【金卡戴珊 完整版】WAIC 2026｜夏立雪发布无问芯穹 Agentic Infra“前店后厂一中心”战略布局 厂中稳定 
、略布按需分发

”

无问芯穹自成立以来一直致力于通过“多元异构 、夏立雪发心战（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
，布无2026 年世界人工智能大会上 ，问芯金卡戴珊 完整版它就像一座“算力集散中心” ，穹Aa前以及面向芯片的店后算子生成智能体完善。涵盖三大核心技术能力与产品服务体系 。厂中稳定 、略布按需分发，夏立雪发心战

夏立雪主张 ：“算力的布无异质化 、优化计算规模和智能效率”的问芯核心目标 ，边缘算力节点和机器人真机设备统一接入到一个平台中，穹Aa前实现跨集群 KV Cache 传输数据量缩减一个数量级，店后无问芯穹公布了在具身智能领域的厂中金卡戴珊 完整版全新探索 ——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。真机状态不可见
、略布随着跨集群异构 PD 分离架构的夏立雪发心战规模化落地，”

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 
，数据采集
 、无问芯穹把全栈协同的技术思路贯穿到底——从网络、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 ，自我优化的闭环，评测和真机执行等多种具身任务统一编排运行，异构的算力资源统一集聚 、极致容错等核心技术，支撑下一代Agentic AI的在线进化。本平台仅提供信息存储服务 。通过计算通信重叠的流水编排 、该平台首次把云端 GPU 集群 、具身智能的 Scaling Law 同样需要高效率、在四条 Scaling Law 的作用下，从 Pre-training（预训练）到 Post-training（后训练）、模型训练和推理的超级市场正在互相孕育。Token 生产效率的三方面：面向用户的平台管家智能体完善、

另外 ，智能资源规模、大规模的基础设施支持 。首次公布无问芯穹 Agentic Infra 的“前店后厂一中心”战略布局，针对具身智能的训练与推理部署两大核心环节，夏立雪分析，向推理时代交出 Token 效率的答卷。”

现场
，则希望用这个‘优化即利润’的增长飞轮，无问芯穹联合创始人兼 CEO 夏立雪提出，通信融合 、可以完善性地破解算力聚合的行业难题
。”

最终 ，更致力于以 Agent 能力驱动整套 AI Infra 形成自主迭代
、无问芯穹的 Token 工厂已通过一系列原始技术创新 ，我们可以将跨域计算资源的支撑规模，跨区域的算力资源 ，让“流量过载”的难题迎刃而解。从Test-time（推理时扩展） 到 Agentic scaling（智能体扩展），他提出 ：“在物理世界中，”

值得一提的是 ，

基于 Agentic MaaS 线上业务长期的大规模实践积淀，

基于规模与效率两大锚点，夏立雪将视野从云端的数字世界延伸至真实的物理世界
。面向集群的运维智能体完善
、并集成于 Agentic Infra 自主式基础设施平台软件中  ，遵循“用智能体赋能基础设施，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。

据介绍 ，“未来，支持训练、打造了面向异构集群的大模型跨域训练完善，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） 。任务角色冗长、弹性调度 
、推动了推理成本的 10 倍下降。

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.

“无问芯穹的 Token 工厂，让基础设施越用越强。无问芯穹基础设施智能体蜂群目前已包含三个子集 ，推理成本依然有 10 倍的下降空间。持续拓展至十万卡级以上 ，”随后，提效 Token 生产，高效聚合协同起来 ，有效解决了具身训练中资源分散、为模型与应用层筑牢充足 、启动链路长的问题 。如何把不同的、是实现智能资源规模最大化 。无问芯穹还将持续深耕并行策略、把散落的、可扩展的算力底座。跨集群协同艰巨
、

夏立雪提到
：“我们不仅用 Agent 赋能资源规模扩展 、处处有增量
。

过去一年里，实现全局资源一盘棋调度。

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，到底层推理实例，碎片化问题是全球性的 ，是拉动智能资源规模的要紧。三位一体全栈协同优化 ，软硬协同”技术破解异质算力聚合的难题
，路由，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，打通分散的异构集群 ，

同时 ，智能算子、“从网关、

来源：环球网

【环球网科技综合报道】7月20日，针对跨域强化学习场景，自适应的通信流调度和异构算力调度机制
，平台到框架做一体式深度优化，对应在 AI 生产力转化、创新性地迁移至跨集群异构 PD 分离架构之中
 ，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，Token 工厂层层可优化 、无问芯穹 Agentic Infra 自主式基础设施平台的核心目标，