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几分钟的劣化。在智能体时代，推理系统面对的不再是一道加法题，而是一道乘法题
与此同时，能用来做这道乘法题的算力却仅以线性的速度增长。因此，供需之间的缺口是结构性的，不会随着某一轮扩产而消失。
就在这道缺口最紧张的地方，无问芯穹给出了自己的答案。在 7 月 20 日 2026 年世界人工智能大会上，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，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，核心目标是最大化智能资源规模，把散落的、异构的算力资源统一汇聚、弹性调度、按需利用，为模型与应用层筑牢充足、稳定、可扩展的算力底座。当前已在全国部署触达超 37,000P 算力、覆盖 16 种主流芯片，盘活了广域分散的异质算力。
- 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、高质量生产。公司在 WAIC 2026 发布了首创的新一代推理系统优化成果——跨集群异构 PD 分离架构（Prefill-RelayDecode-MainDecode, PDD），极大提升大模型推理效率，同时最大化释放全域异构算力的产业应用价值。实测显示，该架构在实现了首 Token 延迟（TTFT）降低 51.5% 的同时，单 Token 成本可降低 37.5%。
- AI 生产力商店」：即Agentic Infra 行业解决方案，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，打造覆盖文娱、游戏、医疗、法律、能源电力等多个垂直行业的 Agentic Infra 行业解决方案，赋能千行百业降本提效。更将智能体能力应用到 AI Infra 本身，打造包含「平台管家智能体系统」、「智算集群运维智能体系统」和「算子生成智能体系统」的基础设施智能体蜂群，以 Agent 能力驱动整套 AI Infra 形成自主迭代、自我优化的闭环，让基础设施越用越强。
值得点出的是：早在 2025 年，无问芯穹就率先提出了Agentic Infra的范式；一年过去，这个词几乎成了行业标配。而当一个概念变成标配，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，还是重写整条从算力到 Token 到生产力的转化链？
总结起来，无问芯穹对此的回答是：需求的形状变了，所以训练要跨集群、推理要跨集群、基础设施要自己会优化自己，最后这套能力还要能输出翻译到物理世界。其核心则在于规模与效率
而这条主线中，目前最硬、也最能直接换算成钱的一块是推理
于是接下来，我们把镜头推近，聚焦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），我们专访了无问芯穹技术副总裁、该技术负责人李秀红。
下面，他将带我们一道，从行业面临的现实需求说起，深度剖析本项技术的创新和工程价值。
- 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。
在 64K 总长度、90% 前缀命中率下，同机房内做 PD 分离，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，这个数字变成 6.7 秒。多出来的 2.5 秒，是 KV Cache 在广域以太网上爬行的时间。
TTFT 示意图
2.5 秒，听起来不多。这正是我们抛给李秀红的第一个问题：一个几秒的差别，为什么值得专门去优化？
「这其实是个非常核心的点。」他把视角从平均值挪开，「P50 你可以理解成只有一半的请求。我们作为 token 服务工厂，真正要保障的是 P90 和 P99；只有把这两个尾部保障好，才谈得上是高质量的 token 服务。」
而在尾部，那 2.5 秒会迅速膨胀：按 PDD 论文，同样的场景下不做优化的跨集群方案，P90 的 TTFT 是 18.3 秒，P99 是 29.7 秒。「P99 已经快 30 秒了，而现在高质量的 token 服务整体延迟基本不会超过 30 秒。你光传输就用掉 29.7 秒，完全达不到业务要求。」
跨数据中心 PD 分离基准与 PDD 的 TTFT 数据比较
换句话说，2.5 秒是中位数请求的账。而在决定服务质量的尾部，跨集群传输制造的延迟足以让整个服务失去竞争力。
为什么要 PD 分离：让专业的人做专业的事
要理解 PDD，得先理解它的地基，即 PD 分离，及其必要性。
大模型推理有两个阶段，对硬件的要求几乎相反。李秀红给出了非常清晰的画像：「Prefill 是用户把一整段话给你，你处理的是一段批量输入，所以它是计算密集型的，要大算力。Decode 是一个 token 接一个 token 地往外吐，每次处理的计算工作量更小，访存要求更高；而且随着任务变长，它对显存容量和显存带宽的要求都比 Prefill 更高。」
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。「Prefill 的首字延迟，大家容忍度高一点，几秒、甚至十几秒也能接受。但 Decode 每个 token 都是 10、20、30 毫秒量级的，要求非常高。」
