zHBM（垂直堆叠 HBM）

Disaggregated Inference：AI 推理硬件的预填充与解码分离革命

2026 年 7-8 月，AI 推理基础设施正经历一场结构性分化：Disaggregated Inference（分离式推理）从学术概念走向产业主流。其核心思想是将推理的两个物理阶段——计算密集的预填充（prefill）和延迟敏感的解码（decode）——分配到不同类型的硬件上执行。NVIDIA 将 GPU 与 LPU 配对，AMD 与 Cerebras 结合高吞吐系统与晶圆级解码，Intel 聚焦编排层，而初创公司 OLIX 以 $312M B 轮融资押注专用 decode 芯片 DX-1。本文从架构原理、硬件选型权衡、产业格局、对中国 AI 基础设施的启示四个维度系统分析这场推理革命。