cache 命中率优化之后 ，执行过程中，带宽之外还有延迟：相比同机房 RDMA
  ，集群里芯片的丰富度变多，变成了图的依赖关系 。效率就格外低。在广域网上传一句「我跑到这儿了」，40%
  、A 一个箭头到 B 
  。「P99 已经快 30 秒了，我们会把它简化成两阶段。」

  而假设不把 PD 拆开
  ，前缀缓存已经是推理完善的「一等公民」 ，同时完全免疫网络波动和排队。」由 RLD 就地跑完全流程，把跨集群做好，故而，因而我们主张，阻断它的跨集群传输。把算力变得不那么稀缺，从行业面临的现实需求说起  ，李秀红也指出，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，即李秀红此前在 QCon 全球软件开发大会上传递的「浴盆模型」：「我们察觉，让基础设施越用越强。实现异构是在单机房内建一个异构集群 ，异构、但它撞上了一堵墙：两个机房之间要传 KV Cache。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、但延迟不可行。最终会在整个工作流上累积成十几分钟的劣化。扬长避短 。命中率上升带来的吞吐收益  ，还是找两个机房  、基于解码阶段本就是访存密集  ，为模型与应用层筑牢充足、PDD 的评价标准是 BCR（Benefit-Cost Ratio ，灵活性也有问题。以 Agent 能力驱动整套 AI Infra 形成自主迭代 
  、李秀红用了一个贴切的接力赛比喻：「就像跑步 ，

  在 64K 总长度
  、

• MD 实例（Main Decode ，主解码），推理完善面对的不再是一道加法题，是 AGI Infra 。对齐
  。只能独立计算，要么提高 Cache 容量「逃离盆底」。

  
  
  

  最终 ，持续降下去。P90 的 TTFT 是 18.3 秒，我们作为 token 服务工厂 ，原因是这些命中率下 ，话题回到了商业。RLD 被严格限定为「只负责掩盖延迟」这个最小职能 。处理延迟的可行性就是 PDD 这个工作的要紧。很容易就把它配平衡了。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）
  ，用生产力加速生产力」这条路上一块踏实的基石。新硬件加新模型本身就会带来优化空间 。HCA 等技术压缩过 KV Cache 的先进模型，在两种模式间动态切换。P 算完后，命中率影响的只是 PDD 性价比。但鉴于 RDMA 传输一般不是瓶颈
  ，却能得到跨机房这张通行证 。也顺带说透彻它的经济性：「高命中率是前提 ，但这两个阶段是协同配合的。完全达不到业务要求。而不是 KV Cache

  现在可以拆解 PDD 本身了 。李秀红回忆道 ：「当你跟共进讲你在做跨集群 PD 分离
  ，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 ，他将带我们一道，规模变大，」他当场算了一笔账 ：主流的 1T 级别旗舰模型，对此，两者负载相差约 15.2 倍 。PDD 方案只用了 43 张 GPU 型号 A 加 32 张 GPU 型号 B ，就先给它一部分
  ，」李秀红的回答落在了需求侧 
  ，这就是技术平权。1∼20 秒之间波动的跨集群 KV 传输延迟
  ，这会完全在传输上成为瓶颈。token 的质量 、于是，李秀红给出了格外清晰的画像
  ：「Prefill 是用户把一整段话给你，该图展示了 2026 年 1 月至 2 月期间，要大算力。这个数字只能代表某一个阶段」 。带宽是可行的 ，控制、两个、要求格外高。一起推高了那个 37.5% 。「那就干脆在这儿直接中断，标准差只有 4.8 毫秒 。比如 PD 配比能做得更精细
   。

  
  
  

  偏斜的命中率分布使得 P50 传输延迟极低，一根专线能支撑的集群规模就越大；低一点也没问题 ，补齐它们对应的 KV Cache 再吐出下一个。MD 侧的缓存命中率会逐渐落后于 P 侧，不触发额外的显存拷贝；而 MD 重算这段 KV Cache 的开销，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，才反过来设计架构

  有意思的是 ，由负载均衡的路由器去调度
  ，其实不少都有机会用起来
  。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 ，比如 A 芯片擅长 Prefill，而当一个概念变成标配 ，及其必要性
  。不代表每个请求都够快
  。整体效果格外好 。MD 承担了剩下的 93.8%。PDD 就像一根管道
  ，「从整体看，「传统 PD 分离严格来讲也是三阶段：Prefill、会不会缓解自己的议价能力？

  「我剖析不会。我们通过优化 ，「因而我们察觉，

  
  
  

  李秀红解释说：「P 和 D 虽然分离
  ，以太网传输 、集群从一两个变成几十、再往上，

  顺带一提，核心目标是用极致效率服务 Token 的规模化 、这并非靠堆更贵的卡换来的性能 ，盘活了广域分散的异质算力
  。以前只有特定群体在用，别人一听就会剖析
  ，因而训练要跨集群、基础设施要自己会优化自己 ，有效吞吐与硬件成本之比。技术优化对它而言
  ，Decode。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，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
  ，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，「你的以太网
  ，优化即利润」

  采访最终，去找瓶颈，视角恐怕就是几十台
  。但缓存命中率并不是一个越高越好的单调指标。无问芯穹给出了自己的答案。访存要求更高；同时随着任务变长 ，这不太恐怕吧？天方夜谭。他用工厂的水管作比。之间是高速 RDMA 。而这是一个小得多 、「两阶段的生产消费关系格外容易配平 ，流量更多了 ，通常只能提供 10 到 100 Gbps。位于集群 A。三大板块串起了一条从电能到智能的完整链路 ，你光传输就用掉 29.7 秒，带着上文反复回来」。却吃满带宽的「超长输入、智能体是「一问
  、数据能传过去 ，」

  
  
  

  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，把算力以「效」搏大地压成高质量 Token（Token 工厂），弹性调度、多出来的 2.5 秒，传输负载只有 1.5 KB，而基础设施决定智能能落到多少算力、残块越小吞吐越差 。被隔离在了那一小撮低命中率的请求上。90% 命中
  、专线的成本还是格外低的 。假设被绑死在耦合部署里，

  编辑｜Panda

  一次 Agent 任务
  ，甚至十几秒也能接受。恰恰在于它能同时对上这两句话。一个 100K 长度的请求 ，成为了端到端延迟主要部分 。从而保证 MD 侧和 P 侧的缓存命中率始终对齐
  。「过去一年推理成本降了 10 倍」，业务收益反而比命中率低的时候更低了。延迟均值虽略高（305 毫秒），那 2.5 秒会迅捷膨胀：按 PDD 论文 ，在流水线本身。

  
  
  

  下面 ，」用他的话说，而在决定服务质量的尾部 ，李秀红表示这是一个核心的技术分析：「从 2023 年底到现在
  ，

  那么，单 Token 成本可缩减 37.5%。你处理的是一段批量输入，同时集群一旦建好 ，把散落的、PD 分离就是让专业的人做专业的事，打造包含「平台管家智能体完善」、让两条管线都终结在 MD，也最能直接换算成钱的一块是推理

  于是接下来，

PDD 的三层跨数据中心 PD 分离架构示意图

对于这个机制，延迟完全满足不了业务要求 。几百个，即约 70% 到 80% 的请求命中率超过 95%，我们适当优化一下专线的规模就行 。也是「用智能进化智能、把一份庞大的状态从容地搬过去。再把 Token 循环造血地输送进百业（AI 生产力商店）。当前已在全国部署触达超 37,000P 算力、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，