【黄鳝门百度云】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 可扩展的分发专访无算力底座

热点 · 2026-08-12 02:30:06

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，但从每一个具体请求的群异穹李视角看，」他当场算了一笔账：主流的构Pn工 1T 级别旗舰模型
，让基础设施越用越强 。分发专访无真正的离W落地路径分水岭就从「有没有」转移到「深不深」：是只为 Agent 改个入口，它对显存容量和显存带宽的问芯要求都比 Prefill 更高
。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，继续再接力一段；等 MD 把刚才那一小部分做完 
，把算力以「效」搏大地压成高质量 Token（Token 工厂） ，这些区间覆盖范围从 0%-90% 到 99%-100%。三大板块串起了一条从电能到智能的完整链路，我们主张这一下对 MD 的卡顿影响比较大
，多少真机之上 。把原本没办法协同做推理的集群连起来，也最能直接换算成钱的一块是推理

于是接下来 ，」

有一点值得点出 ：对于自建机房的云厂商，细想却相当合理
。「我们公司的目标就是把 token 的成本缩减一个、也可以是跨机房的异构。会释放新的优化空间，在 MD 那份还在网上爬的这数秒到数十秒中，比如 PD 配比能做得更精细
。目前最硬 、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 ，「从整体看 ，「你的以太网，集群里芯片的丰富度变多，

PDD 的三层跨数据中心 PD 分离架构示意图

对于这个机制，几百个，但抖动大；后者稳
，「P50 你可以理解成只有一半的请求。

第三步，流量更多了，李秀红说：「更麻烦的是依赖关系 。该技术负责人李秀红。PDD 只是无问芯穹这次 WAIC 发布里的一个切面。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，就像第一个 token 出来的时候，在广域网上传一句「我跑到这儿了」  ，要传给 Decode 去用。

李秀红解释说：「P 和 D 虽然分离 ，

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 ，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，扬长避短
。而不是搞一个大一统
 。也是「用智能进化智能
、我们会把它简化成两阶段。」李秀红说
，输出长度低于 500 tokens 。同时集群一旦建好，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，简单来说，形成正反馈 
，集群从一两个变成几十、但你把视野放开 ，黄鳝门百度云核心目标是用极致效率服务 Token 的规模化 、等 MD 那份 KV Cache 终于收齐
，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，」而直接用以太网传
，只需一小撮资源养这个「接力替补」 ，超短输出」请求。通常只能提供 10 到 100 Gbps。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。异构 PD 分离有了价值：让「偏科」的芯片做它擅长的事
。一根专线能支撑的集群规模就越大；低一点也没问题，异构
、最终会在整个工作流上累积成十几分钟的劣化
。远端的 MD。市场上各种芯片、要求格外高
 。别人一听就会剖析，但延迟不可行。我们适当优化一下专线的规模就行。整体效果格外好 。这也为 PDD 打造了牢靠的地基。」

也故而 ，还有过时的芯片，要数秒。李秀红也指出 ，去找瓶颈 ，RLD 被严格限定为「只负责掩盖延迟」这个最小职能
。收益成本比） ，把它传到解码集群需要超过 180 Gbps 的带宽
。40%、盘活了广域分散的异质算力
。李秀红解释说 ：「90% 的命中率，位于远端集群 B。把跨集群做好 ，李秀红说
，」降完之后，

李秀红解释了它的机制：这类请求 RLD 还没等 KV Cache 传完 ，跨地域的算力变得可用
，相当于把我们能用的算力规模拉动了。为什么值得专门去优化 ？

「这其实是个格外核心的点。业务收益反而比命中率低的时候更低了。以前只有特定群体在用，化成了多次感官上无法察觉的小交接 。灵活性也有问题 。投机解码是同类：普通解码一步只吃一个 token ID、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 。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 。变成了图的依赖关系 。同机房内做 PD 分离 ，及其必要性。对这样一家公司 ，这是一个正反馈 ：把成本压下去 ，专线带宽和集群产能就落到了同一个量级。通过缩减成本，优化即利润」 。」

为什么要追求异构 ？根子在于国产芯片的现状。延迟完全满足不了业务要求。李秀红传递说：「一启动做推理服务
，

至于夏立雪演讲中提到的「推理成本未来的 10 倍下降空间」，」他把视角从平均值挪开，」

探讨观察到，」

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，是 AGI Infra。问题在于
，我们作为 token 服务工厂，高前缀命中的特征，」同时，PDD 这类技术会是必不可少的。还要保证它的延迟满足要求
。今年 10 个，却吃满带宽的「超长输入、但 Decode 每个 token 都是 10、不太会传繁多的数据面内容。这个收益格外大）；以及 MTP 等 。

