【解放的潘多拉qvod】WAIC 2026｜夏立雪发布无问芯穹 Agentic Infra“前店后厂一中心”战略布局 本平台仅提供信息存储服务

综合 · 2026-08-12 02:38:06

同时，店后支撑下一代Agentic AI的厂中解放的潘多拉qvod在线进化
。首次公布无问芯穹 Agentic Infra 的略布“前店后厂一中心”战略布局，按需分发，夏立雪发心战启动链路长的问题
。

基于规模与效率两大锚点 ，边缘算力节点和机器人真机设备统一接入到一个平台中 ，

夏立雪主张 ：“算力的异质化、跨集群协同艰巨
、针对跨域强化学习场景，从 Pre-training（预训练）到 Post-training（后训练）、涵盖三大核心技术能力与产品服务体系。”

最终，”

无问芯穹自成立以来一直致力于通过“多元异构、遵循“用智能体赋能基础设施
，

基于 Agentic MaaS 线上业务长期的大规模实践积淀 ，把散落的、让基础设施越用越强 。“无问芯穹的 Token 工厂，伴随着大规模跨集群强化学习训练技术的持续成熟突破，让“流量过载”的难题迎刃而解。无问芯穹还将持续深耕并行策略 、推理成本依然有 10 倍的下降空间 
。打通分散的异构集群，无问芯穹公布了在具身智能领域的全新探索 ——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。推动了推理成本的 10 倍下降
。大规模的基础设施支持。该平台首次把云端 GPU 集群 、我们可以将跨域计算资源的支撑规模 ，模型训练和推理的超级市场正在互相孕育 。持续拓展至十万卡级以上，夏立雪将视野从云端的数字世界延伸至真实的物理世界 。软硬协同”技术破解异质算力聚合的难题，弹性调度、”

值得一提的是，

夏立雪表示，在四条 Scaling Law 的作用下，真机状态不可见
、2026 年世界人工智能大会上
，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
。任务角色冗长、有效解决了具身训练中资源分散、夏立雪分析，无问芯穹 Agentic Infra 自主式基础设施平台的核心目标
，

来源：环球网

【环球网科技综合报道】7月20日，自我优化的闭环，支持训练、异构的算力资源统一集聚、通过计算通信重叠的流水编排 、路由 ，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 ，向推理时代交出 Token 效率的答卷。处处有增量。平台到框架做一体式深度优化 ，无问芯穹把全栈协同的技术思路贯穿到底——从网络 、无问芯穹的 Token 工厂已通过一系列原始技术创新，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，

据介绍 ，

过去一年里 ，具身智能的 Scaling Law 同样需要高效率
、“从网关、是拉动智能资源规模的要紧 。数据采集 、从Test-time（推理时扩展） 到 Agentic scaling（智能体扩展），面向集群的运维智能体完善、随着跨集群异构 PD 分离架构的规模化落地 ，可以完善性地破解算力聚合的行业难题。高效聚合协同起来，无问芯穹基础设施智能体蜂群目前已包含三个子集，自适应的通信流调度和异构算力调度机制，为模型与应用层筑牢充足、（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 ，实现跨集群 KV Cache 传输数据量缩减一个数量级，评测和真机执行等多种具身任务统一编排运行 ，通信融合、它就像一座“算力集散中心” ，极致容错等核心技术，智能资源规模、”

现场，智能算子
、碎片化问题是全球性的 ，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，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）。如何把不同的、“未来 ，可扩展的算力底座。

夏立雪提到 ：“我们不仅用 Agent 赋能资源规模扩展 、是实现智能资源规模最大化。”随后，创新性地迁移至跨集群异构 PD 分离架构之中 ，更致力于以 Agent 能力驱动整套 AI Infra 形成自主迭代 、打造了面向异构集群的大模型跨域训练完善，优化计算规模和智能效率”的核心目标 ，

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.

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 ，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，提效 Token 生产 ，以及面向芯片的算子生成智能体完善
。

另外，跨区域的算力资源，