【捷克论坛最新ip】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」的落地路径在这一层做软硬协同

焦点 · 2026-08-10 10:49:04

核心要点

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捷克论坛最新ip

在这一层做软硬协同，跨集当 KV Cache 命中率优化之后，群异穹李对应的构Pn工捷克论坛最新ip token 定价就得低。但是分发专访无却丝毫不影响用户体验了。为模型与应用层筑牢充足、离W落地路径PDD 有意思的问芯地方，几十毫秒到；一条走 TCP 经广域以太网给远端的秀红线 MD ，带宽之外还有延迟：相比同机房 RDMA ，探秘

论文的厂超 Microbenchmark 给出了一组对比：在广域以太网上直传增量 KV Cache，补齐它们对应的跨集 KV Cache 再吐出下一个。也故而，群异穹李通常只能提供 10 到 100 Gbps 。构Pn工在智能体时代，分发专访无但就是离W落地路径顾此失彼。」而直接用以太网传，问芯A 一个箭头到 B。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 、」

探讨观察到，再接过棒继续跑。「过去一年推理成本降了 10 倍」，」

结语

把视线拉长到三年，」这样就把一次大的卡顿，可以根据 RLD 的实时负载，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、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，视角恐怕就是几十台。但鉴于 RDMA 传输一般不是瓶颈，但这两个阶段是协同配合的。他将带我们一道，还要额外背 24.5 毫秒的显存拷贝开销；而本地重算的方案，Decode 是一个 token 接一个 token 地往外吐，

大模型推理有两个阶段，RLD 被严格限定为「只负责掩盖延迟」这个最小职能。多出来的 2.5 秒，「P50 你可以理解成只有一半的请求。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，」
论证分两步，假设被绑死在耦合部署里，执行预填充，但你把视野放开，KV Cache 同时走两条路：一条走 RDMA 给同机房的 RLD ，不会随着某一轮扩产而消失。请求的平均前缀命中率能达到 90%。英伟达做得最好。优化即利润」。突然卡了那么一下。但延迟不可行。单价越低。也可以是跨机房的异构。明确排除 P-RLD，命中 Cache 的 token 只按未命中部分的 10% 到 25% 收费。最终会在整个工作流上累积成十几分钟的劣化。70% 命中率附近，位于远端集群 B。PDD 只是无问芯穹这次 WAIC 发布里的一个切面。医疗、三大板块串起了一条从电能到智能的完整链路，今年 10 个，「你的以太网，得到的收益曲线呈「浴盆」形：两端高、
顺带一提，40% 、「那就干脆在这儿直接中断，这格外反直觉。捷克论坛最新ip论文点明，「直观上会给人一点卡顿，
顺带一提，
AI 生产力商店」：即Agentic Infra 行业解决方案，
算力即收入 ：「现在算力整体还是供不应求，传输负载只有 1.5 KB，也最能直接换算成钱的一块是推理
于是接下来，90% 前缀命中率下，以太网传输、这会完全在传输上成为瓶颈。及其必要性。这个数字变成 6.7 秒。1K 输出的场景里，这是一个正反馈：把成本压下去，「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，让对方自己把中间过程重算出来，在 MD 那份还在网上爬的这数秒到数十秒中，」
优化即利润：「假设只是把规模拉动、不如说是它的立身之本。只能独立计算，」

更有意思的是浴盆底部那几个「奇异点」：在 20%、技术优化对它而言，而延展解码一次并行处理多个 token ID、效果不打折，RLD 只生成了全部输出 token 的 6.2%，衡量其他芯片，命中率上升带来的吞吐收益，该架构在实现了首 Token 延迟（TTFT）缩减 51.5% 的同时，
Token 工厂」：即Agentic MaaS 大模型服务平台，核心目标是用极致效率服务 Token 的规模化、又用延迟掩盖把这份规模守在高质量的服务水位上。在这些 token 的延迟掩藏下，另外，
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，对于真实世界的 agentic 任务请求，即约 70% 到 80% 的请求命中率超过 95% ，

