黃仁勛提出「算力即收入」，無問芯穹用「優(yōu)化即利潤(rùn)」轉(zhuǎn)動(dòng)Agentic Infra的生意飛輪

石油成為現(xiàn)代工業(yè)的血液，用了半個(gè)多世紀(jì)。它要先被開采、被提煉、被定價(jià)，才談得上驅(qū)動(dòng)一個(gè)時(shí)代。

Token走完這條路，只用了三年。

國(guó)家統(tǒng)計(jì)局的數(shù)據(jù)：截至2026年3月，中國(guó)日均Token調(diào)用量突破140萬(wàn)億，比上年末增長(zhǎng)超40%。隨著調(diào)用量和計(jì)費(fèi)體系擴(kuò)張，Token正從技術(shù)計(jì)量單位轉(zhuǎn)向可被生產(chǎn)、消耗和計(jì)價(jià)的標(biāo)準(zhǔn)化資源。

大宗商品的價(jià)值，由三件事決定：產(chǎn)量、單位成本、最終產(chǎn)出的生產(chǎn)力。

7月20日的2026世界人工智能大會(huì)，無問芯穹發(fā)布「前店后廠一中心」Agentic Infra戰(zhàn)略布局，把這三件事寫成了一個(gè)公式：

AI生產(chǎn)力=智能資源規(guī)?！罷oken轉(zhuǎn)化效率×AI生產(chǎn)力轉(zhuǎn)化效率。

這個(gè)公式的三個(gè)變量，正是資本市場(chǎng)重新給AI基礎(chǔ)設(shè)施定價(jià)的三條線。

過去，市場(chǎng)衡量一家AI基礎(chǔ)設(shè)施公司，主要看規(guī)模。隨著推理需求上升，同樣的算力能產(chǎn)出多少有效Token、單位成本能降到多低、能支撐多少實(shí)際業(yè)務(wù)，正在成為新的評(píng)價(jià)維度。

無問芯穹押注的，正是這次遷移。

超級(jí)周期已確認(rèn)，資本在為「規(guī)模與效率」集中定價(jià)

全球AI基建的「超級(jí)周期」正在進(jìn)行中。

高盛在最近發(fā)布的《Tracking Trillions》報(bào)告中給出一組數(shù)字：2026年超大規(guī)模數(shù)據(jù)中心資本支出，共識(shí)口徑5270億美元，基準(zhǔn)模型口徑高達(dá)7650億美元；到2031年，累計(jì)AI基礎(chǔ)設(shè)施投資將達(dá)7.6萬(wàn)億美元。四大超大規(guī)模廠商合計(jì)資本支出接近7000億美元，同比增長(zhǎng)77%。

對(duì)資本市場(chǎng)來說，「要不要投AI基建」不再是問題，問題已轉(zhuǎn)向「投在哪里，回報(bào)最高」。

一級(jí)市場(chǎng)先給出了答案。2026年上半年，AI基礎(chǔ)設(shè)施賽道密集出現(xiàn)標(biāo)志性融資：Together AI估值83億美元，F(xiàn)ireworks AI以150億美元估值洽談新一輪，Baseten達(dá)到130億美元。

三家成立都不超過四年，都聚焦推理優(yōu)化，估值都在半年內(nèi)跳級(jí)。

資本正在用真金白銀，為「推理效率」這一件事集中定價(jià)。過去，訓(xùn)練主導(dǎo)，誰(shuí)有更多GPU、訓(xùn)更大的模型，誰(shuí)就擁有定價(jià)權(quán)；現(xiàn)在，推理主導(dǎo)。

2026年推理工作負(fù)載已占AI算力總量約三分之二，推理基礎(chǔ)設(shè)施資本支出預(yù)計(jì)達(dá)680億美元，超過訓(xùn)練的450億美元。

更關(guān)鍵的是成本曲線與需求曲線的背離，斯坦福《AI指數(shù)報(bào)告》與TokenCost的數(shù)據(jù)顯示，AI推理成本近兩年下跌超過99.7%；而同一時(shí)期，企業(yè)AI云支出在2024到2025年間翻了三倍。成本大幅下降，用量漲得更快，杰文斯悖論正在AI算力上重演。

