结论：CED 本身不是 decode 优化，它是 prefill 优化；对 decode 只有间接和局部收益，甚至可以说把计算负担更多地推给了 decode。
以下按 DeepSeek-V4.1-Flash 的 Causal Encoder-Decoder 来理解（如果你指的是别的 CED，比如 Contrastive Epistemic Decoding，告诉我，我换方向）。
1. CED 的机制决定了它作用在 prefill
40 层切成 20 层 causal encoder + 20 层 decoder。decoder 层的 global K/V 不由本层 hidden state 生成，而是用 layer-dependent 投影权重直接从第 19 层（encoder 最后一层）的 hidden state 投影出来：
$$K^{(l)}, V^{(l)} = h_{19} W_K^{(l)},\ h_{19} W_V^{(l)}$$
于是 prefill 只需要跑前一半层就能拿到全部 40 层的 global KV，复杂度从 O(n²) 砍到约一半。这是纯 prefill 账。
2. 最硬的反证：8B vs 16B
论文自己给的数字是：prefill 每 token 激活 8B 参数，decode 每 token 激活 16B。
也就是说 CED 的效果是把成本从 prefill 挪到 decode —— 对 agentic 场景（输入远长于输出、频繁 tool call 导致 KV cache miss）是划算的，但单看 decode 的 per-token 计算量，CED 一分钱没省。原因很直接：decode 每个新 token 都要跑完 encoder 20 层（新 token 的 h₁₉ 得算出来）+ decoder 20 层，深度没变。
3. CED 对 decode 的真实收益（三条，都是间接的）
| 收益 | 机制 | 强度 |
|---|---|---|
| 索引成本与上下文解耦 | Hierarchical Sparse Indexer 只在 CED 的 decoder 里用：第一个 Full Mode 层建候选池（如 2048 block × 8 = 16,384 位置），后续 Reindex 层只在这个池内打分，per-query 成本从 O(context) 变常数 | 这是 CED 对 decode 最直接的贡献 |
| KV footprint 变小 → 并发变高 | global KV 890 B/token（V4-Flash 的 1/4），persistent KV 1/8。decode 是 bandwidth-bound，KV 小了就能塞更大 batch、摊薄权重读取 | 但主因是 CSA2 + FP4，不是 CED |
| SWA KV 不再持久化 | Decoder SWA Bounded Replay 只重放 n_win 个 token（而非 L/2 × n_win），session 恢复时 miss 代价从"灾难"变"轻微" | 省的是 prefill 重算和 SSD 容量，间接让 decode 侧 HBM 更宽裕 |
配套的 Figure 2 那个"4K→1M 上下文 decode FLOPs 只涨 1/4"，是 CSA2 稀疏注意力 + 分层 indexer + FP4 的合力，不能记在 CED 头上。
4. 真正提升 decode 的是另外四件事
- DSpark 推测解码：3 层 drafter + 单次前向并行出 5 个 draft position + Markov head 建模依赖 + confidence head 预测接受率 + 按引擎吞吐曲线动态定验证长度
- CSA2：跨层复用 main KV / indexer K / Top-K 索引（Full / Reindex / Reuse 三模式），Reuse 层 decode 只跑 11 个 kernel
- FP4 main KV + FP8 SWA KV（QAT，量化在 RoPE 之后）
- EPD 分离部署 + Single-Pass mHC / Mega-mHC kernel（激活访存减半）
5. 两个值得盯的风险点
- CED 让 decoder 的 KV 全部从单一层的 hidden state 投影而来，KV 的"计算深度"被压掉了 —— 论文说性能可比，但这是架构级的赌注，长上下文稀疏检索是它自己点名的 robustness 边界
- SWA Bounded Replay 是近似重建（截断到 replay 段），论文承认这是未完全刻画的失效边界
一句话给决策用：如果你在评估"要不要为 decode 上 CED"——不值得，CED 的 ROI 全在 prefill/agentic 输入侧；要 decode 加速，看 DSpark + 稀疏注意力 + KV 低精度 + kernel fusion 这条线。
要不要我把这篇的架构拆解整理成 Obsidian 笔记（放 Mora/Tech），或者顺着 YOCO → CED 这条 KV 复用谱系做一次深挖？