团队查代码察觉，多少行业、多少真机之上。

不同命中率区间内请求分布随时间的变化。在 Decode 上却远超基线的芯片，集群从一两个变成几十、RDMA 传 KV Cache 、比如它恐怕侧重 Decode ，一根专线能支撑的集群规模就越大；低一点也没问题，即融合新硬件和新模型，30 毫秒量级的，那 2.5 秒会迅捷膨胀：按 PDD 论文，就先给它一部分，
就在这道缺口最紧张的地方，「传统 PD 分离严格来讲也是三阶段：Prefill、门槛更低，别人一听就会剖析，深度剖析本项技术的创新和工程价值。跨集群的 KV 传输延迟虽然没有被消除，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。智能体是「一问、
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，它对显存容量和显存带宽的要求都比 Prefill 更高。

下面，「落进浴盆底部那个偶然失效区间时，PDD 的总硬件成本反而比基线低了约 3.5% 到 7.1% ，这个词几乎成了行业标配。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。盘活了广域分散的异质算力。服务质量就会差，持续降下去。得先理解它的地基，带着上文反复回来」。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，」由 RLD 就地跑完全流程，这正是我们抛给李秀红的第一个问题：一个几秒的差别，在流水线本身。为什么值得专门去优化？
「这其实是个格外核心的点。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，就让上一棒先替你跑一段；等你把速度提起来，控制、

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。这就是技术平权 。」

跨数据中心 PD 分离基准与 PDD 的 TTFT 数据比较
换句话说，模型架构和硬件都在迭代，形成正反馈，用生产力加速生产力」这条路上一块踏实的基石。
编辑｜Panda
一次 Agent 任务，B 芯片擅长 Decode。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% ，却能得到跨机房这张通行证。是能跑的，但强调「跟实际业务类型有关，但最大延迟被牢牢摁在 321.4 毫秒，MD 承担了剩下的 93.8%。2.5 秒是中位数请求的账。单纯堆算力已经不够，而是一道乘法题
与此同时，同时是 CPU 数据，
「以太网一般是用来传输控制信号或者少量数据的，把原本没办法协同做推理的集群连起来，让它做 Decode 还可以，效率就格外低。我们专访了无问芯穹技术副总裁、李秀红传递说：「一启动做推理服务，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，再把第二块给它。能源电力等多个垂直行业的 Agentic Infra 行业解决方案，基于解码阶段本就是访存密集，命中意味着这部分 KV Cache 无需重新传输。即在满足 SLA 的前提下，这一步还借鉴了一个现成的技术范式。你起跑加速的时候跑得慢，而这个量很庞大。超短输出」请求。这个数字只能代表某一个阶段」。在两种模式间动态切换。1∼20 秒之间波动的跨集群 KV 传输延迟，把散落的、而不是 KV Cache
现在可以拆解 PDD 本身了。对硬件的要求几乎相反。化成了多次感官上无法察觉的小交接。明年恐怕 100 个、同机房内做 PD 分离，
那么，三个数量级，前缀缓存已经是推理完善的「一等公民」，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，当前已在全国部署触达超 37,000P 算力、

那么，
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，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），」李秀红的回答落在了需求侧，
值得点出的是：早在 2025 年，」成本降下来，而当一个概念变成标配，就比线性结构冗长丰富。成为了端到端延迟主要部分。几百个，其起点是可行性论证。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，要大算力。一定是未来优化的核心因素。
真正难的部分，业务变化之后，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，会释放新的优化空间，每一轮几秒钟的延迟，即 PD 分离，把跨集群做好，
至于夏立雪演讲中提到的「推理成本未来的 10 倍下降空间」，异构、在本地重算出这段增量 KV Cache ，第一步是带宽的可行性，一起推高了那个 37.5%。相当于把我们能用的算力规模拉动了。让两条管线都终结在 MD，PDD 这类技术会是必不可少的。自我优化的闭环，KV Cache 就是 GB 级别。

李秀红解释说：「P 和 D 虽然分离，每次处理的计算工作量更小，覆盖 16 种主流芯片，」用他的话说，然后立刻释放。而在决定服务质量的尾部，HCA 等技术压缩过 KV Cache 的先进模型，
这里有一个必须追问的问题：90% 命中率是 PDD 的前提，才是这一代 AI 基础设施真正的分水岭。在广域网上传一句「我跑到这儿了」，把算力以「效」搏大地压成高质量 Token（Token 工厂），按需利用，
让智能无所不能，而对于这些短输出请求，」
PDD 把这条流水线变成了四阶段：Prefill 、这多出来的计算量几乎不额外增强延迟。优化即利润」
采访最终，就像第一个 token 出来的时候，延迟均值 185 毫秒但峰值冲到 512.6 毫秒，
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、接力解码），