SemiAnalysis創(chuàng)始人Dylan Patel在紅杉資本《Training Data》播客中給出過一個(gè)判斷：推理將成為比石油更大的市場(chǎng)，占全球GDP的多個(gè)百分點(diǎn)。

Token需求仍處于快速擴(kuò)張期。每一次代表性模型或產(chǎn)品的爆發(fā)，都會(huì)抬高單次調(diào)用量：從最初幾百Token的對(duì)話，到推理模型的1萬(wàn)量級(jí)，再到部分Agent任務(wù)50K起步的輸入。需求增長(zhǎng)快于物理算力供給，推理基礎(chǔ)設(shè)施因此持續(xù)承壓。

供需缺口，因此是長(zhǎng)期的、結(jié)構(gòu)性的。

海外投行也給出了同一方向的判斷，花旗在2026年6月的推理專題報(bào)告中指出，算力的稀缺性正在被價(jià)格快速貨幣化，而貨幣化的速度，快過它被技術(shù)解決的速度。一個(gè)佐證是，連上一代的A100，租賃價(jià)格都在六周內(nèi)累計(jì)上漲了11%。

在這條遷移線上，單純算力租賃的同質(zhì)化壓力正在上升。Agentic Infra的估值彈性來自軟件優(yōu)化和推理需求，商業(yè)確定性仍取決于算力利用率、客戶留存和單位經(jīng)濟(jì)。

無問芯穹的生意怎么拆

回到那個(gè)公式，AI生產(chǎn)力=智能資源規(guī)?！罷oken轉(zhuǎn)化效率×AI生產(chǎn)力轉(zhuǎn)化效率。

無問芯穹「前店后廠一中心」Agentic Infra戰(zhàn)略布局，各自對(duì)應(yīng)這個(gè)公式的三個(gè)變量。

「一中心」，算力集散中心，最大化智能資源規(guī)模，把散落的、異構(gòu)的算力資源統(tǒng)一匯聚、彈性調(diào)度、按需利用，為模型與應(yīng)用層筑牢充足、穩(wěn)定、可擴(kuò)展的算力底座。

無問芯穹推出面向大模型的異構(gòu)集群跨域訓(xùn)練系統(tǒng)，實(shí)現(xiàn)調(diào)度、通信、框架三位一體的全棧協(xié)同優(yōu)化。目前這套系統(tǒng)已在全國(guó)部署觸達(dá)超 37,000P 算力、覆蓋 16 種主流芯片，盤活了廣域分散的異質(zhì)算力。

在中國(guó)算力供給高度碎片化的背景下，跨集群、異構(gòu)芯片的部署觸達(dá)，決定了名義算力能否轉(zhuǎn)化為有效算力，其技術(shù)門檻遠(yuǎn)高于單純的資源聚合。

「后廠」，Token工廠，用極致效率服務(wù)Token 的規(guī)?；?、高質(zhì)量生產(chǎn)。其商業(yè)邏輯可以概括為：算力即收入，優(yōu)化即利潤(rùn)。

在本次WAIC發(fā)布會(huì)上，公司提出了一項(xiàng)新的核心技術(shù)：跨集群異構(gòu)PD分離，將大模型推理的Prefill和Decode兩個(gè)階段解耦，分別部署到跨集群的異構(gòu)芯片上，以提高異構(gòu)算力的推理效率。

據(jù)公司披露，這項(xiàng)技術(shù)帶來了明顯的成本改善：實(shí)測(cè)顯示，該架構(gòu)在首 Token 延遲（TTFT）降低 51.5%的同時(shí)，單 Token 成本可降低 37.5%。

在Token計(jì)費(fèi)模式下，系統(tǒng)優(yōu)化降低的單位推理成本可以直接改善毛利率，前提是服務(wù)價(jià)格和算力利用率保持穩(wěn)定。

技術(shù)驅(qū)動(dòng)的平臺(tái)生意，和資源驅(qū)動(dòng)的轉(zhuǎn)售生意，賺的是兩種錢。這條路徑，海外頭部也在走。

據(jù)The Information報(bào)道，OpenAI通過一次系統(tǒng)級(jí)優(yōu)化，把部分模型的推理成本壓低了約一半，辦法是提高現(xiàn)有服務(wù)器利用率，沒有增加新硬件。這說明系統(tǒng)優(yōu)化已經(jīng)成為AI基礎(chǔ)設(shè)施單位經(jīng)濟(jì)的核心變量。

