一句话看懂：无问芯穹在2026年世界人工智能大会上发布“Agentic Infra”战略，试图用一套“前店后厂一中心”的基础设施架构，解决算力碎片化和智能体应用爆发带来的效率瓶颈。其核心创新包括跨异构集群的PD分离推理架构和跨域强化学习系统，目标是让大模型推理成本再降10倍。
事件核心：发生了什么
无问芯穹联合创始人兼CEO夏立雪在7月20日的世界人工智能大会上，公开了Agentic Infra产品体系。该体系包含三个层次：
1. 算力集散中心（Agentic Infra自主式基础设施平台）：核心是跨域算力聚合系统。无问芯穹已实现超4000公里（新疆哈密至广东深圳）的大模型跨域混训，性能提升165%；打通4个不同代际GPU集群，性能提升41%；实现本地私有集群与公有云算力混训，性能提升68%。该系统目前触达超37,000P算力，覆盖16种芯片。
2. Token工厂（Agentic MaaS大模型服务平台）：针对智能体推理的“三极”特征（上下文极长、交互轮次极多、缓存命中率极高），首创跨集群异构PD分离架构（PDD）。该架构将传统PreFill-Decode两段链路拆解为P→RLD→MD三级，在Token工厂线上业务实测中，首Token延迟（TTFT）降低51.5%，单Token成本降低37.5%。过去一年，推理成本已实现10倍下降。
3. AI生产力商店（行业解决方案）：覆盖文娱游戏（携手Tripo 3D生成）、医疗健康（服务上海瑞金医院）、法律终端（与段和段、君合等律所合作）、能源电力（与南网能源合作）四个垂直场景。
此外，无问芯穹还发布了“基础设施智能体蜂群”，包含平台管家、运维和算子生成三类智能体，用Agent能力反哺基础设施自身效率。
为什么重要
夏立雪提出了四条Scaling Law（预训练、后训练、推理时扩展、智能体扩展）并存的判断，认为仅靠堆叠芯片产能已无法满足指数级增长的计算需求。无问芯穹的解决方案试图回答一个现实问题：当全球算力陷入“异质化、碎片化”困境时，系统软件层面的调度优化能否替代硬件线性扩张？
其跨域集群训练系统已经过生产级验证，尤其是跨域强化学习实现连续一周0中断稳定运行，这直接回应了当前AI行业的核心痛点——强化学习需要多角色协同，规模越大，跨集群通信和容错越是瓶颈。如果这套方案能规模化复制，可能改变企业采购算力的方式：不再追求单点最强芯片，而是用网络将各地存量GPU“盘活”。
另一方面，PDD推理架构用“让偏科硬件只做擅长的事”的思路，将跨集群KV Cache传输数据量降低一个数量级，这对智能体应用的实时性体验至关重要——推理延迟不再是“上线与否”的单选题，而是细分场景下“成本与体验”的生意账。
对用户/开发者/创作者的影响
对于AI应用开发者：Agentic MaaS平台已与Kimi、智谱、Minimax、阶跃星辰等头部模型厂商合作，单日Token调用量较去年12月增长40倍。如果推理成本能再降10倍，智能体应用的商业化门槛将显著降低，尤其是需要高频交互、长上下文记忆的Agent类产品（如AI客服、代码助手、游戏NPC）可以更激进地设计交互逻辑。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于企业采购决策者：“算力集散中心”的模式意味着，企业采购算力时不再必须绑定单一云厂商或芯片品牌。无问芯穹已展示的混合云算力聚合方案（本地私有集群+公有云），直接回应了“数据本地合规但算力闲置”的错配痛点。企业可关注其在能源电力、医疗等强监管行业的落地案例。
对于内容创作者：文娱游戏方向的3D模型生成方案（与VAST合作）是直接受益者。但官方未公布具体API价格和开放时间，目前信息显示该方案处于“联合打造”阶段，尚未开放给公众使用。
值得关注的后续
1. 跨域强化学习的规模化验证：夏立雪提出未来要将支撑规模拓展至十万卡级。实际落地中，跨区域网络延迟和成本是否可控，以及是否出现竞品（如阿里云、华为云）相近方案，将是关键观察点。
2. 推理成本再降10倍的落地节奏：目前官方披露的降本数据来自PDD架构的内部测试，且尚未公布与主流闭源模型API价格（如GPT-4o、Claude 3.5）的直接对比。下一届WAIC前是否推出公开比价策略，将影响开发者生态迁移意愿。
3. 合作伙伴生态的扩展速度：目前行业解决方案集中在四个领域，且法律、医疗等场景以“试点”为主。如果能在2024年底前新增3-5个垂直行业的旗舰客户，将验证其“生产力商店”的可持续性。
来源：InfoQ CN
