中经记者 秦枭 上海报谈

2026世界东谈主工智能大会（WAIC 2026）时分，算力结构性失衡成为全行业共鸣，而智能体范围化落地正在催生指数级算力需求，单智能体Token虚耗可达传统对话模子数百倍，长高下文、多轮协同推理进一步放大资源虚耗压力。

问芯穹策划独创东谈主兼 CEO 夏立雪对《中国规划报》记者暗意，从Pre-training（预进修） 到Post-training（后进修）、从Test-time（推理时膨胀） 到Agentic scaling（智能体膨胀），在四条 Scaling Law 的作用下，模子进修和推理的超等阛阓正在相互滋长。当下的东谈主工智能基础顺序（AI Infra）必须以极致的扬弃管事更大范围。在此配景下，无问芯穹推出Agentic Infra 的“前店后厂一中心”策略布局。

搭建算力全链路价值闭环

面前国内算力阛阓存在几类永久难以处理的共性问题：跨区域、跨代际、公私混划算力形成资源孤岛，无法调处休养；推理顺序不同芯片性能侧重互异赫然，同构集群资源浪费严重；算力与垂直行业业务脱节，Token生成后难以高效升沉为产业价值。

夏立雪合计：“算力的异质化、碎屑化问题是民众性的，奈何把不同的、跨区域的算力资源，高效团员协同起来，是扩大智能资源范围的要害。”

无问芯穹Agentic Infra自主式基础顺序平台的中枢想象，即是终了智能资源范围最大化。据先容，Agentic Infra 它就像一座“算力集散中心”，把洒落的、异构的算力资源调处汇注、弹性休养、按需分发，为模子与愚弄层筑牢足够、沉稳、可膨胀的算力底座。

无问芯穹通过跨域进修系统完成三类范围化场景考证，隐敝超远距离跨地域、多代际GPU集群、公私混杂云算力互通，中枢想路是通过通讯、休养、框架全栈协同优化，冲破算力孤岛。这套休养体系照旧接入寰宇数万P算力，兼容十余种主流芯片，同期针对智能体依赖的跨集群强化学习作念容错优化，处理万卡级集群故障频发、任务中断的行业痛点，中枢逻辑是周转存量算力，而非单纯新增硬件插足。

中间层Token工场聚焦推理扬弃，适配推理算力成为阛阓增量的行业趋势。IDC数据自满，2027年推理算力需求将占合座智能算力七成以上，智能体长高下文、高频交互的特质，对推理时延、缓存复用、单Token资本建议严苛条件。传统同构推理集群无法推崇不同芯片互异化上风，Prefill与Decode任务混跑酿成硬件性能浪费。

行业内无数厂商仅聚焦单集群里面推理优化，跨集群异构休养决策落地案例较少。无问芯穹推出三级折柳推理架构，凭据芯片性能单干分派推理任务，搭配缓存压缩本事镌汰跨集群传输损耗，实测灵验压低单元生成资本。依托这套推理体系，其MaaS管事平台调用范围终了大幅增长，也与运营商、AI社区互助搭建通用模子管事派别，内容是依靠系统优化镌汰推理业务的硬件依赖，缓解算力紧缺带来的资本压力。

补皆数字与物理世界算力相沿短板

跟着具身智能产业徐徐从实验室走向小范围商用，新的算力矛盾正在露馅：云表进修集群、旯旮算力节点、机器东谈主真机分属三套独处体系，数据传输链路长、跨域协同不沉稳，真机大范围强化学习带宽资本居高不下。

夏立雪将视线从云表的数字世界蔓延至信得过的物理世界。他建议：“在物理世界中，具身智能的 Scaling Law 一样需要高扬弃、大范围的基础顺序支合手。”

无问芯穹推出了在具身智能边界首个面向大范围具身任务的云边端一体化不断与休养平台。该平台初度把云表 GPU 集群、旯旮算力节点和机器东谈主真机诞生调处接入到一个平台中，支合手进修、数据收集、评测和真机推行等多种具身任务调处编排启动，灵验处理了具身进修中资源散布、跨集群协同艰辛、任务变装复杂、真机景况不可见、启动链路长的问题。

据悉，从实验室到产业，无问芯穹与智元、清华大学探索了真机强化学习进修的本事与试验，攻克羁系真机强化学习进修大范围落地的核肉痛点与难点。

“让智能无所不可，是AGI，而让智能无处不在，是 AGI Infra。”夏立雪在发布会的尾声中说谈，“AI 无疑是当今世界上发展变化最快的行业，但咱们的初心从未更变，即是作念 AGI 时间最需要的 AI Infra。”

（裁剪：张靖超 审核：李正豪 校对：翟军）开云官方