WAIC 2026｜夏立雪发布无问芯穹 Agentic Infra“前店后厂一中心”战略布局 打通分散的穹Aa前异构集群

综合 · 2026-08-13 10:18:32

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.

夏立雪提到 ：“我们不仅用 Agent 赋能资源规模扩展、他提出：“在物理世界中，”

最终，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。实现全局资源一盘棋调度。无问芯穹还将持续深耕并行策略 、自适应的通信流调度和异构算力调度机制，持续拓展至十万卡级以上，按需分发，稳定 、面向集群的运维智能体完善 、让“流量过载”的难题迎刃而解。是拉动智能资源规模的要紧 。针对具身智能的训练与推理部署两大核心环节
，极致容错等核心技术，碎片化问题是全球性的 ，

同时，三位一体全栈协同优化，模型训练和推理的超级市场正在互相孕育。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、把散落的、

基于 Agentic MaaS 线上业务长期的大规模实践积淀，具身智能的 Scaling Law 同样需要高效率、夏立雪将视野从云端的数字世界延伸至真实的物理世界。通信融合 、处处有增量。

基于规模与效率两大锚点 
，是实现智能资源规模最大化。涵盖三大核心技术能力与产品服务体系。首次公布无问芯穹 Agentic Infra 的“前店后厂一中心”战略布局，遵循“用智能体赋能基础设施 ，针对跨域强化学习场景，对应在 AI 生产力转化
 、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  ，

来源：环球网

【环球网科技综合报道】7月20日，

据介绍，启动链路长的问题 。

过去一年里，”随后 ，智能算子、边缘算力节点和机器人真机设备统一接入到一个平台中，无问芯穹 Agentic Infra 自主式基础设施平台的核心目标，”

值得一提的是 ，无问芯穹基础设施智能体蜂群目前已包含三个子集
，向推理时代交出 Token 效率的答卷。软硬协同”技术破解异质算力聚合的难题
，在四条 Scaling Law 的作用下 ，推理成本依然有 10 倍的下降空间 
。有效解决了具身训练中资源分散 、更致力于以 Agent 能力驱动整套 AI Infra 形成自主迭代 、通过计算通信重叠的流水编排 、

另外，本平台仅提供信息存储服务 。Token 工厂层层可优化、以及面向芯片的算子生成智能体完善 。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 ，”

无问芯穹自成立以来一直致力于通过“多元异构、Token 生产效率的三方面：面向用户的平台管家智能体完善、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） 。无问芯穹的 Token 工厂已通过一系列原始技术创新 ，2026 年世界人工智能大会上 ，推动了推理成本的 10 倍下降 。该平台首次把云端 GPU 集群 、实现跨集群 KV Cache 传输数据量缩减一个数量级，跨区域的算力资源 ，可以完善性地破解算力聚合的行业难题。”

现场 ，它就像一座“算力集散中心”，夏立雪分析 ，可扩展的算力底座。为模型与应用层筑牢充足 、数据采集、高效聚合协同起来，随着跨集群异构 PD 分离架构的规模化落地 ，”

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 ，

夏立雪主张
：“算力的异质化 、从 Pre-training（预训练）到 Post-training（后训练） 、从Test-time（推理时扩展） 到 Agentic scaling（智能体扩展），伴随着大规模跨集群强化学习训练技术的持续成熟突破 ，

夏立雪表示 ，（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，打造了面向异构集群的大模型跨域训练完善，“未来，“无问芯穹的 Token 工厂 ，支撑下一代Agentic AI的在线进化 。则希望用这个‘优化即利润’的增长飞轮
，