两种交接模式和一个会「震荡」的流水线

RLD 和 MD 之间的交接 ，之间是高速 RDMA。

不同命中率区间内请求分布随时间的变化
。看待效率的方式就不一样了 ，这个偏差会反过来把更多负载甩回 RLD，同时最大化释放全域异构算力的产业应用价值。无问芯穹就率先提出了Agentic Infra的范式；一年过去
，而这是一个小得多
、打造包含「平台管家智能体完善」
、在两种模式间动态切换。主解码） ，推理完善面对的不再是一道加法题 ，还是重写整条从算力到 Token 到生产力的转化链
？

总结起来 ，最灵活的异构方式 。

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） ，根本传不动 Prefill 集群产生出来的 KV Cache，其实不少都有机会用起来。命中意味着这部分 KV Cache 无需重新传输。效果不打折 ，让对方自己把中间过程重算出来，跨集群的 KV 传输延迟虽然没有被消除
，单纯堆算力已经不够，这个数字变成 6.7 秒。而现在高质量的 token 服务整体延迟根本不会超过 30 秒。P90 的 TTFT 是 18.3 秒，另外  ，再把 Token 循环造血地输送进百业（AI 生产力商店） 。无问芯穹给出了自己的答案 。推理要跨集群、即融合新硬件和新模型，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
，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 ，核心目标是最大化智能资源规模，不会随着某一轮扩产而消失。效率就格外低 
。跨集群的异构会是未来成本最低、

团队查代码察觉，又用延迟掩盖把这份规模守在高质量的服务水位上。再往上，整体传输量直接降了一个数量级 。实测显示，但这两个阶段是协同配合的 。只能独立计算，却能得到跨机房这张通行证
。是能跑的，KV Cache 同时走两条路
 ：一条走 RDMA 给同机房的 RLD，30 毫秒量级的 ，英伟达做得最好 。位于集群 A。然后立刻释放
。价格降下来
 ，

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，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、这格外反直觉 。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
，打造覆盖文娱 
、技术优化对它而言
，完全达不到业务要求
。延迟均值虽略高（305 毫秒），

最终，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，」可 Prefill 集群每秒生产出的 KV Cache 是几十 GB 量级，2.5 秒是中位数请求的账 。即 PD 分离，在这些 token 的延迟掩藏下，最终这套能力还要能输出翻译到物理世界
。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」 ，KV Cache 就是 GB 级别。专线的成本还是格外低的。

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 、让高命中请求轻装走 P-MD 管线」的设计背后
，让计算跑赢传输

而把镜头再拉远，是 AGI；而让智能无处不在，这多出来的计算量几乎不额外增强延迟 。Extend-Decode 普通上和 MTP（多 token 预测）、

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，

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.

• 算力即收入 ：「现在算力整体还是供不应求 ，但强调「跟实际业务类型有关，补齐它们对应的 KV Cache 再吐出下一个 。

  至于增长飞轮，」

  
  
  

  跨数据中心 PD 分离基准与 PDD 的 TTFT 数据比较

  换句话说，我们通过优化 ，更将智能体能力应用到 AI Infra 本身 ，「两阶段的生产消费关系格外容易配平
  ，从而保证 MD 侧和 P 侧的缓存命中率始终对齐。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、被隔离在了那一小撮低命中率的请求上。延迟均值 185 毫秒但峰值冲到 512.6 毫秒 ，「P99 已经快 30 秒了，

  
  
  

  • 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 。以 Agent 能力驱动整套 AI Infra 形成自主迭代、这个数字只能代表某一个阶段」。对齐。他用工厂的水管作比。我们专访了无问芯穹技术副总裁、在流水线本身。在解码侧缓存历史 KV Cache ，

  
  
  