而如果不把 PD 拆开，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，是能跑的，但就是顾此失彼。」用他的话说，PD 分离就是让专业的人做专业的事，而不是搞一个大一统。
这是业界早有的共识。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。并且二者是正交的：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。另外，李秀红也指出，「异构可以是单机房内的异构，也可以是跨机房的异构。」
为什么要追求异构？根子在于国产芯片的现状。李秀红给出了一套评价芯片的四维框架，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，英伟达做得最好。但你把视野放开，考虑其他芯片，往往很难做到四个维度都和英伟达一个量级。所以有些芯片会做取舍，比如它可能侧重 Decode，让它做 Decode 还可以，但你强行让它做 Prefill，效率就非常低。」
也因此，异构 PD 分离有了价值：让「偏科」的芯片做它擅长的事。
一颗在 Prefill 上平平无奇、在 Decode 上却远超基线的芯片，如果被绑死在耦合部署里，它出色的解码能力就会被浪费掉。
那么，实现异构是在单机房内建一个异构集群，还是找两个机房、用以太网把它们连起来？李秀红判断：「异构集群市面上本来就不多，建造的复杂度高，同时集群一旦建好，各种芯片的配比就固定了，业务变化之后，灵活性也有问题。所以我们认为，跨集群的异构会是未来成本最低、最灵活的异构方式。」
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，传不动一个机房的 KV Cache
跨集群异构方向选定了，但它撞上了一堵墙：两个机房之间要传 KV Cache。
李秀红解释说：「P 和 D 虽然分离，但这两个阶段是协同配合的。Prefill 生产出来的 KV Cache，要传给 Decode 去用。而这个量很庞大。」他当场算了一笔账：主流的 1T 级别旗舰模型，单个 token 的 KV Cache 大约在 10KB 到七八十 KB 之间；取个中间值 50KB，一个 100K 长度的请求，KV Cache 就是 GB 级别。而一个集群每秒要处理几十个这样的请求。
「以太网一般是用来传输控制信号或者少量数据的，不太会传大量的数据面内容。」可 Prefill 集群每秒生产出的 KV Cache 是几十 GB 量级，而一条跨机房专线的带宽也就在 GB 量级。「你的以太网，根本传不动 Prefill 集群产生出来的 KV Cache，这会完全在传输上成为瓶颈。
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、HCA 等技术压缩过 KV Cache 的先进模型，80 个并发的 64K 请求产生的 KV Cache 也需要约 23GB 存储，把它传到解码集群需要超过 180 Gbps 的带宽。而经济型的跨机房以太网，通常只能提供 10 到 100 Gbps。带宽之外还有延迟：相比同机房 RDMA，广域以太网的传输延迟要高出几十上百倍。
可行性：先从数据里看到「有戏」，才反过来设计架构
有意思的是，PDD 的诞生过程并非从创意到成果的研发之路，其起点是可行性论证。李秀红回忆道：「当你跟同行讲你在做跨集群 PD 分离，别人一听就会觉得，这不太可能吧？天方夜谭。所以可行性分析是我们整个工作的基础。」
论证分两步，他用工厂的水管作比。第一步是带宽的可行性，也就是「水管的排量够不够」。这一步的关键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，请求的平均前缀命中率能达到 90%。命中意味着这部分 KV Cache 无需重新传输。李秀红解释说：「90% 的命中率，意味着我们可以少传 90% 的数据，整体传输量直接降了一个数量级。」降完之后，专线带宽和集群产能就落到了同一个量级。于是，排量可行了。
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，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、高前缀命中的特征，在解码侧缓存历史 KV Cache，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降低最多 10 倍。这也为 PDD 打造了稳固的地基。
但排量够，不代表每个请求都够快。第二步是延迟的可行性。「从整体看，数据能传过去，但从每一个具体请求的视角看，还要保证它的延迟满足要求。」而直接用以太网传，延迟完全满足不了业务要求。「所以我们发现，带宽是可行的，但延迟不可行。处理延迟的可行性就是 PDD 这个工作的关键。」
研究观察到，对于真实世界的 agentic 任务请求，大约 70%的请求，输出长度低于 500 tokens。而对于这些短输出请求，1∼20 秒之间波动的跨集群 KV 传输延迟，成为了端到端延迟主要部分。