據(jù)公司披露，通過與頭部大模型企業(yè)的密切合作，無問芯穹在真實(shí)業(yè)務(wù)場(chǎng)景中持續(xù)打磨、積累大量經(jīng)驗(yàn)，截至7月，無問大模型服務(wù)平臺(tái)單日 Token 調(diào)用量較去年12月，已實(shí)現(xiàn)了40倍增長(zhǎng)，而海量業(yè)務(wù)數(shù)據(jù)又能反哺技術(shù)快速迭代，催動(dòng)平臺(tái)性能與可靠性的同步躍升，形成“業(yè)務(wù)帶技術(shù)，技術(shù)提效率，效率促增長(zhǎng)”的正向循環(huán)。

夏立雪在發(fā)布會(huì)上呼應(yīng)黃仁勛提出的“算力即收入”，提出了下一句 ：“優(yōu)化即利潤(rùn)”。這是無問芯穹在“后廠”業(yè)務(wù)上，如何兼顧規(guī)模與效率的答卷。

「前店」，AI生產(chǎn)力商店，把Token 高效轉(zhuǎn)化為產(chǎn)業(yè)真正認(rèn)可的高質(zhì)量AI生產(chǎn)力，持續(xù)賦能千行百業(yè)降本提效。

它有兩個(gè)方向。

對(duì)外，把智能體解決方案輸出給百業(yè)，文娛游戲、醫(yī)療健康、法律終端、能源電力，各有落地，把技術(shù)勢(shì)能全面轉(zhuǎn)化為各行業(yè)能用、好用、可復(fù)用的落地價(jià)值。

對(duì)內(nèi)，用Agent改造基礎(chǔ)設(shè)施自身：通過智算集群運(yùn)維智能體系統(tǒng)“智算集群運(yùn)維+智能體”，通過多智能體協(xié)作，能夠端到端地解決實(shí)際生產(chǎn)場(chǎng)景中的運(yùn)維難題，這樣一個(gè)7×24 小時(shí)全天候值守的智能專家，讓智算集群的運(yùn)維從“人找問題”轉(zhuǎn)變?yōu)椤皢栴}找人”，和“問題自己解決”，公司宣布，該系統(tǒng)可實(shí)現(xiàn)運(yùn)維人效提升 5 倍以上，關(guān)鍵故障處理效率提升 6 倍；此外，通過“高性能算子生成智能體系統(tǒng) KernelMind”，能夠在真實(shí)編譯試錯(cuò)與知識(shí)沉淀中持續(xù)自迭代，穩(wěn)定交付可直接落地的高質(zhì)量工業(yè)級(jí)算子——算子是 AI 算力的核心基石，極大影響了芯片與集群的真實(shí)算力上限，同時(shí)也是拉開基礎(chǔ)設(shè)施效率差距的關(guān)鍵變量。

通過對(duì)于“前店后廠一中心”的拆解，不難發(fā)現(xiàn)，Token工廠只是無問芯穹Agentic Infra體系的一環(huán)。完整的Agentic Infra技術(shù)組合在一起，形成覆蓋訓(xùn)練、推理、調(diào)度、運(yùn)維和生產(chǎn)力賦能的能力網(wǎng)絡(luò)。

其中，模型路由正被機(jī)構(gòu)看作下一個(gè)價(jià)值高地?；ㄆ炫袛?，能夠決定「哪個(gè)模型、何種量化、在哪種硬件上處理哪個(gè)子任務(wù)」的路由層，將成為未來捕獲推理價(jià)值的關(guān)鍵。模型路由也因此成為無問芯穹繼續(xù)補(bǔ)齊的關(guān)鍵環(huán)節(jié)。

而放在全球坐標(biāo)，無問芯穹與Together.ai、Fireworks等同屬第三方推理基礎(chǔ)設(shè)施平臺(tái)，商業(yè)邏輯都建立在算力供給之上的軟件優(yōu)化與服務(wù)能力。

無問芯穹的差異化能力，在于同時(shí)適配16種芯片體系，并應(yīng)對(duì)中國(guó)市場(chǎng)更復(fù)雜的異構(gòu)算力供給，這是公司基于國(guó)內(nèi)算力生態(tài)構(gòu)建的一道技術(shù)“護(hù)城河”。