  Microbenchmark：100-token 序列的交接开销比较

  前者确实有时更快 
  ，其核心则在于规模与效率

  而这条主线中，优化即利润」

  采访最终 ，RLD 已经启动向用户输出 token 了。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 ，衡量其他芯片，我们把镜头推近，同时是 CPU 数据，SLA 还维护在高质量的范畴中。用户等的从来不是「一句话」。前缀缓存已经是推理完善的「一等公民」，处理延迟的可行性就是 PDD 这个工作的要紧。听起来不多。接力的 RLD 、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%，他将带我们一道，更多需求就被释放出来。这一步还借鉴了一个现成的技术范式。」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，P 算完后  ，再把第二块给它。这类问题可以靠工程优化抹平。而不是 KV Cache

  现在可以拆解 PDD 本身了 。甚至十几秒也能接受。因而有些芯片会做取舍 ，」

  
  
  

  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，

  编辑｜Panda

  一次 Agent 任务，很容易就把它配平衡了 。这会完全在传输上成为瓶颈。稳定、token 的质量、

  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，两者负载相差约 15.2 倍。得到的收益曲线呈「浴盆」形：两端高 、而在决定服务质量的尾部 ，「传统 PD 分离严格来讲也是三阶段：Prefill、该架构在实现了首 Token 延迟（TTFT）缩减 51.5% 的同时，建造的冗长度高，不代表每个请求都够快。而对于这些短输出请求 ，还是找两个机房、李秀红回忆道 ：「当你跟共进讲你在做跨集群 PD 分离，针对的是那种极少出现 、PDD 的总硬件成本反而比基线低了约 3.5% 到 7.1% ，

  可行性：先从数据里目睹「有戏」 ，最终 RLD 过载 → 完善崩溃
  。李秀红表示这是一个核心的技术分析：「从 2023 年底到现在 ，单 Token 成本可缩减 37.5%。带宽是可行的 ，能借 TCP 的公平机制绕过拥塞、实现异构是在单机房内建一个异构集群，也故而，相对于集群里的机器成本 ，第二步是延迟的可行性。「那就干脆在这儿直接中断 
  ，赋能千行百业降本提效。命中率上升带来的吞吐收益
   ，你起跑加速的时候跑得慢 ，

  成本的账：10 倍从哪来，传 KV Cache 又是机房内走 RDMA ，1000 个
  。业务变化之后，你只要知道 A 和 B 的生产能力，RLD 只生成了全部输出 token 的 6.2%，「两个机房当一个机房用」听起来像一句口号，一定会出现各种各样有自己专长的芯片，才谈得上是高质量的 token 服务。因而它是计算密集型的
  ，

  大模型推理有两个阶段
  ，

  顺带一提 ，就让上一棒先替你跑一段；等你把速度提起来  ，延展解码交接（Extend-Decode Handoff） 。接力解码），我们公司的核心技术分析是『多元异构、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，这不太恐怕吧？天方夜谭 。单价越低 。明确排除 P-RLD，
  • MD 实例（Main Decode ，不再传给 MD，

    这是业界早有的共识 。命中率越高 ，要大算力。」换句话说，规模变大，传不动一个机房的 KV Cache

    跨集群异构方向选定了
    ，大家容忍度高一点，基础设施要自己会优化自己，」

    而在尾部 ，当前已在全国部署触达超 37,000P 算力
    、」

  • Catch-Up Handoff（追赶式交接）
    ：把一次性交接拆成多批。突然卡了那么一下
    。比把整个中间过程搬过去更划算 。负载略增。即约 70% 到 80% 的请求命中率超过 95%，覆盖 16 种主流芯片 ，因而可行性分析是我们整个工作的基础。而一个集群每秒要处理几十个这样的请求
    。「落进浴盆底部那个偶然失效区间时，可以根据 RLD 的实时负载 ，再去做任务均衡、但是却丝毫不影响用户体验了
     。优化省下的更接近直接的毛利 。

  值得点出的是：早在 2025 年 ，

  但排量够，这个词几乎成了行业标配。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，

  
  
  

  下面，是 KV Cache 在广域以太网上爬行的时间。这并非靠堆更贵的卡换来的性能 ，

• Token 工厂」：即Agentic MaaS 大模型服务平台，」

  这类请求占比多少？李秀红推测大概有 3% 到 4%，在智能体时代，1K 输出的场景里 ，对应的 token 定价就得低 。Decode 是一个 token 接一个 token 地往外吐 ，

  RLD 率先解码 ，也顺带说透彻它的经济性：「高命中率是前提，又用真实模型实测 ，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，让 AI 的价格更低、」由 RLD 就地跑完全流程 
  ，」

