不止 Token 工廠，無問芯穹“前店后廠一中心”Agentic Infra 戰(zhàn)略布局重磅發(fā)布

“計(jì)算需求在指數(shù)級(jí)攀升，今天，僅依靠產(chǎn)能的線性增長(zhǎng)去堆疊算力，已經(jīng)遠(yuǎn)遠(yuǎn)無法彌合供需之間持續(xù)擴(kuò)大的缺口。”

7 月 20 日，2026 年世界人工智能大會(huì)上，無問芯穹聯(lián)合創(chuàng)始人兼 CEO 夏立雪提出，從 Pre-training（預(yù)訓(xùn)練） 到 Post-training（后訓(xùn)練）、從Test-time（推理時(shí)擴(kuò)展） 到 Agentic scaling（智能體擴(kuò)展），在四條 Scaling Law 的作用下，模型訓(xùn)練和推理的超級(jí)市場(chǎng)正在互相孕育。

當(dāng)下的人工智能基礎(chǔ)設(shè)施（AI Infra）“必須以極致的效率服務(wù)更大規(guī)模。”

基于規(guī)模與效率兩大錨點(diǎn)，夏立雪從無問芯穹的 AI 生產(chǎn)力公式（AI生產(chǎn)力 = 智能資源規(guī)模 × Token 轉(zhuǎn)化效率 × AI生產(chǎn)力轉(zhuǎn)化效率）出發(fā)，首次公布無問芯穹 Agentic Infra 的“前店后廠一中心”戰(zhàn)略布局，涵蓋三大核心技術(shù)能力與產(chǎn)品服務(wù)體系：

這套 Agentic Infra 產(chǎn)品與服務(wù)體系立足基礎(chǔ)設(shè)施，向下匯聚能源和芯片，向上支撐模型和應(yīng)用，不僅極致提升底層資源向AI生產(chǎn)力轉(zhuǎn)化的規(guī)模和效率，更有著 Agentic AI 時(shí)代最顯著的 AI 原生能力——用基礎(chǔ)設(shè)施智能體蜂群賦能資源規(guī)模擴(kuò)展、提效 Token 生產(chǎn)，并支持 Agentic AI 的持續(xù)進(jìn)化。

Agentic Infra 自主式基礎(chǔ)設(shè)施平臺(tái)，服務(wù)下一代Agentic AI在線進(jìn)化

無問芯穹 Agentic Infra 自主式基礎(chǔ)設(shè)施平臺(tái)的核心目標(biāo)，是實(shí)現(xiàn)智能資源規(guī)模最大化。它就像一座“算力集散中心”，把散落的、異構(gòu)的算力資源統(tǒng)一匯聚、彈性調(diào)度、按需分發(fā)，為模型與應(yīng)用層筑牢充足、穩(wěn)定、可擴(kuò)展的算力底座。

夏立雪認(rèn)為：“算力的異質(zhì)化、碎片化問題是全球性的，如何把不同的、跨區(qū)域的算力資源，高效聚合協(xié)同起來，是擴(kuò)大智能資源規(guī)模的關(guān)鍵。”

無問芯穹自成立以來一直致力于通過“多元異構(gòu)、軟硬協(xié)同”技術(shù)破解異質(zhì)算力聚合的難題，打造了面向異構(gòu)集群的大模型跨域訓(xùn)練系統(tǒng)，并集成于 Agentic Infra 自主式基礎(chǔ)設(shè)施平臺(tái)軟件中，通過計(jì)算通信重疊的流水編排、自適應(yīng)的通信流調(diào)度和異構(gòu)算力調(diào)度機(jī)制，三位一體全棧協(xié)同優(yōu)化，能夠系統(tǒng)性地破解算力聚合的行業(yè)難題。

該系統(tǒng)已經(jīng)受過三大類跨域算力聚合訓(xùn)練實(shí)踐的生產(chǎn)級(jí)考驗(yàn)：

第一是超遠(yuǎn)距離聚合。無問芯穹已聯(lián)合中國(guó)電信，完成了國(guó)內(nèi)首例超 4000 公里距離的大模型跨域混訓(xùn)，在新疆哈密與廣東深圳兩地集群間，實(shí)現(xiàn)聯(lián)合訓(xùn)練性能提升 165%，驗(yàn)證了超遠(yuǎn)距離跨域集群協(xié)同訓(xùn)練的可行性。

