新华财经上海7月22日电（邓侃） 日前在2026世界人工智能大会（WAIC 2026）上，无问芯穹联合创始人兼CEO夏立雪发布Agentic Infra（通用人工智能基础设施）“前店后厂一中心”战略布局，系统构建涵盖算力集散中心、Token工厂、AI生产力商店的新一代AI基础设施体系，三者分别对应Agentic Infra自主式基础设施平台、Agentic MaaS大模型服务平台和Agentic Infra行业解决方案。

“计算需求在指数级攀升，今天，仅依靠产能的线性增长去堆叠算力，已经远远无法弥合供需之间持续扩大的缺口。”夏立雪表示，随着人工智能从预训练发展到后训练、从推理时扩展发展到智能体扩展阶段，人工智能能力正沿着多条Scaling Law（指随着算力、数据和规模增大，人工智能能力持续增强的规律）持续演进，模型训练与推理正形成相互促进的“超级市场”。面对这一趋势，仅依靠增加算力规模已难以满足产业需求，如何以更高效率支撑更大规模的AI运行，正成为下一代AI基础设施竞争的关键。

基于这一判断，无问芯穹提出“AI生产力＝智能资源规模×Token转化效率×AI生产力转化效率”的生产力公式，并将“规模”与“效率”确立为智能体原生基础设施建设的两大核心方向。

算力越来越多，如何真正“用得好”

发布会上，夏立雪首次系统介绍了无问芯穹智能体原生基础设施“前店后厂一中心”战略布局。其中，“一中心”即“算力集散中心”，负责将分散在不同地区、不同芯片上的算力资源统一汇聚、弹性调度、按需分发，为模型训练和产业应用提供稳定、可扩展的计算底座；“后厂”即Token工厂，负责高效生产和输出AI推理服务；“前店”则是面向行业场景的基础设施解决方案，推动AI能力加快走向产业应用。

与传统AI基础设施相比，智能体原生基础设施不仅向下连接芯片、算力等基础资源，向上支撑模型训练和行业应用，更将智能体能力融入基础设施运行全过程，使资源调度、平台运维和系统优化能够持续自主协同、自我演进。

作为整个体系的底层支撑，无问芯穹持续围绕异构算力聚合开展技术创新。针对不同地区、不同型号芯片资源分散、难以协同的问题，公司通过跨域训练、统一调度和资源协同等技术，让分散的各类算力资源能够更加高效地组织和利用。目前，该平台已完成超远距离跨域训练、多数据中心协同训练和混合云训练等生产级验证，并联合中国电信完成国内首例跨越4000公里的大模型跨域混合训练。截至目前，这套跨域训练系统已触达超过37000P算力资源，覆盖16种主流AI芯片，盘活广域分散的异构算力资源，为Agentic AI（智能体人工智能时代）提供基础设施支撑。

随着强化学习成为提升大模型能力的重要路径，跨集群强化学习训练对AI基础设施提出更高要求。针对跨域通信效率和超大规模集群稳定运行等难题，无问芯穹持续优化网络、平台和训练框架协同能力，为下一代智能体持续进化提供底层支撑。

打造“Token工厂”，深挖效率红利

如果说算力集散中心解决的是计算资源如何汇聚，那么Token工厂解决的则是如何让每一份算力创造更大的AI价值。

Token是大模型处理和生成文字、图片、代码等内容时的基本计算单元，也是衡量AI服务调用量的重要指标。随着智能体应用进入长文本理解、多轮交互、自主执行等新阶段，Token需求持续增长，如何提高推理效率、降低计算成本，成为AI基础设施竞争的新焦点。

围绕这一趋势，无问芯穹持续升级模型即服务平台，打造面向推理时代的Token工厂。从用户请求接入、资源调度，到模型推理，各环节都存在优化空间，夏立雪表示“Token工厂层层可优化、处处有增量”。

针对智能体应用的新特点，无问芯穹首创新一代推理系统优化成果——跨集群异构PD分离架构。该架构根据不同芯片在模型预处理和生成阶段的性能优势进行分工协同，让不同算力资源各展所长，提高整体推理效率。实测数据显示，新架构可将首Token响应时间降低51.5%，单Token成本降低37.5%，在提升用户端响应速度的同时，进一步降低了推理成本。让每一份算力都能被充分利用起来，全域异构算力的产业应用价值都能被最大化释放。