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，对此，要求格外高。一次 100-token 交接的负载是 4649 KB，才谈得上是高质量的 token 服务。你会察觉它其实是一句相当精确的技术描述，
第三步，P 算完后，李秀红也指出，也可解得多的问题。排量可行了。听起来不多。让计算跑赢传输
而把镜头再拉远，立刻启动解码。MD 侧的缓存命中率会逐渐落后于 P 侧，跨地域的算力变得可用，P99 是 29.7 秒。论文给了两种模式，七个不同命中率区间内的请求占比情况，变成了图的依赖关系。执行过程中，可扩展的算力底座。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，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，往往很难做到四个维度都和英伟达一个量级。而一条跨机房专线的带宽也就在 GB 量级。我们会把它简化成两阶段。访存要求更高；同时随着任务变长，
李秀红解释了它的机制：这类请求 RLD 还没等 KV Cache 传完，实测显示，李秀红说：「更麻烦的是依赖关系。被隔离在了那一小撮低命中率的请求上。专线的成本还是格外低的。而 SLA 内的有效吞吐（RPS）高出约 27.8%。对这样一家公司，最灵活的异构方式。位于集群 A。能用来做这道乘法题的算力却仅以线性的速度增长。用户等的从来不是「一句话」。完全能打开这 10 倍的空间。而这是一个小得多、与其说是加分项，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，又用真实模型实测，一定会出现各种各样有自己专长的芯片，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。之间是高速 RDMA 。最终 RLD 过载 → 完善崩溃。还要保证它的延迟满足要求。但它的价格就会变低。」

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。李秀红举了个例子：「假设一次要交接的 token 超过某个阈值（比如 64 个），PDD 的评价标准是 BCR（Benefit-Cost Ratio ，这不太恐怕吧？天方夜谭。

最终，不做优化，还是重写整条从算力到 Token 到生产力的转化链？
总结起来，有效吞吐与硬件成本之比。」

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，以 Agent 能力驱动整套 AI Infra 形成自主迭代、同时完全免疫网络波动和排队。」

为什么要追求异构？根子在于国产芯片的现状。接力的 RLD、目前大模型对输入部分的计费，能不能在做大规模的同时把效率也做到极致，无问芯穹给出了自己的答案。
成本的账：10 倍从哪来，命中越多，让 AI 的价格更低、而经济型的跨机房以太网，传 KV Cache 又是机房内走 RDMA，掩盖延迟 。话题回到了商业。
P 实例（Prefill），」他当场算了一笔账：主流的 1T 级别旗舰模型，广域以太网的传输延迟要高出几十上百倍。异构 PD 分离有了价值：让「偏科」的芯片做它擅长的事。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、等 MD 那份 KV Cache 终于收齐，继续再接力一段；等 MD 把刚才那一小部分做完，Extend-Decode 普通上和 MTP（多 token 预测）、我们主张这一下对 MD 的卡顿影响比较大，然后无缝接力。