第二是多數(shù)據(jù)中心聚合。打通 4 個(gè)不同代際、不同型號(hào)的 GPU 集群，聯(lián)合訓(xùn)練近百億參數(shù)大模型，四集群協(xié)同性能提升 41%，有效盤活了不同批次的存量異構(gòu)算力。

第三是混合云算力聚合。實(shí)現(xiàn)本地私有集群與公有云算力的安全互通混訓(xùn)，整體性能提升 68%，幫助眾多企業(yè)客戶解決本地算力不足、云上資源卻閑置的錯(cuò)配痛點(diǎn)。

目前這套跨域訓(xùn)練系統(tǒng)已在全國(guó)部署觸達(dá)超 37,000P 算力、覆蓋 16 種主流芯片，盤活了廣域分散的異質(zhì)算力，使之成為 Agentic AI 時(shí)代的最堅(jiān)實(shí)底座。

當(dāng)下，強(qiáng)化學(xué)習(xí)成為下一代 AI 進(jìn)步的重要手段。但相較傳統(tǒng)預(yù)訓(xùn)練，強(qiáng)化學(xué)習(xí)“多角色協(xié)同”的特性使其對(duì)硬件的種類需求更加復(fù)雜，規(guī)模量級(jí)也更加龐大，基于異構(gòu)和超大算力規(guī)模的雙重剛需，跨集群強(qiáng)化學(xué)習(xí)因此成為智能規(guī)?；俺掷m(xù)進(jìn)化的新錨點(diǎn)，這也是無問芯穹 Agentic Infra 自主式基礎(chǔ)設(shè)施平臺(tái)重點(diǎn)布局與攻克的核心場(chǎng)景。該場(chǎng)景存在兩大重要問題：一是跨集群之后，不同角色之間的等待時(shí)間將被拉長(zhǎng)；二是當(dāng)規(guī)模擴(kuò)大到萬卡級(jí)后，從顯卡到服務(wù)器、網(wǎng)絡(luò)、存儲(chǔ)，故障將以小時(shí)級(jí)的頻率存在，而重新拉起任務(wù)耗時(shí)長(zhǎng)達(dá)數(shù)十分鐘，任務(wù)難以持續(xù)穩(wěn)定運(yùn)行。

因此，針對(duì)跨域強(qiáng)化學(xué)習(xí)場(chǎng)景，無問芯穹把全棧協(xié)同的技術(shù)思路貫穿到底——從網(wǎng)絡(luò)、平臺(tái)到框架做一體式深度優(yōu)化，打通分散的異構(gòu)集群，實(shí)現(xiàn)全局資源一盤棋調(diào)度。

在此之上，無問芯穹進(jìn)一步將優(yōu)化滲透進(jìn)全鏈路的每一個(gè)環(huán)節(jié)，尤其是在跨域通信和容錯(cuò)這兩個(gè)層面：通過優(yōu)化計(jì)算通信重疊技術(shù)，讓跨域通信效率直接提升 3-4 倍，實(shí)現(xiàn)通信開銷 100% 全掩蓋，訓(xùn)練不再因跨域通信產(chǎn)生額外耗時(shí)損耗；同時(shí)搭建了故障無感的訓(xùn)練機(jī)制，成功實(shí)現(xiàn)了跨域強(qiáng)化學(xué)習(xí)訓(xùn)練連續(xù)一周 0 中斷穩(wěn)定運(yùn)行。讓大規(guī)模跨域強(qiáng)化學(xué)習(xí)不僅可以“跑得通”，還能“跑得快、跑得穩(wěn)”。

“這只是一個(gè)起點(diǎn)。”夏立雪表示，伴隨著大規(guī)?？缂簭?qiáng)化學(xué)習(xí)訓(xùn)練技術(shù)的持續(xù)成熟突破，無問芯穹還將持續(xù)深耕并行策略、通信融合、智能算子、極致容錯(cuò)等核心技術(shù)，“未來，我們能夠?qū)⒖缬蛴?jì)算資源的支撐規(guī)模，持續(xù)拓展至十萬卡級(jí)以上，支撐下一代Agentic AI的在線進(jìn)化。”

 

