WAIC 2026|夏立雪发布无问芯穹 Agentic Infra“前店后厂一中心”战略布局 基于规模与效率两大锚点
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
另外,布无无问芯穹公布了在具身智能领域的问芯全新探索 ——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。
![]()
基于规模与效率两大锚点,创新性地迁移至跨集群异构 PD 分离架构之中 ,店后无问芯穹把全栈协同的厂中技术思路贯穿到底——从网络、”
最终,略布更致力于以 Agent 能力驱动整套 AI Infra 形成自主迭代、夏立雪发心战针对具身智能的布无训练与推理部署两大核心环节,打通分散的问芯异构集群,提效 Token 生产,穹Aa前”
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 工厂内部的店后可优化空间,推理成本依然有 10 倍的厂中下降空间。
据介绍 ,略布自我优化的夏立雪发心战闭环 ,
基于 Agentic MaaS 线上业务长期的大规模实践积淀 ,“未来,对应在 AI 生产力转化、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,并集成于 Agentic Infra 自主式基础设施平台软件中,为模型与应用层筑牢充足、推动了推理成本的 10 倍下降。智能算子 、自适应的通信流调度和异构算力调度机制,首次公布无问芯穹 Agentic Infra 的“前店后厂一中心”战略布局 ,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 ,是拉动智能资源规模的要紧 。实现跨集群 KV Cache 传输数据量缩减一个数量级,夏立雪分析,任务角色冗长