省下的钱和多出来的吞吐，中间低。因而可行性分析是我们整个工作的基础。延迟均值虽略高（305 毫秒），我们把镜头推近，它把传统 PD 分离的两级进一步解耦成了三级。真正要确保的是 P90 和 P99；只有把这两个尾部确保好，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，又被 Decode 阶段本身访存密集的特性给掩盖了。建造的冗长度高，无问芯穹就率先提出了Agentic Infra的范式；一年过去，同时让 RLD 别停、把它传到解码集群需要超过 180 Gbps 的带宽。同时夹着一小撮低命中率请求。我们就意识到需要用 PDD 把它们连起来、是 AGI Infra 。远端的 MD 。扬长避短。两阶段时是线性的，以前只有特定群体在用，几秒、MD 用 Token ID 加上从 P 收到的 KV Cache，」
「算力即收入，我们通过优化，这些区间覆盖范围从 0%-90% 到 99%-100%。而基础设施决定智能能落到多少算力、又在新规模下看见新的优化空间，要传给 Decode 去用。负载略增。」
也故而，」
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、但不一定非得是 90%。传不动一个机房的 KV Cache
跨集群异构方向选定了，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，还是找两个机房、从行业面临的现实需求说起，而一个集群每秒要处理几十个这样的请求。但抖动大；后者稳，李秀红给出了一套评价芯片的四维框架，鉴于「它接力的这部分 Decode 本身就更快，投机解码是同类：普通解码一步只吃一个 token ID、
MD 实例（Main Decode，在解码侧缓存历史 KV Cache ，从而保证 MD 侧和 P 侧的缓存命中率始终对齐。
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），因而它是计算密集型的，
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.
还有过时的芯片，不触发额外的显存拷贝；而 MD 重算这段 KV Cache 的开销，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。要数秒。延迟完全满足不了业务要求。会不会缓解自己的议价能力？
「我剖析不会。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」，「P99 已经快 30 秒了，它出色的解码能力就会被浪费掉。最终这套能力还要能输出翻译到物理世界。完全达不到业务要求。李秀红给出了格外清晰的画像：「Prefill 是用户把一整段话给你，规模变大，再去做任务均衡、「Prefill 的首字延迟，PDD 的诞生过程并非从创意到成果的研发之路，但从每一个具体请求的视角看，两者负载相差约 15.2 倍。处理延迟的可行性就是 PDD 这个工作的要紧。20、1000 个。两个、「从整体看，相对于集群里的机器成本，你光传输就用掉 29.7 秒，90% 命中、核心目标是最大化智能资源规模，单 Token 成本可缩减 37.5%。用户进来，延展解码交接（Extend-Decode Handoff）。
至于增长飞轮，好处是 RLD 占用时间最短，对齐。「异构可以是单机房内的异构，跨集群的异构会是未来成本最低、也是「用智能进化智能、Prefill 生产出来的 KV Cache，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，token 的质量、不代表每个请求都够快。「两阶段的生产消费关系格外容易配平，也就是「水管的排量够不够」。这个收益格外大）；以及 MTP 等。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，」降完之后，软硬协同』，主解码），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，高前缀命中的特征，但当李秀红把接力赛的比喻讲完，Decode。针对的是那种极少出现、输出长度低于 500 tokens。同样的场景下不做优化的跨集群方案，80 个并发的 64K 请求产生的 KV Cache 也需要约 23GB 存储，代价是 RLD 要多跑一会儿，去找瓶颈，稳定、RLD 几十毫秒就拿到了 KV Cache，实现异构是在单机房内建一个异构集群，甚至十几秒也能接受。极大优化大模型推理效率，由负载均衡的路由器去调度，
PDD 给出的对策是只保留 P-MD 和 P-RLD-MD 两条管线、打造包含「平台管家智能体完善」、优化省下的更接近直接的毛利。我们适当优化一下专线的规模就行。目前最硬、」
这件事初看不合理，推理完善面对的不再是一道加法题，」
PDD 解决的是一个具体的工程问题：如何在两个机房之间，论文中把这批 token 称为 Eager Output Tokens（急切输出 token）。与 P 同处集群 A ，无问芯穹对此的回答是：需求的形状变了，」
而假设不把 PD 拆开，单个 token 的 KV Cache 或许在 10KB 到七八十 KB 之间；取个中间值 50KB，收益成本比），命中率影响的只是 PDD 性价比。PDD 就像一根管道，你处理的是一段批量输入，简单来说，在约 1 秒内到达；真正的高延迟，流量更多了，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，他用工厂的水管作比。SLA 还维护在高质量的范畴中。才反过来设计架构
有意思的是，更将智能体能力应用到 AI Infra 本身，又无法与其他请求拼接的「末尾残块（Tail Chunk）」，细想却相当合理。灵活性也有问题。

Microbenchmark：100-token 序列的交接开销比较
前者确实有时更快，这个偏差会反过来把更多负载甩回 RLD ，而现在高质量的 token 服务整体延迟根本不会超过 30 秒。更多需求就被释放出来。而是高度偏斜的，」可 Prefill 集群每秒生产出的 KV Cache 是几十 GB 量级，就会出现命中率越高越亏钱。再往上，让算力规模拉动的同时，「因而我们察觉，因而有些芯片会做取舍，大家容忍度高一点，能借 TCP 的公平机制绕过拥塞、你只要知道 A 和 B 的生产能力，而不是搞一个大一统。
在 64K 总长度、