Agentic MaaS 大模型服務(wù)平臺(tái)，無問芯穹Token 工廠以“效”搏大

Token 經(jīng)濟(jì)時(shí)代，無問芯穹早在 2023 年初就提前布局的 Agentic MaaS 大模型服務(wù)平臺(tái)，目前正在迎來高速且持續(xù)的增長(zhǎng)曲線。該平臺(tái)就像一座“Token 工廠”，核心目標(biāo)是用極致效率服務(wù) Token 的規(guī)模化、高質(zhì)量生產(chǎn)。

發(fā)布會(huì)現(xiàn)場(chǎng)，夏立雪用千卡至萬卡規(guī)模下完整推理服務(wù)技術(shù)棧揭示了一座 Token 工廠內(nèi)部的可優(yōu)化空間，“從網(wǎng)關(guān)、路由，到底層推理實(shí)例，Token 工廠層層可優(yōu)化、處處有增量。”

隨后，夏立雪披露了無問芯穹首創(chuàng)的新一代推理系統(tǒng)優(yōu)化成果——跨集群異構(gòu)PD分離架構(gòu)（Prefill-RelayDecode-MainDecode, PDD）。

智能體推理需求的特征有“三極”：上下文極長(zhǎng)、交互輪次極多、緩存命中率極高，對(duì)吞吐、時(shí)延、緩存復(fù)用的要求，遠(yuǎn)高于傳統(tǒng)對(duì)話場(chǎng)景。同時(shí)，從實(shí)測(cè)數(shù)據(jù)中能直觀看到，不同芯片在Prefill、Decode階段的性能差異極大。而眼下，這些散落在不同地區(qū)的存量集群幾乎都是同構(gòu)的，且?guī)缀趺總€(gè)集群都“偏科”。

因此，該架構(gòu)首先用高性價(jià)比的廣域網(wǎng)以太網(wǎng)把分布在各地的、已經(jīng)建好的同構(gòu)數(shù)據(jù)中心連起來，讓算力強(qiáng)的集群做 Prefill 任務(wù)，讓顯存帶寬高的集群做 Decode 任務(wù)。這一架構(gòu)設(shè)計(jì)相當(dāng)于讓“偏科”的硬件只刷自己最擅長(zhǎng)的題，可以極大提升大模型推理系統(tǒng)效率，是每座 Token 工廠都必備的“超級(jí)管線”。

然而，基于以太網(wǎng)的 KV Cache 跨集群傳輸，存在帶寬和延遲瓶頸，這根“超級(jí)管線”既要能扛住智能體業(yè)務(wù)的巨大“流量”，也要能跟得上用戶對(duì)“流速”的極致要求。

基于 Agentic MaaS 線上業(yè)務(wù)長(zhǎng)期的大規(guī)模實(shí)踐積淀，無問芯穹推理團(tuán)隊(duì)首先把為了 Decode 實(shí)例重復(fù)前綴存儲(chǔ)去重而設(shè)計(jì)的 Decode Radix Cache 技術(shù)，創(chuàng)新性地遷移至跨集群異構(gòu) PD 分離架構(gòu)之中，實(shí)現(xiàn)跨集群 KV Cache 傳輸數(shù)據(jù)量降低一個(gè)數(shù)量級(jí)， 讓“流量過載”的難題迎刃而解。

其次，更大的挑戰(zhàn)在于“流速”——智能體的響應(yīng)速度，是最直觀的產(chǎn)品體驗(yàn)底線。

PDD 將傳統(tǒng)的 PD 分離鏈路“P-D”創(chuàng)新解構(gòu)為“P-RLD-MD”的三級(jí)分離式推理架構(gòu)，就像是為這條“超級(jí)管線”加裝了一個(gè)“精密增壓閥”。對(duì)于高傳輸延遲的請(qǐng)求，RelayDecode 先行輸出 Token 給用戶，從而讓用戶側(cè)完全感受不到這一實(shí)際上長(zhǎng)達(dá)數(shù)十秒的傳輸延遲；當(dāng)傳輸完成后，輸 Token 給用戶的任務(wù)被無縫切換給 MainDecode 來處理，避免了 RelayDecode 被長(zhǎng)期占用。通過這一設(shè)計(jì)，僅需極少量機(jī)器承擔(dān) RelayDecode ，就能掩蓋以太網(wǎng) KV Cache 傳輸延遲。

