待验证50% 置信解决方案精确时间
PD分离将推理的Prefill阶段(计算密集)和Decode阶段(内存带宽密集)部署在不同实例上以独立扩缩和优化
1
来源数
50%
置信度
长期有效
时效性
2026/10/4
首次发现
来源
涉及实体
相关事实
已验证LLM 推理分为预填充阶段（Prefill，计算密集型）和解码阶段（Decode，内存带宽密集型）两个阶段75% 相似待验证DCUF(Decompose, Classify, Unite, Filter)采用分解式策略，将声明拆解为子问题后分别检索再合并67% 相似待验证预填充阶段是计算密集型(compute-bound),需一次性处理全部输入token并生成KV Cache,注意力矩阵计算复杂度为O(n²)66% 相似待验证LLM推理的Prefill阶段是计算密集型操作，主要瓶颈是GPU/NPU算力（FLOPS）66% 相似待验证大语言模型推理的prefill阶段计算密集度高，能够充分利用大量并行核心65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/972990API
curl https://kongchang.com/api/v1/knowledge/claims/972990MCP
get_claim(id=972990)