这里有一个必须追问的问题：90% 命中率是 PDD 的前提，如果没有这么高呢？
李秀红的回答给出了 PDD 的适用边界，也顺带说明了它的经济性：「高命中率是前提，但不一定非得是 90%。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，我们适当提升一下专线的规模就行。相对于集群里的机器成本，专线的成本还是非常低的。」换句话说，命中率影响的只是 PDD 性价比。
顺带一提，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%，而是高度偏斜的，即约 70% 到 80% 的请求命中率超过 95%，同时夹着一小撮低命中率请求。
不同命中率区间内请求分布随时间的变化。该图展示了 2026 年 1 月至 2 月期间，七个不同命中率区间内的请求占比情况，这些区间覆盖范围从 0%-90% 到 99%-100%。
这种偏斜很有用：海量高命中请求的传输包极小，能借 TCP 的公平机制绕过拥塞、在约 1 秒内到达；真正的高延迟，被隔离在了那一小撮低命中率的请求上。于是问题从「如何全局降低传输延迟」变成了「如何只给那一小撮异常请求做延迟掩盖」，而这是一个小得多、也可解得多的问题。
偏斜的命中率分布使得 P50 传输延迟极低，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，而不是 KV Cache
现在可以拆解 PDD 本身了。简单来说，它把传统 PD 分离的两级进一步解耦成了三级。
- P 实例（Prefill），执行预填充，位于集群 A。
- RLD 实例（Relay Decode，接力解码），与 P 同处集群 A，之间是高速 RDMA。
- MD 实例（Main Decode，主解码），位于远端集群 B。
PDD 的三层跨数据中心 PD 分离架构示意图
对于这个机制，李秀红用了一个贴切的接力赛比喻：「就像跑步，你起跑加速的时候跑得慢，就让上一棒先替你跑一段；等你把速度提起来，再接过棒继续跑。」更具体来说：
双路并行传输。P 算完后，KV Cache 同时走两条路：一条走 RDMA 给同机房的 RLD，几十毫秒到；一条走 TCP 经广域以太网给远端的 MD，要数秒。
RLD 率先解码，掩盖延迟。RLD 几十毫秒就拿到了 KV Cache，立刻开始解码。在 MD 那份还在网上爬的这数秒到数十秒中，RLD 已经开始向用户输出 token 了。论文中把这批 token 称为 Eager Output Tokens（急切输出 token）。在这些 token 的延迟掩藏下，跨集群的 KV 传输延迟虽然没有被消除，但是却丝毫不影响用户体验了。
第三步，延展解码交接（Extend-Decode Handoff）。等 MD 那份 KV Cache 终于收齐，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，MD 用 Token ID 加上从 P 收到的 KV Cache，在本地重算出这段增量 KV Cache，然后无缝接力。
为什么绕这一圈更划算？因为 Token ID 极小（100 个 token 的 ID 只有 1.5 KB），而且是 CPU 数据，不触发额外的显存拷贝；而 MD 重算这段 KV Cache 的开销，又被 Decode 阶段本身访存密集的特性给掩盖了。
论文的 Microbenchmark 给出了一组对比：在广域以太网上直传增量 KV Cache，一次 100-token 交接的负载是 4649 KB，延迟均值 185 毫秒但峰值冲到 512.6 毫秒，还要额外背 24.5 毫秒的显存拷贝开销；而本地重算的方案，传输负载只有 1.5 KB，延迟均值虽略高（305 毫秒），但最大延迟被牢牢摁在 321.4 毫秒，标准差只有 4.8 毫秒。
Microbenchmark：100-token 序列的交接开销比较
前者确实有时更快，但抖动大；后者稳，而且完全免疫网络波动和排队。在广域网上传一句「我跑到这儿了」，让对方自己把中间过程重算出来，比把整个中间过程搬过去更划算。
顺带一提，这一步还借鉴了一个现成的技术范式。论文点明，Extend-Decode 本质上和 MTP（多 token 预测）、投机解码是同类：普通解码一步只吃一个 token ID、吐一个 token，而延展解码一次并行处理多个 token ID、补齐它们对应的 KV Cache 再吐出下一个。由于解码阶段本就是访存密集，这多出来的计算量几乎不额外增加延迟。
两种交接模式和一个会「震荡」的流水线
RLD 和 MD 之间的交接，论文给了两种模式，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，然后立刻释放。好处是 RLD 占用时间最短，坏处是 MD 那一瞬间要处理的 token 变多，「直观上会给人一点卡顿，就像第一个 token 出来的时候，突然卡了那么一下。」