實(shí)測(cè)顯示，該架構(gòu)在實(shí)現(xiàn)了首 Token 延遲（TTFT）降低 51.5% 的同時(shí)，單 Token 成本可降低 37.5%。這不僅意味著用戶端速度體驗(yàn)的顯著提升，更意味著，每一個(gè)集群都能被充分利用起來，最大化釋放全域異構(gòu)算力的產(chǎn)業(yè)應(yīng)用價(jià)值。

過去一年里，無問芯穹的 Token 工廠已通過一系列原始技術(shù)創(chuàng)新，推動(dòng)了推理成本的 10 倍下降。夏立雪判斷，隨著跨集群異構(gòu) PD 分離架構(gòu)的規(guī)?；涞?，推理成本依然有 10 倍的下降空間。

“目前無問芯穹的 Agentic MaaS 大模型服務(wù)平臺(tái)的增長(zhǎng)飛輪已經(jīng)全面轉(zhuǎn)起來了！”夏立雪表示。

技術(shù)迭代驅(qū)動(dòng)成本下降，業(yè)務(wù)規(guī)模加速技術(shù)創(chuàng)新。通過與 Kimi、智譜、Minimax、階躍星辰等頭部大模型企業(yè)的密切合作，無問芯穹在真實(shí)業(yè)務(wù)場(chǎng)景中持續(xù)打磨、積累了大量?jī)?yōu)化經(jīng)驗(yàn)。截至 7 月，平臺(tái)單日 Token 調(diào)用量較去年 12 月，已實(shí)現(xiàn)了 40 倍 的爆發(fā)增長(zhǎng)，而海量業(yè)務(wù)經(jīng)驗(yàn)又能反哺技術(shù)快速迭代，催動(dòng)平臺(tái)性能與可靠性的同步躍升，形成“業(yè)務(wù)帶技術(shù)，技術(shù)提效率，效率促增長(zhǎng)”的正向循環(huán)。

夏立雪總結(jié)：“6 月的 GTC 上，黃仁勛展示了英偉達(dá)的 ‘算力即收入’曲線。無問芯穹的 Token 工廠，則希望用這個(gè)‘優(yōu)化即利潤(rùn)’的增長(zhǎng)飛輪，向推理時(shí)代交出 Token 效率的答卷。”

無問芯穹已攜手上海移動(dòng)聯(lián)合打造了 “滬芯滬產(chǎn)服務(wù)滬客”的“天問”模型服務(wù)門戶，也與 AI 原生新世代社區(qū)“觀猹”聯(lián)合打造了“中國(guó)版 OpenRouter” TokenDance（詞元跳動(dòng)） 平臺(tái)。未來，無問芯穹將持續(xù)攜手優(yōu)秀的行業(yè)伙伴，以這套高效的“Token 工廠”賦能更多產(chǎn)業(yè)領(lǐng)域、服務(wù)更廣泛客用戶。

 

Agentic Infra 行業(yè)解決方案，以 AI 原生賦能百業(yè)提效

依托“算力集散中心”與“Token 工廠”，無問芯穹可以將計(jì)算資源高效轉(zhuǎn)換成高質(zhì)量 Token。然而相同的業(yè)務(wù)效果，基于不同的推理路徑、模型規(guī)模和芯片，Token 的成本天差地別，深度影響其在真實(shí)生產(chǎn)環(huán)境中的商業(yè)化潛力。

為此，無問芯穹正通過 Agentic Infra 行業(yè)解決方案，攜手多行業(yè)伙伴把 Token 高效轉(zhuǎn)化為產(chǎn)業(yè)真正認(rèn)可的高質(zhì)量 AI 生產(chǎn)力，它就像一個(gè)“AI 生產(chǎn)力商店”，持續(xù)賦能千行百業(yè)降本提效。

現(xiàn)場(chǎng)，夏立雪帶來了覆蓋文娛游戲、醫(yī)療健康、法律終端、能源電力等多個(gè)垂直行業(yè)的 Agentic Infra 行業(yè)解決方案。