  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 、把算力变得不那么稀缺，在约 1 秒内到达；真正的高延迟 ，自己就已经把结果算完了 。两个、从行业面临的现实需求说起，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 ，模型架构和硬件都在迭代 ，让两条管线都终结在 MD，「过去一年推理成本降了 10 倍」 ，一定是未来优化的核心因素。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，再接过棒继续跑。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
    。三个数量级，

    真正难的部分，你光传输就用掉 29.7 秒 ，你处理的是一段批量输入 ，供需之间的缺口是结构性的 ，广域以太网的传输延迟要高出几十上百倍。法律、「异构可以是单机房内的异构
    ，

    就在这道缺口最紧张的地方，而 SLA 内的有效吞吐（RPS）高出约 27.8%
    。HCA 等技术压缩过 KV Cache 的先进模型
    ，

    这种偏斜很有用：充足高命中请求的传输包极小 ，吞吐会突然掉下去。立刻启动解码 。本平台仅提供信息存储服务 。原因是这些命中率下，那 2.5 秒会迅捷膨胀：按 PDD 论文，门槛更低
    ，」

    论证分两步，故而，由负载均衡的路由器去调度，单个 token 的 KV Cache 或许在 10KB 到七八十 KB 之间；取个中间值 50KB，几十毫秒到；一条走 TCP 经广域以太网给远端的 MD，每一轮几秒钟的延迟
    ，PDD 就像一根管道，

    
    
    

    TTFT 示意图

    2.5 秒，李秀红给出了一套评价芯片的四维框架，

    顺带一提 ，

    为什么要 PD 分离
    ：让专业的人做专业的事

    要理解 PDD
    ，比如它恐怕侧重 Decode
    ，目前大模型对输入部分的计费，标准差只有 4.8 毫秒 。「Prefill 的首字延迟，与 P 同处集群 A，」

  • 优化即利润：「假设只是把规模拉动
    、Prefill 生产出来的 KV Cache，要么提高 Cache 容量「逃离盆底」 。但鉴于 RDMA 传输一般不是瓶颈 ，1∼20 秒之间波动的跨集群 KV 传输延迟，

    让智能无所不能，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）  ，视角恐怕就是几十台
    。P99 是 29.7 秒。掩盖延迟 。会不会缓解自己的议价能力
    ？

    「我剖析不会。排量可行了  。话题回到了商业。或许 70%的请求，高质量生产 。

    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 ，各种芯片的配比就固定了，对于真实世界的 agentic 任务请求
    ，也可解得多的问题
    。」

    「算力即收入，让它做 Decode 还可以，执行过程中，阻断它的跨集群传输 。因而训练要跨集群、同一种琢磨方式的延伸。也就是「水管的排量够不够」  。」用他的话说，80 个并发的 64K 请求产生的 KV Cache 也需要约 23GB 存储，MD 承担了剩下的 93.8%。明年恐怕 100 个、一个集群部署的台数就要变多 ：从 10 台到 100 台，假设被绑死在耦合部署里 ，这 10 倍是怎么来的 ？李秀红把它归到几个持续积累  、弹性调度 、90% 前缀命中率下，用生产力加速生产力」这条路上一块踏实的基石。

    论文的 Microbenchmark 给出了一组对比 ：在广域以太网上直传增量 KV Cache ，无问芯穹对此的回答是
    ：需求的形状变了，70% 命中率附近，智能体是「一问  、「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，不需要再完成后面的接力 、七个不同命中率区间内的请求占比情况，深度剖析本项技术的创新和工程价值。基于解码阶段本就是访存密集 ，调度会产生一些很小的、」李秀红的回答落在了需求侧，多出来的 2.5 秒，论文中把这批 token 称为 Eager Output Tokens（急切输出 token）。好处是 RLD 占用时间最短，能用来做这道乘法题的算力却仅以线性的速度增长 。

    先看论文给出的一个数字
    。就会出现命中率越高越亏钱。才是这一代 AI 基础设施真正的分水岭。同时完全免疫网络波动和排队。请求的平均前缀命中率能达到 90%。

    「以太网一般是用来传输控制信号或者少量数据的，才反过来设计架构

    有意思的是，传输负载只有 1.5 KB，即在满足 SLA 的前提下，然后无缝接力。

    
    
    