四個(gè)維度，看Agentic Infra這門生意的價(jià)值

在資本市場(chǎng)的坐標(biāo)里，無問芯穹Agentic Infra的價(jià)值，可以從三個(gè)維度觀察。

第一，需求更具持續(xù)性。

單次訓(xùn)練具有階段性，推理則會(huì)隨著用戶調(diào)用持續(xù)發(fā)生。Agent每完成一個(gè)任務(wù)，都在消耗Token。據(jù)公司披露，無問芯穹95%以上的Token調(diào)用來自Agent化場(chǎng)景，表明平臺(tái)Token需求結(jié)構(gòu)已經(jīng)明顯向智能體驅(qū)動(dòng)的推理遷移。

Anthropic提供了一個(gè)可參照的樣本：其在2026年二季度已實(shí)現(xiàn)凈利潤(rùn)為正的現(xiàn)金流（不含股權(quán)激勵(lì)），Opus 4.8的Token毛利率超過80%。算力供給直接推高了營(yíng)收上限。

Dylan Patel的判斷與此呼應(yīng)：AI算力的供需差異，在可預(yù)見的未來都難以彌補(bǔ)。模型每迭代一次，就會(huì)大幅擴(kuò)展它能完成的有價(jià)值任務(wù)的范圍，而這種擴(kuò)展的速度，始終快過算力供給的增長(zhǎng)。

這呼應(yīng)了無問芯穹在本次 WAIC 上還發(fā)布了一個(gè)新的關(guān)鍵洞察：強(qiáng)化學(xué)習(xí)成為下一代AI進(jìn)步的重要手段。但相較傳統(tǒng)預(yù)訓(xùn)練，強(qiáng)化學(xué)習(xí)有“多角色協(xié)同”的獨(dú)特特性，其算力需求的硬件種類更加復(fù)雜，規(guī)模量級(jí)也更加龐大，基于異構(gòu)和超大算力規(guī)模的雙重剛需，跨集群強(qiáng)化學(xué)習(xí)因此成為智能規(guī)模化及持續(xù)進(jìn)化的新錨點(diǎn)，這也是無問芯穹Agentic Infra 自主式基礎(chǔ)設(shè)施平臺(tái)重點(diǎn)布局與攻克的核心場(chǎng)景。

針對(duì)跨域強(qiáng)化學(xué)習(xí)場(chǎng)景，無問芯穹利用全棧協(xié)同的技術(shù)思路，從網(wǎng)絡(luò)、平臺(tái)到框架做一體化深度優(yōu)化，打通分散的異構(gòu)集群，實(shí)現(xiàn)全局資源一盤棋調(diào)度，讓大規(guī)?？缬驈?qiáng)化學(xué)習(xí)不僅可以“跑得通”，還能“跑得快、跑得穩(wěn)”。

無問芯穹聯(lián)合創(chuàng)始人兼CEO夏立雪在發(fā)布會(huì)現(xiàn)場(chǎng)表示，未來，公司還會(huì)將跨域計(jì)算資源的支撐規(guī)模，持續(xù)拓展至十萬(wàn)卡級(jí)以上，支撐下一代Agentic AI的在線進(jìn)化。

第二，盈利更具護(hù)城河。

推理服務(wù)的價(jià)格競(jìng)爭(zhēng)最終會(huì)落到單位成本。

公司在WAIC宣布，過去一年，通過一系列原始技術(shù)創(chuàng)新，推動(dòng)了推理成本下降 10 倍，而隨著跨集群異構(gòu) PD 分離架構(gòu)的持續(xù)成熟落地，可預(yù)見的未來，推理成本依然有10倍以上的下降空間。

Together AI也提供了一個(gè)參照：其推理優(yōu)化引擎ATLAS通過自適應(yīng)推測(cè)解碼加速Token生成，性能較超大規(guī)模云廠商快2至3倍。

