無問芯穹在WAIC發佈“前店後廠一中心”Agentic Infra戰略，用AI提效Token生產

智東西 作者 | ZeR0 編輯 | 漠影 智東西7月21日報道，7月20日，世界人工智能大會WAIC 2026期間，無問芯穹聯合創始人兼CEO夏立雪提出，從Pre-training（預訓練）到Post-training（後訓練）、從Test-time（推理時擴展）到Agentic scaling（智能體擴展），在四條Scaling Law的作用下，模型訓練和推理的超級市場正在互相孕育，當下的AI基礎設施（AI Infra）“必須以極致的效率服務更大規模”。 基於規模與效率兩大錨點，夏立雪從無問芯穹的AI生產力公式（AI生產力 = 智能資源規模 × Token轉化效率 × AI生產力轉化效率）出發，首次公佈無問芯穹Agentic Infra的“前店後廠一中心”戰略佈局，涵蓋三大核心技術能力與產品服務體系： “算力集散中心”：Agentic Infra自主式基礎設施平臺 “Token工廠”：Agentic MaaS大模型服務平臺 “AI生產力商店”： Agentic Infra行業解決方案 這套Agentic Infra產品與服務體系立足基礎設施，向下匯聚能源和芯片，向上支撐模型和應用，不僅極致提升底層資源向AI生產力轉化的規模和效率，更有著Agentic AI時代的AI原生能力——用基礎設施智能體蜂群賦能資源規模擴展、提效Token生產，並支持Agentic AI的持續進化。 一、Agentic Infra自主式基礎設施平臺，追求智能資源規模最大化 無問芯穹Agentic Infra自主式基礎設施平臺的核心目標，是實現智能資源規模最大化。 它就像一座“算力集散中心”，把散落的、異構的算力資源統一匯聚、彈性調度、按需分發，為模型與應用層築牢充足、穩定、可擴展的算力底座。 夏立雪認為：“算力的異質化、碎片化問題是全球性的，如何把不同的、跨區域的算力資源，高效聚合協同起來，是擴大智能資源規模的關鍵。 ” 無問芯穹自成立以來一直致力於通過“多元異構、軟硬協同”技術破解異質算力聚合的難題，打造了面向異構集群的大模型跨域訓練系統，並集成於Agentic Infra自主式基礎設施平臺軟件中，通過計算通信重疊的流水編排、自適應的通信流調度和異構算力調度機制，三位一體全棧協同優化，能夠系統性地破解算力聚合的行業難題。 該系統已經受過三大類跨域算力聚合訓練實踐的生產級考驗： 第一是超遠距離聚合。 無問芯穹已聯合中國電信，完成了國內首例超4000公里距離的大模型跨域混訓，在新疆哈密與廣東深圳兩地集群間，實現聯合訓練性能提升165%，驗證了超遠距離跨域集群協同訓練的可行性。 打通4個不同代際、不同型號的GPU集群，聯合訓練近百億參數大模型，四集群協同性能提升41%，有效盤活了不同批次的存量異構算力。