6.0
深览指数
科技智东西·ZeR0
佛系码字，日常闲置。··AI 生成
无问芯穹在WAIC发布“前店后厂一中心”Agentic Infra战略，用AI提效Token生产
无问芯穹在WAIC 2026发布其Agentic Infra战略，提出“前店后厂一中心”布局，即“算力集散中心”（自主式基础设施平台）、“Token工厂”（Agentic MaaS平台）和“AI生产力商店”（行业解决方案）。核心是解决算力异构与碎片化问题，通过跨域训练、PD分离架构等技术创新，提升Token生产效率、降低推理成本，并公布其在具身智能领域的平台与训练框架等新探索。本文适合关注AI基础设施、算力调度与AI产业化落地的从业者阅读。原文 ↗
核心观点
- ▍无问芯穹的核心战略是通过“前店后厂一中心”的Agentic Infra体系，解决AI算力异构与碎片化问题，以极致的效率服务更大规模的训练与推理，并最终实现从数字世界到物理世界的AI基础设施覆盖。
- 01无问芯穹已实现超4000公里的大模型跨域混训，联合训练性能提升165%（新疆哈密至深圳）。
- 02跨域训练系统已部署触达超37000P算力，覆盖16种主流芯片。
- 03其跨域强化学习训练已实现连续一周0中断稳定运行，并计划将支撑规模拓展至十万卡以上。
- 04无问芯穹首创跨集群异构PD分离架构（PDD），使首Token延迟降低51.5%，单Token成本降低37.5%。
- 05过去一年，无问芯穹的Token工厂通过技术创新已将推理成本降低90%，并预计仍有10倍下降空间。
- 06平台单日Token调用量较去年12月已实现40倍增长。
- 07基础设施智能体蜂群（平台管家、运维、算子生成）已在多个场景落地，例如运维人效提升5倍以上，在GLM-5.2模型测试中，NVIDIA旗舰卡性能提升7.3%，AMD旗舰卡提升39%。
- 08在具身智能领域，RLinf V0.3支持真机设备1000+次在线上下线训练0中断，并与自变量机器人合作实现端侧推理时延从500ms降至70ms，性能提升7.14倍。
反方 / 局限
- — 文章主要展示技术成果与战略愿景，未主动披露当前方案的局限性，如跨域通信的带宽成本、异构芯片生态兼容性的长期挑战，或与英伟达CUDA生态的直接竞争风险。
20 分钟 · 4 卡片 · 12 资料
读原文 →