无问芯穹发布「前店后厂-中心」Agentic Infra战略

AGI时代，基础设施的决胜点是「AI原生的Agentic Infra」。

本文为IPO早知道原创

作者｜Stone Jin

据IPO早知道消息，无问芯穹联合创始人兼 CEO 夏立雪于7月20日在WAIC 2026上提出，从 Pre-training（预训练） 到 Post-training（后训练）、从Test-time（推理时扩展） 到 Agentic scaling（智能体扩展），在四条 Scaling Law 的作用下，模型训练和推理的超级市场正在互相孕育。

这意味着，当下的人工智能基础设施（AI Infra）“必须以极致的效率服务更大规模。”

基于规模与效率两大锚点，夏立雪从无问芯穹的 AI 生产力公式（AI生产力 = 智能资源规模 × Token 转化效率 × AI生产力转化效率）出发，首次公布无问芯穹 Agentic Infra 的“前店后厂一中心”战略布局，涵盖三大核心技术能力与产品服务体系：

• “算力集散中心”：Agentic Infra 自主式基础设施平台

• “Token工厂”：Agentic MaaS 大模型服务平台

• “AI生产力商店”： Agentic Infra 行业解决方案

这套 Agentic Infra 产品与服务体系立足基础设施，向下汇聚能源和芯片，向上支撑模型和应用，不仅极致提升底层资源向AI生产力转化的规模和效率，更有着 Agentic AI 时代最显著的 AI 原生能力——用基础设施智能体蜂群赋能资源规模扩展、提效 Token 生产，并支持 Agentic AI 的持续进化。

具体而言，无问芯穹 Agentic Infra 自主式基础设施平台的核心目标，是实现智能资源规模最大化。它就像一座“算力集散中心”，把散落的、异构的算力资源统一汇聚、弹性调度、按需分发，为模型与应用层筑牢充足、稳定、可扩展的算力底座。

夏立雪认为：“算力的异质化、碎片化问题是全球性的，如何把不同的、跨区域的算力资源，高效聚合协同起来，是扩大智能资源规模的关键。”

事实上，无问芯穹自成立以来一直致力于通过“多元异构、软硬协同”技术破解异质算力聚合的难题，打造了面向异构集群的大模型跨域训练系统，并集成于 Agentic Infra 自主式基础设施平台软件中，通过计算通信重叠的流水编排、自适应的通信流调度和异构算力调度机制，三位一体全栈协同优化，能够系统性地破解算力聚合的行业难题。

夏立雪表示，伴随着大规模跨集群强化学习训练技术的持续成熟突破，无问芯穹还将持续深耕并行策略、通信融合、智能算子、极致容错等核心技术，“未来，我们能够将跨域计算资源的支撑规模，持续拓展至十万卡级以上，支撑下一代Agentic AI的在线进化。”

另一方面，无问芯穹早在 2023 年初就提前布局的 Agentic MaaS 大模型服务平台，目前正在迎来高速且持续的增长曲线。该平台就像一座“Token 工厂”，核心目标是用极致效率服务 Token 的规模化、高质量生产。

本次WAIC上，夏立雪披露了无问芯穹首创的新一代推理系统优化成果——跨集群异构PD分离架构（Prefill-RelayDecode-MainDecode, PDD）。过去一年里，无问芯穹的 Token 工厂已通过一系列原始技术创新，推动了推理成本的 10 倍下降。夏立雪判断，随着跨集群异构 PD 分离架构的规模化落地，推理成本依然有 10 倍的下降空间。

“目前无问芯穹的 Agentic MaaS 大模型服务平台的增长飞轮已经全面转起来了。”夏立雪表示。

技术迭代驱动成本下降，业务规模加速技术创新。通过与 Kimi、智谱、Minimax、阶跃星辰等头部大模型企业的密切合作，无问芯穹在真实业务场景中持续打磨、积累了大量优化经验。截至 7 月，平台单日 Token 调用量较去年 12 月，已实现了 40 倍 的爆发增长，而海量业务经验又能反哺技术快速迭代，催动平台性能与可靠性的同步跃升，形成“业务带技术，技术提效率，效率促增长”的正向循环。

夏立雪总结：“6 月的 GTC 上，黄仁勋展示了英伟达的 ‘算力即收入’曲线。无问芯穹的 Token 工厂，则希望用这个‘优化即利润’的增长飞轮，向推理时代交出 Token 效率的答卷。”

依托“算力集散中心”与“Token 工厂”，无问芯穹可以将计算资源高效转换成高质量 Token。然而相同的业务效果，基于不同的推理路径、模型规模和芯片，Token 的成本天差地别，深度影响其在真实生产环境中的商业化潜力。

为此，无问芯穹正通过 Agentic Infra 行业解决方案，携手多行业伙伴把 Token 高效转化为产业真正认可的高质量 AI 生产力，它就像一个“AI 生产力商店”，持续赋能千行百业降本提效。

早在 2025 年，无问芯穹就已经在业内率先提出了 Agentic Infra 的范式变革。如今，Agentic Infra 支撑智能体规模化运行与持续进化的产业价值正在被不断验证。从概念到落地，无问芯穹始终坚持以硬核技术推动 Agentic Infra 走向真实业务场景。夏立雪提到：“我们的愿景始终清晰而坚定：通过 Agentic Infra，实现 '用智能进化智能，用生产力加速生产力' 。”

更值得一提的是，夏立雪还将视野从云端的数字世界延伸至真实的物理世界。他提出：“在物理世界中，具身智能的 Scaling Law 同样需要高效率、大规模的基础设施支持。”

无问芯穹公布了在具身智能领域的全新探索 ——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。该平台首次把云端 GPU 集群、边缘算力节点和机器人真机设备统一接入到一个平台中，支持训练、数据采集、评测和真机执行等多种具身任务统一编排运行，有效解决了具身训练中资源分散、跨集群协同困难、任务角色复杂、真机状态不可见、启动链路长的问题。

同时，针对具身智能的训练与推理部署两大核心环节，夏立雪宣布了无问芯穹两项技术升级：面向具身智能的大规模真机强化学习训练框架 RLinf V0.3 ，以及面向机器人与端侧 AI 场景的全栈的推理优化体系 Mizar-Robo。

“让智能无所不能，是AGI，而让智能无处不在，是 AGI Infra。”夏立雪说道，“AI 无疑是目前世界上发展变化最快的行业，但我们的初心从未改变，就是做 AGI 时代最需要的 AI Infra。”

从“算力集散中心”做大资源总盘，到“ Token 工厂”深挖效率红利，再到 “AI 生产力商店”循环造血向产业输出价值，乃至向物理世界AI的探索与实践，无问芯穹始终锚定 “规模与效率” 两大支点稳步向前。

“前店后厂一中心” 的 Agentic Infra 体系 ，既是无问芯穹积淀多年的战略蓝图系统性落地，也代表着无问芯穹锚定 AGI 时代的长期方向：为未来数字与物理世界的所有AI生产力的运行构筑基础设施。