技术创新正在持续转化为产业服务能力。目前，无问芯穹已与Kimi、智谱AI、MiniMax、阶跃星辰等头部大模型企业密切合作。随着真实业务场景不断增加，平台持续积累运行经验，推动技术快速迭代，形成“业务带技术、技术提效率、效率促增长”的发展飞轮。

依托算力集散中心和Token工厂，无问芯穹正推动AI能力加快走向产业应用。目前，公司已围绕医疗、法律、文娱、能源等领域构建基础设施行业解决方案体系，不仅服务上海瑞金医院医疗大模型建设，还为知名律所打造AI合伙人“律盾芯人”，更与伙伴一起，探索支持3D游戏内容生成、智算中心能耗预测等场景的落地方案。

在无问芯穹看来，AI基础设施竞争已不仅是算力规模的竞争，更是资源利用效率和产业转化能力的竞争。通过持续提升Token生产效率，降低AI应用门槛，让更多行业能够以更低成本、更高效率使用人工智能，是智能体原生基础设施的重要价值所在。

让基础设施“会思考”，迈向智能化新阶段

随着以智能体为核心的新一代人工智能不断发展，AI基础设施不仅需要提升智能资源规模和运行效率，更需要将智能体能力融入基础设施运行全过程。

“基础设施自己本身也是一个行业。”夏立雪对此表示，无问芯穹在长期服务大模型训练、推理和产业应用过程中积累了大量实践经验，也形成了丰富的应用场景。因此，在支撑行业智能化升级的同时，公司也持续将智能体能力应用到AI基础设施自身，希望通过“用智能体赋能基础设施，提升规模和效率”，推动基础设施不断自我优化、自我演进。

发布会上，无问芯穹首次系统展示基础设施智能体蜂群。该体系由平台管家智能体、集群运维智能体和算子生成智能体组成。算子可以理解为AI完成计算任务的基础程序模块，其优化水平直接影响模型训练和推理效率。

其中，平台管家智能体负责作为用户入口和全局统筹者协助用户轻松完成日常的资源管理、平台运维和故障排查等工作；集群运维智能体则通过多智能体协作实现自动巡检、故障智能诊断和闭环处置，提升大规模GPU集群运维效率；算子生成智能体则负责面向底层芯片的高性能算子生成。

“我们不仅用Agent赋能资源规模扩展、提效Token生产，更致力于以Agent能力驱动整套AI基础设施形成自主迭代、自我优化的闭环，让基础设施越用越强。”夏立雪说。

在发布会最后，无问芯穹将视角进一步延伸至具身智能领域。随着机器人等具身智能快速发展，其训练和部署同样需要高效率、大规模的AI基础设施支撑。

围绕这一方向，无问芯穹发布首个面向大规模具身任务的云边端一体化管理与调度平台，将云端GPU集群、边缘算力节点和机器人真机设备统一接入，实现训练、数据采集、评测和真机执行统一调度，并升级RLinf V0.3强化学习训练框架和Mizar-Robo端侧推理优化体系，进一步提升具身智能训练效率和部署能力。目前，无问芯穹已联合智元、自变量机器人、清华大学等合作伙伴开展真机强化学习训练和推理部署的实践探索，持续推动具身智能从实验室走向产业应用。

从汇聚智能资源，到提升AI服务效率，再到推动产业应用和具身智能发展，无问芯穹此次发布的“前店后厂一中心”战略布局，系统展示了其作为国内领先的AI原生独立基础设施企业，面向AGI时代的发展思路。夏立雪强调：“让智能无所不能，是AGI；让智能无处不在，是AGI Infra。”未来，公司将继续围绕“规模”与“效率”，为数字世界和物理世界所有AI生产力运行提供基础设施支撑。

 

编辑：林郑宏

声明：新华财经（中国金融信息网）为新华社承建的国家金融信息平台。任何情况下，本平台所发布的信息均不构成投资建议。如有问题，请联系客服：400-6123115