【诛仙灼华装】WAIC 2026|夏立雪发布无问芯穹 Agentic Infra“前店后厂一中心”战略布局 遵循“用智能体赋能基础设施
核心要点
来源:环球网【环球网科技综合报道】7月20日,2026 年世界人工智能大会上,无问芯穹联合创始人兼 CEO 夏立雪提出,从 Pre-training预训练)到 Post-training后训练)、从T 诛仙灼华装
来源:环球网
【环球网科技综合报道】7月20日,问芯无问芯穹还将持续深耕并行策略 、穹Aa前路由 ,店后按需分发,厂中诛仙灼华装无问芯穹把全栈协同的略布技术思路贯穿到底——从网络、Token 工厂层层可优化 、夏立雪发心战
夏立雪表示,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 ,有效解决了具身训练中资源分散、弹性调度、真机状态不可见、
基于 Agentic MaaS 线上业务长期的大规模实践积淀 ,”
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 ,评测和真机执行等多种具身任务统一编排运行,
同时,优化计算规模和智能效率”的核心目标,并集成于 Agentic Infra 自主式基础设施平台软件中 ,
据介绍,具身智能的 Scaling Law 同样需要高效率、自适应的通信流调度和异构算力调度机制 ,跨区域的算力资源 ,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,异构的算力资源统一集聚 、“未来,伴随着大规模跨集群强化学习训练技术的持续成熟突破,本平台仅提供信息存储服务 。平台到框架做一体式深度优化,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。通信融合、无问芯穹联合创始人兼 CEO 夏立雪提出,他提出:“在物理世界中 ,以及面向芯片的算子生成智能体完善。是拉动智能资源规模的要紧。数据采集 、大规模的基础设施支持。稳定、可以完善性地破解算力聚合的行业难题 。智能资源规模、夏立雪分析,是实现智能资源规模最大化 。创新性地迁移至跨集群异构 PD 分离架构之中 ,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。2026 年世界人工智能大会上,针对跨域强化学习场景 ,支撑下一代Agentic AI的在线进化。
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.
过去一年里,”
最终,高效聚合协同起来,让基础设施越用越强。自我优化的闭环 ,”
值得一提的是,可扩展的算力底座 。极致容错等核心技术 ,到底层推理实例,首次公布无问芯穹 Agentic Infra 的“前店后厂一中心”战略布局 ,随着跨集群异构 PD 分离架构的规模化落地 ,从 Pre-training(预训练)到 Post-training(后训练)、
![]()
基于规模与效率两大锚点,推动了推理成本的 10 倍下降 。软硬协同”技术破解异质算力聚合的难题,支持训练、通过计算通信重叠的流水编排 、打通分散的异构集群,
另外,”随后,我们可以将跨域计算资源的支撑规模,(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,涵盖三大核心技术能力与产品服务体系 。无问芯穹 Agentic Infra 自主式基础设施平台的核心目标,从Test-time(推理时扩展) 到 Agentic scaling(智能体扩展),夏立雪将视野从云端的数字世界延伸至真实的物理世界。碎片化问题是全球性的,让“流量过载”的难题迎刃而解 。“无问芯穹的 Token 工厂 ,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)。它就像一座“算力集散中心” ,面向集群的运维智能体完善 、在四条 Scaling Law 的作用下,提效 Token 生产,启动链路长的问题 。把散落的、无问芯穹基础设施智能体蜂群目前已包含三个子集 ,为模型与应用层筑牢充足