北京
大模型生成的Token账单越来越长，企业却越难回答一个根本问题：这些数字串起来的调用，到底产生了多少真实价值？就像每次点外卖都加一份看不见酱料，成本层层累积，你开始怀疑自己是被“Token刺客”悄悄捅了一刀。就是在这种集体困惑中，成立仅三年的无问芯穹决定反过来开一剂猛药——不光继续建“工厂”，还要把“店”和“中心”一起开出来。
2026年世界人工智能大会（WAIC）上，无问芯穹创始人兼CEO夏立雪将这种新思路落地为“前店后厂一中心”的Agentic Infra战略。他告诉雷峰网，核心触发点恰恰是“Token刺客”现象的蔓延：企业购买的Token越来越多，但达成相同业务效果时，由于底层推理路径、模型规模、芯片适配度的差异，不同供应商的Token成本可能相差悬殊。“所以我们决定，不仅要有厂，还要和行业伙伴一起‘建中心’、‘开店’。”夏立雪说。
从“连接M种模型和N种芯片”到“Token工厂”再到如今的“前店后厂一中心”，无问芯穹在外界看来几乎一年换一副面孔。但在夏立雪眼中，这些变化的底色从未更改：核心技术体系一直专注解决智能的规模和效率问题，变的只是顺应AI从训练走向推理、再迈向Agent（智能代理）时代时，外界对AI基础设施形态的理解和表达。
“凭借多年的经验，创业之初我们就不只看训练需求。我们预判模型很快会进入大规模应用阶段，于是先从异构训练切入，同时积累面向大规模推理的基础设施能力。”夏立雪回忆，“虽然有所预判，但AI落地的速度还是比我们预想得更快。”他所在的这支团队，大多出身清华大学电子工程系，在导师汪玉鼓励下，抓住国产算力尚未被大模型公司充分释放的商业空间，一头扎进M×N的异构算力调度深水区。
三年之后，推理需求爆发，Agent加速走向落地，基础设施的形态不得不变。夏立雪解释：“Agent不是调用一次Token就结束的‘套餐式’需求，而是要把不同Token调用组织成一个完整、长期与人协作的任务，比如从代码生成到工程化，这对底层基础设施提出了大量任务并发、灵活启停等新要求。”这意味着，基础设施不仅要服务AI应用，本身也要大量利用AI实现自我迭代——这就是Agentic Infra的关键所在。
“前店后厂一中心”正是这套自我迭代体系的具体架构。夏立雪将其定义为一套更关注规模和效率的AI生产力转化系统，远不止商业架构。无问芯穹做的是中立连接：不做模型，也不做芯片，而是把分散的模型能力和异构算力组织起来，持续优化从底层资源到生产力的转化效率。他打了个比方：如果类比传统产业，无问芯穹就像石化产业链中的“炼化厂”，负责把算力转化为“数字石油”——Token，同时还要更贴近行业客户，把客户的真实需求反馈给整个转化系统，形成技术优化、服务提升和商业增长的闭环。
这套环的转速已经快起来了。雷峰网了解到，过去一年无问芯穹通过一系列原始技术创新，实现了10倍推理成本下降，平台高可用率达到99.99%以上，与Kimi、智谱、MiniMax、阶跃星辰等头部大模型企业密切合作后，单日Token
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
