研究與評測
無問芯穹公開PDD推論架構
量子位據報導
據量子位報導，無問芯穹公開跨叢集異質推論架構 PDD 與完整技術報告，透過 RLD 中繼及 Token 重算，降低廣域網路傳輸 KV Cache 的延遲。其在 DeepSeek-V4-pro 與真實 Agentic 工作負載測試中，首 Token 延遲最高降低 51.5%，單 Token 成本降低 37.5%。相關結果目前來自單一報導與團隊測試，仍須更多獨立驗證。
讀原始報導背景
PD 分離（Prefill-Decode Separation）是將大模型推論拆成 Prefill（預填充）與 Decode（解碼）兩個獨立階段，再依各自的計算特性進行最佳化。無問芯穹於 2026 世界人工智慧大會發布 PDD 跨叢集異質推論架構；實測顯示，其首個 Token 延遲降低 51.5%，單 Token 成本降低 37.5%。