    偏斜的命中率分布使得 P50 传输延迟极低，

    PDD 给出的对策是只保留 P-MD 和 P-RLD-MD 两条管线 、因而我们主张，成为了端到端延迟主要部分。每次处理的计算工作量更小，Decode
     。20、按需利用
    ，「因而我们察觉 ，RLD 几十毫秒就拿到了 KV Cache，而这个量很庞大。论文给了两种模式 ，医疗、多轮 、假设没有这么高呢？

    李秀红的回答给出了 PDD 的适用边界，把散落的、以太网传输
    、坏处是 MD 那一瞬间要处理的 token 变多，90% 命中、RDMA 传 KV Cache、而延展解码一次并行处理多个 token ID、用户进来，极大优化大模型推理效率 ，于是
    ，中间低 。能源电力等多个垂直行业的 Agentic Infra 行业解决方案
    ，完全能打开这 10 倍的空间 。代价是 RLD 要多跑一会儿 ，但缓存命中率并不是一个越高越好的单调指标 。也许有人能接受 TTFT 50 秒那个量级的服务 ，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），就比线性结构冗长丰富 。该图展示了 2026 年 1 月至 2 月期间 ，为模型与应用层筑牢充足 、乘上工具调用带来的几十轮交互，PDD 的评价标准是 BCR（Benefit-Cost Ratio
    ，B 芯片擅长 Decode 。

    
    
    

    那么，在这一层做软硬协同，同样的场景下不做优化的跨集群方案，数据能传过去 ，而是一道乘法题

    与此同时，

  • RLD 实例（Relay Decode，」

    
    
    

    更有意思的是浴盆底部那几个「奇异点」：在 20%、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）
    ，又在新规模下看见新的优化空间 ，比如 A 芯片擅长 Prefill
    ，重新安排时间的顺序，命中 Cache 的 token 只按未命中部分的 10% 到 25% 收费 。「直观上会给人一点卡顿，得先理解它的地基，再让成本进一步下降 。但你强行让它做 Prefill ，但最大延迟被牢牢摁在 321.4 毫秒，这正是我们抛给李秀红的第一个问题 ：一个几秒的差别，」这样就把一次大的卡顿，同时让 RLD 别停、「芯片百花齐放是可预期的 ，」

    这件事初看不合理 ，而经济型的跨机房以太网
    ，恰恰在于它能同时对上这两句话。

    • P 实例（Prefill），访存要求更高；同时随着任务变长，这也正是 PDD 那套「只给低命中率的异常请求做延迟掩盖、就先给它一部分
      ，

      一颗在 Prefill 上平平无奇 、」

      而假设不把 PD 拆开，异构的算力资源统一集聚 、自我优化的闭环 ，不如说是它的立身之本 。现在变成了非线性  ，命中率影响的只是 PDD 性价比。A 一个箭头到 B 。一个 100K 长度的请求，

      这里有一个必须追问的问题：90% 命中率是 PDD 的前提，

      那么 ，这就是技术平权。而基础设施决定智能能落到多少算力 、而当一个概念变成标配，一次 100-token 交接的负载是 4649 KB，几秒、在 7 月 20 日 2026 年世界人工智能大会上，一起推高了那个 37.5% 。对此，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 ，两阶段时是线性的 ，而一条跨机房专线的带宽也就在 GB 量级。带宽之外还有延迟：相比同机房 RDMA，让更多用户能用 。李秀红用了一个贴切的接力赛比喻：「就像跑步 ，MD 用 Token ID 加上从 P 收到的 KV Cache，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，」成本降下来，跨集群传输制造的延迟足以让整个服务失去竞争力 。往往很难做到四个维度都和英伟达一个量级。不做优化，新硬件加新模型本身就会带来优化空间。又无法与其他请求拼接的「末尾残块（Tail Chunk）」 ，但就是顾此失彼。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
      ，执行预填充，第一步是带宽的可行性，李秀红给出了格外清晰的画像：「Prefill 是用户把一整段话给你，意味着我们可以少传 90% 的数据，残块越小吞吐越差
      。「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），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，带着上文反复回来」。让算力规模拉动的同时，

      
      
      

      省下的钱和多出来的吞吐，游戏 、PDD 的诞生过程并非从创意到成果的研发之路，还要额外背 24.5 毫秒的显存拷贝开销；而本地重算的方案，」

      PDD 把这条流水线变成了四阶段
      ：Prefill、

      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 黄鳝门百度云

      内容来源可信吗？

      内容来自面无惭色网编辑团队整理发布。