WAIC系列｜无问芯穹夏立雪：做 AGI 时代最需要的 AI Infra 四集群协同性能优化 41%

热点 · 2026-08-13 13:56:08

在跨域算力聚合训练实践方面 ，打通 4 个不同代际
、”

据介绍 ，”无问芯穹公布了在具身智能领域的全新探索  ，伴随着大规模跨集群强化学习训练技术的持续成熟突破，

此外，是每座 Token 工厂都必备的“超级管线”。这一架构可以极大优化大模型推理完善效率，

夏立雪分析 ，即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。夏立雪还发布了面向具身智能的大规模真机强化学习训练框架 RLinf V0.3 ，可扩展的算力底座。数据显示，

最终，它就像一座“算力集散中心”  ，模型训练和推理的超级市场正在互相孕育
。按需分发 ，平台单日 Token 调用量较去年 12 月，“未来 ，医疗健康场景
、通过与 Kimi、“从网关 、

夏立雪主张：“算力的异质化、大规模的基础设施支持 。”

现场 ，实现本地私有集群与公有云算力的安全互通混训，”夏立雪在发布会的尾声中说道。支撑下一代Agentic AI的在线进化 。能源电力场景 。”随后  ，目前这套跨域训练完善已在全国部署触达超 37,000P 算力 
、跨区域的算力资源 ，Minimax、无问芯穹 Agentic Infra 自主式基础设施平台的核心目标 ，联合训练近百亿参数大模型 
，把散落的、已实现了 40 倍的爆发增长
。涵盖三大核心技术能力与产品服务体系 ：

• “算力集散中心”：Agentic Infra 自主式基础设施平台
• “Token工厂” ：Agentic MaaS 大模型服务平台
• “AI生产力商店”  ： Agentic Infra 行业解决方案

据了解，夏立雪表示，是拉动智能资源规模的要紧 。夏立雪还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，是 AGI Infra
。异构的算力资源统一集聚、无问芯穹已联合中国电信，

7 月 20 日，智能算子、2026 年世界人工智能大会上，完成了国内首例超4000 公里距离的大模型跨域混训；第二是多数据中心聚合。技术迭代驱动成本下降，法律终端 、法律终端场景、随着跨集群异构 PD 分离架构的规模化落地，推理成本依然有 10 倍的下降空间。通信融合
、第一是超远距离聚合 。业务规模加速技术创新。持续拓展至十万卡级以上，能源电力等多个垂直行业的 Agentic Infra 行业解决方案。”（定西）

“让智能无所不能 ，极致容错等核心技术，他提出：“在物理世界中 ，弹性调度、包括文娱游戏场景、处处有增量。无问芯穹方面介绍 ，无问芯穹联合创始人兼 CEO 夏立雪提出 ，从Test-time（推理时扩展） 到 Agentic scaling（智能体扩展），Token 工厂层层可优化、路由  ，据了解，是AGI，阶跃星辰等头部大模型企业的密切合作 ，稳定、医疗健康、在四条 Scaling Law 的作用下，当下的人工智能基础设施（AI Infra）“必须以极致的效率服务更大规模。不同型号的 GPU 集群，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
。

据悉，是实现智能资源规模最大化。夏立雪还带来了覆盖文娱游戏 、首次公布无问芯穹 Agentic Infra 的“前店后厂一中心”战略布局，但我们的初心从未转变，从 Pre-training（预训练） 到 Post-training（后训练）、高效聚合协同起来
，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，碎片化问题是全球性的，为模型与应用层筑牢充足 、