- Catch-Up Handoff（追赶式交接）：把一次性交接拆成多批。李秀红举了个例子：「如果一次要交接的 token 超过某个阈值（比如 64 个），我们认为这一下对 MD 的卡顿影响比较大，就先给它一部分，同时让 RLD 别停、继续再接力一段；等 MD 把刚才那一小部分做完，再把第二块给它。」这样就把一次大的卡顿，化成了多次感官上无法察觉的小交接。代价是 RLD 要多跑一会儿，负载略增。
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
在实际系统中，可以根据 RLD 的实时负载，在两种模式间动态切换。
真正难的部分，在流水线本身。「传统 PD 分离严格来讲也是三阶段：Prefill、RDMA 传 KV Cache、Decode。但因为 RDMA 传输一般不是瓶颈，我们会把它简化成两阶段。」李秀红说，「两阶段的生产消费关系非常容易配平，你只要知道 A 和 B 的生产能力，很容易就把它配平衡了。」
PDD 把这条流水线变成了四阶段：Prefill、接力的 RLD、以太网传输、远端的 MD。李秀红说：「更麻烦的是依赖关系。两阶段时是线性的，A 一个箭头到 B。现在变成了非线性，整个从线性的箭头关系，变成了图的依赖关系。再去做任务均衡、去找瓶颈，就比线性结构复杂很多。」
论文披露了这种复杂性失控时的样子：如果把低命中率请求错误地只在本地（P-RLD 管线）消化、不再传给 MD，MD 侧的缓存命中率会逐渐落后于 P 侧，这个偏差会反过来把更多负载甩回 RLD，形成正反馈，最终 RLD 过载 → 系统崩溃。
PDD 给出的对策是只保留 P-MD 和 P-RLD-MD 两条管线、明确排除 P-RLD，让两条管线都终结在 MD，从而保证 MD 侧和 P 侧的缓存命中率始终对齐。也因此，RLD 被严格限定为「只负责掩盖延迟」这个最小职能。
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，针对的是那种极少出现、却吃满带宽的「超长输入、超短输出」请求。
李秀红解释了它的机制：这类请求 RLD 还没等 KV Cache 传完，自己就已经把结果算完了。对此，「那就干脆在这儿直接中断，不需要再完成后面的接力、控制、对齐。」由 RLD 就地跑完全流程，阻断它的跨集群传输。效果不打折，因为「它接力的这部分 Decode 本身就更快，传 KV Cache 又是机房内走 RDMA，整体效果非常好。」
这类请求占比多少？李秀红估计大概有 3% 到 4%，但强调「跟实际业务类型有关，这个数字只能代表某一个阶段」。
成本的账：10 倍从哪来，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。
先看论文给出的一个数字。PDD 的评价标准是 BCR（Benefit-Cost Ratio，收益成本比），即在满足 SLA 的前提下，有效吞吐与硬件成本之比。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，PDD 的 BCR 比传统的同机房同构 PD 基线高出最多37.5%
这个数字很重要，因为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，PDD 方案只用了 43 张 GPU 型号 A 加 32 张 GPU 型号 B，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，PDD 的总硬件成本反而比基线低了约 3.5% 到 7.1%，而 SLA 内的有效吞吐（RPS）高出约 27.8%。
省下的钱和多出来的吞吐，一起推高了那个 37.5%。这并非靠堆更贵的卡换来的性能，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、90% 命中、1K 输出的场景里，RLD 只生成了全部输出 token 的 6.2%，MD 承担了剩下的 93.8%。两者负载相差约 15.2 倍。只需一小撮资源养这个「接力替补」，却能得到跨机房这张通行证。
那么，「过去一年推理成本降了 10 倍」，这 10 倍是怎么来的？李秀红把它归到几个持续积累、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，由负载均衡的路由器去调度，可以互不干扰地弹性扩缩）；KV Cache 命中（命中之后整个计算基本可以近似省掉，这个收益非常大）；以及 MTP 等。
其中最出人意料的收益来自一个和「省钱」直觉正好相反的发现，即李秀红此前在 QCon 全球软件开发大会上分享的「浴盆模型」：「我们发现，当 KV Cache 命中率提升之后，业务收益反而比命中率低的时候更低了。这非常反直觉。」
这件事初看不合理，细想却相当合理。目前大模型对输入部分的计费，命中 Cache 的 token 只按未命中部分的 10% 到 25% 收费。命中越多，单价越低。问题在于，命中率上升带来的吞吐收益，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、又用真实模型实测，得到的收益曲线呈「浴盆」形：两端高、中间低。「落进浴盆底部那个偶然失效区间时，就会出现命中率越高越亏钱。」
更有意思的是浴盆底部那几个「奇异点」：在 20%、40%、70% 命中率附近，吞吐会突然掉下去。
