7月20日，2026世界人工智能大会现场，无问芯穹联合创始人兼CEO夏立雪首次公布Agentic Infra“前店后厂一中心”战略布局。针对当前算力需求指数级增长、供给端线性堆叠难以匹配缺口的行业现状，该体系以“规模×效率”为核心，向下整合能源与芯片资源，向上支撑模型训练与产业应用，定义AI原生基础设施新范式。

本次发布的战略包含三大核心板块：作为“算力集散中心”的自主式基础设施平台、作为“Token工厂”的Agentic MaaS大模型服务平台，以及面向垂直领域的“AI生产力商店”行业解决方案。

算力底座层面，无问芯穹披露了多项跨域算力聚合的生产级成果。其异构集群跨域训练系统已完成国内首例超4000公里大模型混训，联合训练性能提升165%；打通4个不同代际GPU集群，多数据中心协同性能提升41%；私有云与公有云混训场景性能提升68%。目前该系统已覆盖全国超37000P算力，兼容16种主流芯片。针对智能体时代核心的跨集群强化学习场景，团队通过全栈优化实现通信开销100%全掩盖，可支撑训练连续一周0中断稳定运行，未来目标将支撑规模拓展至十万卡级。

推理服务端，无问芯穹发布首创的跨集群异构PD分离架构，将Prefill与Decode任务拆分匹配不同硬件的性能优势，同时创新三级分离推理架构，掩盖跨集群KV Cache传输延迟。实测显示，该架构可使首Token延迟降低51.5%，单Token成本下降37.5%。据介绍，过去一年其Token工厂已实现推理成本10倍下降，单日Token调用量较去年12月增长40倍，技术迭代与业务规模已形成正向循环。

产业落地方面，无问芯穹已推出覆盖文娱游戏、医疗健康、法律服务、能源电力等领域的行业解决方案，并打造了基础设施智能体蜂群，包含平台管家、集群运维、算子生成三类智能体系统。其中运维智能体可实现运维人效提升5倍以上，关键故障处理效率提升6倍；算子生成系统在AMD旗舰卡上可带来39%的整体性能提升。

现场同步公布具身智能领域新进展：国内首个面向大规模具身任务的云边端一体化管理调度平台正式亮相，配套升级版真机强化学习训练框架RLinf V0.3与端侧推理优化体系Mizar-Robo。前者支持千次设备在线上下线训练0中断，百台真机规模专线需求降至2Gbps以下；后者可将机器人端侧推理时延从500ms压缩至70ms，性能提升7.14倍。

夏立雪表示，无问芯穹的长期目标是为数字与物理世界的全场景AI生产力运行构筑底层支撑，通过“用智能进化智能，用生产力加速生产力”，推动AGI技术落地。

头图由受访者供图