在文娛游戲場(chǎng)景，無問芯穹攜手 VAST 的Tripo 3D 大模型聯(lián)合打造了 AGENTIC 3D GAME GEN 解決方案，把分散的創(chuàng)意輸入轉(zhuǎn)化為可執(zhí)行、可比較、可細(xì)化的 3D 模型輸出，高效釋放游戲內(nèi)容生產(chǎn)力。

在醫(yī)療健康場(chǎng)景，無問芯穹服務(wù)上海瑞金醫(yī)院算力及模型管理，助力醫(yī)療大模型及智能應(yīng)用在運(yùn)營(yíng)管理、臨床診療輔助、醫(yī)學(xué)教育培訓(xùn)等場(chǎng)景的探索落地；

在法律終端場(chǎng)景，無問芯穹打造律師事務(wù)所專屬 AI 合伙人——”律盾芯人“，與“段和段律師事務(wù)所、君合律師事務(wù)所、競(jìng)天公誠(chéng)律師事務(wù)所、通商律師事務(wù)所”等行業(yè)私有化 AI 終端合作伙伴，以及“法義經(jīng)緯、圖靈法思”等生態(tài)合作伙伴一起，共同推動(dòng)法律行業(yè)的智能化安全升級(jí)；

在能源電力場(chǎng)景，無問芯穹也正與南網(wǎng)能源一起深度探索基于智能體技術(shù)的智算中心能耗智能預(yù)測(cè)與協(xié)同調(diào)度解決方案。

基礎(chǔ)設(shè)施自己本身也是個(gè)行業(yè)，無問芯穹已經(jīng)在這個(gè)行業(yè)深耕多年，既積累了豐富的實(shí)踐經(jīng)驗(yàn)與技術(shù)，也擁有足夠多的應(yīng)用場(chǎng)景與需求。因此在支撐千行百業(yè)智能升級(jí)的另一面，無問芯穹也持續(xù)將智能體的能力應(yīng)用到 AI Infra 本身，打造了一套基礎(chǔ)設(shè)施智能體蜂群。

遵循“用智能體賦能基礎(chǔ)設(shè)施，提升計(jì)算規(guī)模和智能效率”的核心目標(biāo)，無問芯穹基礎(chǔ)設(shè)施智能體蜂群目前已包含三個(gè)子集，對(duì)應(yīng)在 AI 生產(chǎn)力轉(zhuǎn)化、智能資源規(guī)模、Token 生產(chǎn)效率的三方面：面向用戶的平臺(tái)管家智能體系統(tǒng)、面向集群的運(yùn)維智能體系統(tǒng)、以及面向芯片的算子生成智能體系統(tǒng)。

夏立雪提到：“我們不僅用 Agent 賦能資源規(guī)模擴(kuò)展、提效 Token 生產(chǎn)，更致力于以 Agent 能力驅(qū)動(dòng)整套 AI Infra 形成自主迭代、自我優(yōu)化的閉環(huán)，讓基礎(chǔ)設(shè)施越用越強(qiáng)?！?/span>

平臺(tái)管家智能體系統(tǒng)是整個(gè)基礎(chǔ)設(shè)施智能體蜂群協(xié)同場(chǎng)景下的全局統(tǒng)籌者與用戶入口，它有效降低了用戶駕馭復(fù)雜系統(tǒng)的學(xué)習(xí)成本，通過自然語言交互，就能讓智能體主動(dòng)幫助用戶操作平臺(tái)、統(tǒng)籌 AI 基座，輕松高效完成復(fù)雜的資源運(yùn)營(yíng)、管理和答疑排障等工作，能夠獨(dú)立解決 80% 日常問題，剩下 20% 深度問題再轉(zhuǎn)交對(duì)應(yīng)垂類 Agent。

智算集群運(yùn)維智能體系統(tǒng)是一個(gè)能夠端到端地解決實(shí)際生產(chǎn)場(chǎng)景中的運(yùn)維難題的 7×24 小時(shí)全天候值守的“運(yùn)維專家團(tuán)”，系統(tǒng)以運(yùn)維主智能體為核心大腦，與故障排查智能體、環(huán)境部署智能體、故障處理智能體等協(xié)作運(yùn)行，不僅可以完整執(zhí)行一個(gè)集群的告警自動(dòng)閉環(huán)處置任務(wù)，還能夠“防患于未然”地規(guī)劃周期性巡檢任務(wù)，提前識(shí)別潛在隱患。讓智算集群的運(yùn)維從“人找問題”轉(zhuǎn)變?yōu)?/span>“問題找人”，和“問題自己解決”。