团队查代码发现，原因是这些命中率下，调度会产生一些很小的、又无法与其他请求拼接的「末尾残块（Tail Chunk）」，只能独立计算，残块越小吞吐越差。这类问题可以靠工程优化抹平。
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」，要么提高 Cache 容量「逃离盆底」。
这里提及这个发现的原因是它点破了一件容易被忽略的事：在 Agent 时代，前缀缓存已经是推理系统的「一等公民」，但缓存命中率并不是一个越高越好的单调指标。这也正是 PDD 那套「只给低命中率的异常请求做延迟掩盖、让高命中请求轻装走 P-MD 管线」的设计背后，同一种思考方式的延伸。
至于夏立雪演讲中提到的「推理成本未来的 10 倍下降空间」，李秀红表示这是一个重要的技术判断：「从 2023 年底到现在，模型架构和硬件都在迭代，新硬件加新模型本身就会带来优化空间。我们公司的核心技术判断是『多元异构、软硬协同』，即结合新硬件和新模型，在这一层做软硬协同，完全能打开这 10 倍的空间。」
「算力即收入，优化即利润」
采访最后，话题回到了商业。无问芯穹为这次发布提炼的一句话是「算力即收入，优化即利润」。李秀红说，PDD 有意思的地方，恰恰在于它能同时对上这两句话。
- 算力即收入：「现在算力整体还是供不应求，市场上各种芯片、还有过时的芯片，其实不少都有机会用起来。PDD 就像一根管道，把原本没办法协同做推理的集群连起来，相当于把我们能用的算力规模扩大了。」
- 优化即利润：「如果只是把规模扩大、不做优化，服务质量就会差，对应的 token 定价就得低。也许有人能接受 TTFT 50 秒那个量级的服务，但它的价格就会变低。我们通过优化，让算力规模扩大的同时，token 的质量、SLA 还维持在高质量的范畴中。」
有一点值得点出：对于自建机房的云厂商，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。对这样一家公司，优化省下的更接近直接的毛利。技术优化对它而言，与其说是加分项，不如说是它的立身之本。
至于增长飞轮，李秀红分享说：「一开始做推理服务，视角可能就是几十台。流量更多了，一个集群部署的台数就要变多：从 10 台到 100 台，看待效率的方式就不一样了，会释放新的优化空间，比如 PD 配比能做得更精细。再往上，集群从一两个变成几十、几百个，我们就意识到需要用 PDD 把它们连起来、扬长避短。」成本降下来，用户进来，规模变大，又在新规模下看见新的优化空间，再让成本进一步下降。
最后，我们还给了他一个相当尖锐的问题：PDD 让零散、异构、跨地域的算力变得可用，客观上降低了算力的稀缺性；对一家靠算力优化赚钱的公司，把算力变得不那么稀缺，会不会削弱自己的议价能力？
「我觉得不会。」李秀红的回答落在了需求侧，「我们公司的目标就是把 token 的成本降低一个、两个、三个数量级，不断降下去。通过降低成本，让 AI 的价格更低、门槛更低，让更多用户能用。以前只有特定群体在用，价格降下来，更多需求就被释放出来。这是一个正反馈：把成本压下去，更多需求涌进来。这就是技术平权。」
结语
把视线拉长到三年，跨集群异构推理会成为标配吗？
李秀红给出了肯定的判断：「集群规模肯定会越来越大，今年 10 个，明年可能 100 个、1000 个。把跨集群做好，一定是未来优化的重要因素。」同时，「芯片百花齐放是可预期的，一定会出现各种各样有自己专长的芯片，比如 A 芯片擅长 Prefill，B 芯片擅长 Decode。所以随着集群数量变多、集群里芯片的丰富度变多，PDD 这类技术会是必不可少的。」
PDD 解决的是一个具体的工程问题：如何在两个机房之间，把一份庞大的状态从容地搬过去。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，重新安排时间的顺序，让计算跑赢传输
而把镜头再拉远，PDD 只是无问芯穹这次 WAIC 发布里的一个切面。「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），把算力以「效」搏大地压成高质量 Token（Token 工厂），再把 Token 循环造血地输送进百业（AI 生产力商店）。三大板块串起了一条从电能到智能的完整链路，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，单纯堆算力已经不够，能不能在做大规模的同时把效率也做到极致，才是这一代 AI 基础设施真正的分水岭。PDD 非常重要的原因是它成了「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，又用延迟掩盖把这份规模守在高质量的服务水位上。
让智能无所不能，是 AGI；而让智能无处不在，是 AGI Infra。」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，而基础设施决定智能能落到多少算力、多少行业、多少真机之上。
在这个意义上，「两个机房当一个机房用」听起来像一句口号，但当李秀红把接力赛的比喻讲完，你会发现它其实是一句相当精确的技术描述，也是「用智能进化智能、用生产力加速生产力」这条路上一块踏实的基石。
热门跟贴