技術(shù)驅(qū)動(dòng)的效率，決定了推理平臺(tái)能否在價(jià)格競(jìng)爭(zhēng)中保留利潤(rùn)空間。

第三，市場(chǎng)更具想象力。

黃仁勛把AI基礎(chǔ)設(shè)施放進(jìn)「能源、芯片、基礎(chǔ)設(shè)施、模型、應(yīng)用」的五層蛋糕里，基礎(chǔ)設(shè)施與芯片、能源同屬萬(wàn)億量級(jí)的市場(chǎng)。

Agentic Infra的天花板，會(huì)從算力規(guī)模一路延伸到全行業(yè)的AI生產(chǎn)力。

更遠(yuǎn)的空間在物理世界，無問芯穹在本次 WAIC 上發(fā)布了首個(gè)面向大規(guī)模具身任務(wù)的云邊端一體化管理與調(diào)度平臺(tái)，嘗試突破“物理世界中，具身智能的 Scaling Law 同樣被基礎(chǔ)設(shè)施限制”的難題。

針對(duì)具身智能的訓(xùn)練與推理部署兩大核心環(huán)節(jié)，公司宣布了兩項(xiàng)重磅技術(shù)升級(jí)：面向具身智能的大規(guī)模強(qiáng)化學(xué)習(xí)訓(xùn)練框架 RLinf V0.3 ，以及面向機(jī)器人與端側(cè) AI 場(chǎng)景的全棧的推理優(yōu)化體系 Mizar-Robo。

RLinf V0.3 首次完整打通了數(shù)據(jù)采集、數(shù)據(jù)管理、監(jiān)督微調(diào)（SFT）、強(qiáng)化學(xué)習(xí)（RL）、模型評(píng)測(cè)以及真機(jī)部署等關(guān)鍵環(huán)節(jié)，實(shí)現(xiàn)從仿真訓(xùn)練到真實(shí)機(jī)器人在線學(xué)習(xí)、再到持續(xù)迭代優(yōu)化的統(tǒng)一開發(fā)閉環(huán)。不僅為具身智能提供開源開放的基礎(chǔ)設(shè)施，能夠高效訓(xùn)練機(jī)器人策略，更能夠支撐機(jī)器人在真實(shí)世界中的長(zhǎng)期持續(xù)進(jìn)化。

Mizar-Robo 則依托流水線調(diào)度、算子內(nèi)核、量化壓縮、計(jì)算圖四層協(xié)同優(yōu)化，全方位釋放端側(cè)硬件潛力，大幅提升具身模型的部署效率，讓具身智能即便在低功耗硬件上，也能實(shí)現(xiàn)連貫流暢、低延遲、長(zhǎng)續(xù)航的高精動(dòng)作交互。

公司表示，這將是“為未來數(shù)字與物理世界的所有AI生產(chǎn)力的運(yùn)行構(gòu)筑基礎(chǔ)設(shè)施?！?/p>

結(jié)語(yǔ)：Token經(jīng)濟(jì)的樞紐底座

Token 調(diào)用量的高速增長(zhǎng)，正在改變AI基礎(chǔ)設(shè)施的估值標(biāo)準(zhǔn)。卡量和峰值算力決定供給規(guī)模，有效Token產(chǎn)出、單位成本和真實(shí)利用率，決定這門生意最終能賺多少錢。

無問芯穹的「前店后廠一中心」提供了一個(gè)中國(guó)樣本：以算力集散中心擴(kuò)充智能資源規(guī)模，以系統(tǒng)優(yōu)化壓低Token成本，再通過行業(yè)Agent提高算力利用率。這套架構(gòu)已經(jīng)完成初步市場(chǎng)驗(yàn)證，估值空間能否繼續(xù)打開，仍要看兩條曲線：Token調(diào)用量能否保持增長(zhǎng)，單位推理成本能否繼續(xù)下降并轉(zhuǎn)化為毛利。

當(dāng)AI基礎(chǔ)設(shè)施進(jìn)入規(guī)模與效率雙重競(jìng)爭(zhēng)階段，無問芯穹已經(jīng)給出了完整業(yè)務(wù)架構(gòu)和技術(shù)范式，并將在實(shí)踐中證明其價(jià)值。

*以上內(nèi)容不構(gòu)成投資建議，不代表刊登平臺(tái)之觀點(diǎn)，市場(chǎng)有風(fēng)險(xiǎn)，投資需謹(jǐn)慎，請(qǐng)獨(dú)立判斷和決策。