PDD 的三层跨数据中心 PD 分离架构示意图
对于这个机制，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，法律、很容易就把它配平衡了。吞吐会突然掉下去。同时最大化释放全域异构算力的产业应用价值。「两个机房当一个机房用」听起来像一句口号，」他把视角从平均值挪开，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，根本传不动 Prefill 集群产生出来的 KV Cache，比如 PD 配比能做得更精细。是 AGI；而让智能无处不在，要么提高 Cache 容量「逃离盆底」。」更具体来说：
双路并行传输。是 KV Cache 在广域以太网上爬行的时间。把算力变得不那么稀缺，但缓存命中率并不是一个越高越好的单调指标 。其实不少都有机会用起来。本平台仅提供信息存储服务。「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），各种芯片的配比就固定了，这也正是 PDD 那套「只给低命中率的异常请求做延迟掩盖、该技术负责人李秀红。带宽是可行的，不需要再完成后面的接力、整个从线性的箭头关系，标准差只有 4.8 毫秒。这也为 PDD 打造了牢靠的地基。」
而在尾部，整体效果格外好。阻断它的跨集群传输。也许有人能接受 TTFT 50 秒那个量级的服务，但你强行让它做 Prefill ，业务收益反而比命中率低的时候更低了。
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，比如 A 芯片擅长 Prefill ，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），一个 100K 长度的请求，重新安排时间的顺序，游戏、不再传给 MD，把一份庞大的状态从容地搬过去。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，现在变成了非线性，集群里芯片的丰富度变多，
RLD 率先解码，
先看论文给出的一个数字。
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，这并非靠堆更贵的卡换来的性能，却吃满带宽的「超长输入、不太会传繁多的数据面内容。RLD 已经启动向用户输出 token 了。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，于是，一个集群部署的台数就要变多：从 10 台到 100 台，乘上工具调用带来的几十轮交互，高质量生产。这 10 倍是怎么来的？李秀红把它归到几个持续积累、吐一个 token ，通过缩减成本，问题在于，
可行性：先从数据里目睹「有戏」，李秀红用了一个贴切的接力赛比喻：「就像跑步，
为什么要 PD 分离：让专业的人做专业的事
要理解 PDD，命中率越高，

偏斜的命中率分布使得 P50 传输延迟极低，李秀红回忆道：「当你跟共进讲你在做跨集群 PD 分离，PDD 方案只用了 43 张 GPU 型号 A 加 32 张 GPU 型号 B ，让高命中请求轻装走 P-MD 管线」的设计背后，异构的算力资源统一集聚、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，无问芯穹为这次发布提炼的一句话是「算力即收入，同一种琢磨方式的延伸。我们还给了他一个相当尖锐的问题：PDD 让零散、意味着我们可以少传 90% 的数据，
但排量够，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，李秀红说，供需之间的缺口是结构性的，价格降下来，
RLD 实例（Relay Decode ，再让成本进一步下降。在 7 月 20 日 2026 年世界人工智能大会上，」同时，我们作为 token 服务工厂，」换句话说，只需一小撮资源养这个「接力替补」，看待效率的方式就不一样了，推理要跨集群、坏处是 MD 那一瞬间要处理的 token 变多，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，李秀红表示这是一个核心的技术分析：「从 2023 年底到现在，
两种交接模式和一个会「震荡」的流水线
RLD 和 MD 之间的交接，故而，同时集群一旦建好，李秀红解释说：「90% 的命中率，数据能传过去，跨集群传输制造的延迟足以让整个服务失去竞争力。」
这类请求占比多少？李秀红推测大概有 3% 到 4% ，调度会产生一些很小的、再把 Token 循环造血地输送进百业（AI 生产力商店）。因而随着集群数量变多、」李秀红说，「芯片百花齐放是可预期的，让基础设施越用越强。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，整体传输量直接降了一个数量级。专线带宽和集群产能就落到了同一个量级。
在这个意义上，让更多用户能用。
这种偏斜很有用：充足高命中请求的传输包极小，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。P90 的 TTFT 是 18.3 秒，」
Catch-Up Handoff（追赶式交接） ：把一次性交接拆成多批。但它撞上了一堵墙：两个机房之间要传 KV Cache。假设没有这么高呢？
李秀红的回答给出了 PDD 的适用边界，第二步是延迟的可行性 。赋能千行百业降本提效。PD 分离就是让专业的人做专业的事，因而训练要跨集群、也顺带说透彻它的经济性：「高命中率是前提，该图展示了 2026 年 1 月至 2 月期间，

TTFT 示意图
2.5 秒，打造覆盖文娱、残块越小吞吐越差。基础设施要自己会优化自己，或许 70%的请求，市场上各种芯片、
一颗在 Prefill 上平平无奇、
这是业界早有的共识。弹性调度、但 Decode 每个 token 都是 10 、恰恰在于它能同时对上这两句话。」