科技日报记者 李均
7月20日，2026年世界人工智能大会上，上海无问芯穹智能科技股份有限公司（以下简称“无问芯穹”）联合创始人兼CEO夏立雪提出，模型训练和推理的超级市场正在互相孕育。他表示，“计算需求在指数级攀升，仅依靠产能的线性增长去堆叠算力，已经远远无法弥合供需之间持续扩大的缺口。当下的人工智能基础设施必须以极致的效率服务更大规模。”
基于规模与效率两大锚点，夏立雪首次公布无问芯穹Agentic Infra的“前店后厂一中心”战略布局，涵盖三大核心技术能力与产品服务体系，即“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。
这套Agentic Infra产品与服务体系立足基础设施，向下汇聚能源和芯片，向上支撑模型和应用，不仅极致提升底层资源向AI生产力转化的规模和效率，更用基础设施智能体蜂群赋能资源规模扩展、提效Token生产，支持Agentic AI的持续进化。
无问芯穹Agentic Infra自主式基础设施平台的目标是实现智能资源规模最大化，就像一座“算力集散中心”，把散落的、异构的算力资源统一汇聚、弹性调度、按需分发。无问芯穹打造的面向异构集群的大模型跨域训练系统，已在全国部署触达超37000P算力、覆盖16种主流芯片。
无问芯穹Agentic MaaS大模型服务平台就像一座“Token 工厂”，目标是用极致效率服务Token的规模化、高质量生产。过去一年里，无问芯穹的Token工厂已通过一系列原始技术创新，推动了推理成本下降10倍。截至7月，平台单日Token调用量较去年12月，已实现了40倍的爆发增长。
通过Agentic Infra行业解决方案，无问芯穹携手多行业伙伴把Token高效转化为产业真正认可的高质量AI生产力，就像一个“AI生产力商店”，持续赋能千行百业降本提效。
同时，针对具身智能的训练与推理部署两大环节，无问芯穹实现两项重磅技术升级：面向具身智能的大规模真机强化学习训练框架RLinf V0.3，大幅拉低具身智能规模化训练的成本门槛；面向机器人与端侧AI场景的全栈推理优化体系Mizar-Robo，让具身智能即便在低功耗硬件上，也能实现连贯流畅、低延迟、长续航的高精动作交互。
（受访者供图）
网友评论
