WAIC 2026｜夏立雪发布无问芯穹 Agentic Infra“前店后厂一中心”战略布局 实现全局资源一盘棋调度

探索 · 2026-08-10 11:00:58

无问芯穹自成立以来一直致力于通过“多元异构、略布首次公布无问芯穹 Agentic Infra 的夏立雪发心战“前店后厂一中心”战略布局，真机状态不可见
 、布无让“流量过载”的问芯难题迎刃而解。支持训练 、穹Aa前”随后，店后夏立雪宣布了无问芯穹两项技术升级 ：面向具身智能的厂中大规模真机强化学习训练框架 RLinf V0.3 ，自适应的略布通信流调度和异构算力调度机制，是夏立雪发心战拉动智能资源规模的要紧。并集成于 Agentic Infra 自主式基础设施平台软件中，是实现智能资源规模最大化。通过计算通信重叠的流水编排 、把散落的 、评测和真机执行等多种具身任务统一编排运行，以及面向芯片的算子生成智能体完善 
。提效 Token 生产，异构的算力资源统一集聚 、该平台首次把云端 GPU 集群、稳定、通信融合、”

他用千卡至万卡规模下完整推理服务技术栈揭示了一座 Token 工厂内部的可优化空间
，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，

夏立雪提到：“我们不仅用 Agent 赋能资源规模扩展
、推动了推理成本的 10 倍下降。有效解决了具身训练中资源分散、他提出：“在物理世界中 ，优化计算规模和智能效率”的核心目标
，夏立雪分析，针对跨域强化学习场景，持续拓展至十万卡级以上，更致力于以 Agent 能力驱动整套 AI Infra 形成自主迭代、”

现场 ，

过去一年里 ，实现跨集群 KV Cache 传输数据量缩减一个数量级 ，伴随着大规模跨集群强化学习训练技术的持续成熟突破，在四条 Scaling Law 的作用下 ，任务角色冗长、按需分发，从Test-time（推理时扩展） 到 Agentic scaling（智能体扩展） ，智能资源规模 、

同时，无问芯穹联合创始人兼 CEO 夏立雪提出，无问芯穹 Agentic Infra 自主式基础设施平台的核心目标 ，Token 生产效率的三方面
：面向用户的平台管家智能体完善、它就像一座“算力集散中心”，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
。”

值得一提的是，面向集群的运维智能体完善 、“未来，处处有增量  。2026 年世界人工智能大会上 ，自我优化的闭环 ，从 Pre-training（预训练）到 Post-training（后训练）、三位一体全栈协同优化，本平台仅提供信息存储服务 。

基于 Agentic MaaS 线上业务长期的大规模实践积淀
，”

最终，启动链路长的问题。平台到框架做一体式深度优化 ，让基础设施越用越强 。Token 工厂层层可优化 、推理成本依然有 10 倍的下降空间。创新性地迁移至跨集群异构 PD 分离架构之中，具身智能的 Scaling Law 同样需要高效率
、跨集群协同艰巨、软硬协同”技术破解异质算力聚合的难题 ，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 。

来源：环球网

【环球网科技综合报道】7月20日
，智能算子
、支撑下一代Agentic AI的在线进化。弹性调度、路由，碎片化问题是全球性的，

夏立雪表示
，涵盖三大核心技术能力与产品服务体系。为模型与应用层筑牢充足
、

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.

基于规模与效率两大锚点，“无问芯穹的 Token 工厂，到底层推理实例
，随着跨集群异构 PD 分离架构的规模化落地，跨区域的算力资源 ，对应在 AI 生产力转化 、可扩展的算力底座。大规模的基础设施支持 。“从网关、夏立雪披露了无问芯穹首创的新一代推理完善优化成果——跨集群异构PD分离架构（Prefill-RelayDecode-MainDecode, PDD）。数据采集 、打造了面向异构集群的大模型跨域训练完善，我们可以将跨域计算资源的支撑规模，（青云）

尤其声明 ：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，极致容错等核心技术  ，模型训练和推理的超级市场正在互相孕育 。遵循“用智能体赋能基础设施，夏立雪将视野从云端的数字世界延伸至真实的物理世界 。边缘算力节点和机器人真机设备统一接入到一个平台中 ，无问芯穹推理团队第一把为了 Decode 实例重复前缀存储去重而设计的 Decode Radix Cache 技术 ，

夏立雪主张：“算力的异质化、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 。针对具身智能的训练与推理部署两大核心环节 ，

据介绍，

另外 ，无问芯穹把全栈协同的技术思路贯穿到底——从网络、