經(jīng)過大規(guī)模生產(chǎn)環(huán)境驗(yàn)證，這套系統(tǒng)的價(jià)值正在逐漸凸顯：可實(shí)現(xiàn)運(yùn)維人效提升 5 倍以上，關(guān)鍵故障處理效率提升 6 倍，不僅為大規(guī)模 GPU 訓(xùn)練與推理業(yè)務(wù)提供了更加穩(wěn)定、高效的基礎(chǔ)設(shè)施保障，也讓運(yùn)維人力能夠被真正解放出來，聚焦更有價(jià)值的技術(shù)創(chuàng)新。

算子，是釋放 AI 硬件性能的最后一公里，同時(shí)也是拉開基礎(chǔ)設(shè)施效率差距的關(guān)鍵變量。目前，大模型已經(jīng)能夠快速產(chǎn)出算子，但“能跑通”不等于“能用好” —— 要在生產(chǎn)環(huán)境中實(shí)現(xiàn)性能超越成熟推理引擎、達(dá)到工業(yè)級(jí)落地標(biāo)準(zhǔn)，難度依然極大。

無問芯穹高性能算子生成智能體系統(tǒng) KernelMind，以算子生成主控智能體為調(diào)度中樞，聯(lián)動(dòng)多類專用智能體，通過 “需求分析 — 智能調(diào)度 — 內(nèi)核生成 — 沙箱驗(yàn)證 — 評(píng)審沉淀”五步閉環(huán)工作流，可在真實(shí)編譯試錯(cuò)與知識(shí)沉淀中持續(xù)自迭代，穩(wěn)定交付可直接落地的高質(zhì)量工業(yè)級(jí)算子。

在 GLM5.2 模型的實(shí)測(cè)中，對(duì)比行業(yè)基線該系統(tǒng)在NVIDIA 旗艦卡中實(shí)現(xiàn)了端到端 7.3% 的性能提升，在 AMD 旗艦卡中更是帶來了 39% 的整體性能躍升，GEMM、Attention、Router 等各類核心算子性能均實(shí)現(xiàn)全面超越。

早在 2025 年，無問芯穹就已經(jīng)在業(yè)內(nèi)率先提出了 Agentic Infra 的范式變革。如今，Agentic Infra 支撐智能體規(guī)?；\(yùn)行與持續(xù)進(jìn)化的產(chǎn)業(yè)價(jià)值正在被不斷驗(yàn)證。從概念到落地，無問芯穹始終堅(jiān)持以硬核技術(shù)推動(dòng) Agentic Infra 走向真實(shí)業(yè)務(wù)場(chǎng)景。夏立雪提到：“我們的愿景始終清晰而堅(jiān)定：通過 Agentic Infra，實(shí)現(xiàn) '用智能進(jìn)化智能，用生產(chǎn)力加速生產(chǎn)力' 。”

 One More Thing：邁向物理世界

演講最后，夏立雪將視野從云端的數(shù)字世界延伸至真實(shí)的物理世界。他提出：“在物理世界中，具身智能的 Scaling Law 同樣需要高效率、大規(guī)模的基礎(chǔ)設(shè)施支持。”

現(xiàn)場(chǎng)，無問芯穹公布了在具身智能領(lǐng)域的全新探索 ——首個(gè)面向大規(guī)模具身任務(wù)的云邊端一體化管理與調(diào)度平臺(tái)。該平臺(tái)首次把云端 GPU 集群、邊緣算力節(jié)點(diǎn)和機(jī)器人真機(jī)設(shè)備統(tǒng)一接入到一個(gè)平臺(tái)中，支持訓(xùn)練、數(shù)據(jù)采集、評(píng)測(cè)和真機(jī)執(zhí)行等多種具身任務(wù)統(tǒng)一編排運(yùn)行，有效解決了具身訓(xùn)練中資源分散、跨集群協(xié)同困難、任務(wù)角色復(fù)雜、真機(jī)狀態(tài)不可見、啟動(dòng)鏈路長(zhǎng)的問題。

