本报讯 （记者袁传玺）
7月20日，在2026世界人工智能（885728）大会（WAIC）上，上海无问芯穹智能科技有限公司（以下简称“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Test-time（推理时扩展）到Agentic scaling（智能体规模扩展），在四条Scaling Law（规模定律）的作用下，模型训练和推理的超级市场正在互相孕育。
基于规模与效率两大锚点，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，首次发布无问芯穹Agentic Infra（智能体基础设施）的“前店后厂一中心”战略布局。
这套Agentic Infra产品与服务体系立足基础设施，向下汇聚能源（850101）和芯片，向上支撑模型和应用，极致提升底层资源向AI生产力转化的规模和效率，更有Agentic AI时代最显著的AI原生能力——用基础设施智能体蜂群赋能资源规模扩展、提效Token（词元）生产，并支持Agentic AI的持续进化。
夏立雪认为：“算力的异质化、碎片化问题是全球性的，如何把不同的、跨区域的算力资源，高效聚合协同起来，是扩大智能资源规模的关键。”
“这只是一个起点。”夏立雪表示，伴随着大规模跨集群强化学习训练技术的持续成熟突破，无问芯穹还将持续深耕并行策略、通信融合、智能算子、极致容错等核心技术，“未来，我们能够将跨域计算资源的支撑规模，持续拓展至十万卡级以上，支撑下一代Agentic AI的在线进化。”
发布会现场，夏立雪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，“从网关、路由，到底层推理实例，Token工厂层层可优化、处处有增量。”
随后，夏立雪披露了无问芯穹首创的新一代推理系统优化成果——跨集群异构PD分离架构（Prefill-RelayDecode-MainDecode，PDD）。
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，推动了推理成本的10倍下降。夏立雪判断，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。
技术迭代驱动成本下降，业务规模加速技术创新。通过与Kimi、智谱（HK2513）、Minimax、阶跃星辰等头部大模型企业的密切合作，无问芯穹在真实业务场景中持续打磨、积累了大量优化经验。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，而海量业务经验又能反哺技术快速迭代，催动平台性能与可靠性的同步跃升，形成“业务带技术，技术提效率，效率促增长”的正向循环。
夏立雪总结：“6月的GTC上，黄仁勋展示了英伟达（NVDA）的‘算力即收入’曲线。无问芯穹的Token（词元）工厂，则希望用这个‘优化即利润’的增长飞轮，向推理时代交出Token效率的答卷。”
现场，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。该平台首次把云端GPU（图形处理器）集群、边缘算力节点和机器人真机设备统一接入到一个平台中，支持训练、数据采集、评测和真机执行等多种具身任务统一编排运行，有效解决了具身训练中资源分散、跨集群协同困难、任务角色复杂、真机状态不可见、启动链路长的问题。
同时，针对具身智能的训练与推理部署两大核心环节，夏立雪宣布了无问芯穹两项重磅技术升级：面向具身智能的大规模真机强化学习训练框架RLinf V0.3（强化学习基础设施0.3版本），以及面向机器人与端侧AI场景的全栈推理优化体系Mizar-Robo。
“让智能无所不能，是AGI，而让智能无处不在，是AGI Infra。”夏立雪在发布会的尾声中说道。“AI无疑是目前世界上发展变化最快的行业，但我们的初心从未改变，就是做AGI时代最需要的AGI Infra。”