同時(shí)，針對(duì)具身智能的訓(xùn)練與推理部署兩大核心環(huán)節(jié)，夏立雪宣布了無問芯穹兩項(xiàng)重磅技術(shù)升級(jí)：面向具身智能的大規(guī)模真機(jī)強(qiáng)化學(xué)習(xí)訓(xùn)練框架 RLinf V0.3 ，以及面向機(jī)器人與端側(cè) AI 場(chǎng)景的全棧的推理優(yōu)化體系 Mizar-Robo。

RLinf 在 V0.1 版本中實(shí)現(xiàn)了在仿真環(huán)境下渲訓(xùn)推一體化的強(qiáng)化學(xué)習(xí)；在 V0.2 版本中實(shí)現(xiàn)了像管理 GPU 一樣管理真機(jī)設(shè)備；而V0.3 版本的升級(jí)則新增支撐具身智能大規(guī)模真機(jī)、跨域端云協(xié)同的強(qiáng)化學(xué)習(xí)訓(xùn)練，支持具身智能的持續(xù)進(jìn)化。

從實(shí)驗(yàn)室到產(chǎn)業(yè)，無問芯穹也與智元、清華大學(xué)攜手深度探索了真機(jī)強(qiáng)化學(xué)習(xí)訓(xùn)練的技術(shù)與實(shí)踐，攻克阻礙真機(jī)強(qiáng)化學(xué)習(xí)訓(xùn)練大規(guī)模落地的核心痛點(diǎn)與難點(diǎn)。通過首創(chuàng)的 HotSwarm 與端云協(xié)同訓(xùn)練模式，RLinf V0.3 可以支持真機(jī)設(shè)備 1000+次在線上下線，訓(xùn)練 0 中斷，并成功實(shí)現(xiàn)近百臺(tái)真機(jī)規(guī)模專線需求降至 2Gbps 以下，大幅拉低具身智能規(guī)?；?xùn)練的成本門檻。

Mizar-Robo 則依托流水線調(diào)度、算子內(nèi)核、量化壓縮、計(jì)算圖四層協(xié)同優(yōu)化，全方位釋放端側(cè)硬件潛力，大幅提升具身模型的部署效率，讓具身智能即便在低功耗硬件上，也能實(shí)現(xiàn)連貫流暢、低延遲、長(zhǎng)續(xù)航的高精動(dòng)作交互。

在無問芯穹與自變量機(jī)器人 WALL-OSS 系列模型的聯(lián)合優(yōu)化部署中，在保持 WALL-OSS 原有任務(wù)成功率的前提下，實(shí)現(xiàn)了 7.14 倍的推理性能提升，經(jīng) Thor 平臺(tái)實(shí)測(cè)，端側(cè)推理時(shí)延從 500ms 壓縮至 70ms，降幅達(dá) 86%。不僅保障了實(shí)時(shí)交互的流暢度與穩(wěn)定性，也有效延長(zhǎng)作業(yè)續(xù)航，為機(jī)器人產(chǎn)品從實(shí)驗(yàn)室走向規(guī)?；逃寐涞兀峁┝擞辛Φ幕A(chǔ)設(shè)施支撐。

“讓智能無所不能，是AGI，而讓智能無處不在，是 AGI Infra。”夏立雪在發(fā)布會(huì)的尾聲中說道。“AI 無疑是目前世界上發(fā)展變化最快的行業(yè)，但我們的初心從未改變，就是做 AGI 時(shí)代最需要的 AI Infra。”

從“算力集散中心”做大資源總盤，到“ Token 工廠”深挖效率紅利，再到 “AI 生產(chǎn)力商店”循環(huán)造血向產(chǎn)業(yè)輸出價(jià)值，乃至向物理世界AI的探索與實(shí)踐，無問芯穹始終錨定 “規(guī)模與效率” 兩大支點(diǎn)穩(wěn)步向前。

“前店后廠一中心” 的 Agentic Infra 體系 ，既是無問芯穹積淀多年的戰(zhàn)略藍(lán)圖系統(tǒng)性落地，也代表著無問芯穹錨定 AGI 時(shí)代的長(zhǎng)期方向：為未來數(shù)字與物理世界的所有AI生產(chǎn)力的運(yùn)行構(gòu)筑基礎(chǔ)設(shè)施。