全球Token「印鈔流水線」大升級(jí)，幕后推手Agentic Infra首次曝光！

新智元報(bào)道

「你已達(dá)到使用上限，請(qǐng)等待額度重置。」

用過Claude Code、Codex 的人，大概都被這行字噎過。bug剛修到一半，彈窗一出，全停了。

如今你把活整件甩給Agent，它替你干、也替你燒錢，每一次調(diào)用都在按Token結(jié)算。

Token，儼然成了這個(gè)時(shí)代最像「貨幣」的東西。

有意思的是，這「貨幣」還在瘋狂貶值：過去一年，單個(gè)Token的生產(chǎn)成本被硬生生打下來10倍。

是誰，在哪兒，把它造得這么便宜？答案藏在一層你從不打開、卻天天在用的地基里。

就在今年的WAIC上，無問芯穹一口氣亮出了「前店后廠一中心」，一整套完整的Agentic Infra戰(zhàn)略布局：

• 算力集散中心（一中心）：Agentic Infra自主式基礎(chǔ)設(shè)施平臺(tái)；

• Token工廠（后廠）：Agentic MaaS大模型服務(wù)平臺(tái)；

• AI生產(chǎn)力商店（前店）：Agentic Infra行業(yè)解決方案。

不是「Token 工廠」，是Agentic Infra

2025年，無問芯穹率先在業(yè)內(nèi)喊出了Agentic Infra。不到一年時(shí)間，這個(gè)詞已經(jīng)成了行業(yè)里的「標(biāo)配」。

可仔細(xì)看，如今多數(shù)廠商做的「Agentic」，不過是在傳統(tǒng)基礎(chǔ)設(shè)施上加了一個(gè)Agent入口。

但這樣做根本撐不起真正的智能體時(shí)代。當(dāng)海量并發(fā)請(qǐng)求一擁而上，光靠一個(gè)新入口，底層系統(tǒng)很容易就崩了。

真正的解法，得往更深處走。今年6月，兩家海外Cloud公司各自提出的解法，與無問芯穹隔海共同呼應(yīng)了「Agent時(shí)代到底需要怎樣的AI基礎(chǔ)設(shè)施」這個(gè)命題。

首先，是CoreWeave發(fā)布了一款服務(wù)于「AI研究與迭代」的智能體——ARIA。它能夠自主分析實(shí)驗(yàn)數(shù)據(jù)、提煉洞察并驅(qū)動(dòng)持續(xù)改進(jìn)。這意味著CoreWeave正式從單純的「算力提供商」升級(jí)為「算力+AI自動(dòng)化研發(fā)」的綜合平臺(tái)。

其次，是Fireworks AI發(fā)布帶強(qiáng)化學(xué)習(xí)的端到端平臺(tái)——Training Agent。用戶只需描述任務(wù)，智能體就能自動(dòng)選模型、跑超參掃描、寫評(píng)估、部署模型。

而無問芯穹的解題思路是——讓整座基礎(chǔ)設(shè)施自己變成一個(gè)會(huì)干活的Agent。

在他們看來，真正完整的Agentic Infra至少得同時(shí)邁過三道坎：

• 全鏈路：撐得起從算力到Token再到生產(chǎn)力的整條鏈，用全棧優(yōu)化提升基礎(chǔ)設(shè)施系統(tǒng)性能；

• AI原生：能用AI改進(jìn)AI基礎(chǔ)設(shè)施本身，不僅服務(wù)人類用戶，還針對(duì)智能體這類數(shù)字用戶的需求做改造；

• 全覆蓋：訓(xùn)練、強(qiáng)化學(xué)習(xí)、推理全流程覆蓋，穩(wěn)固更多樣化的技術(shù)優(yōu)勢(shì)，同時(shí)攜手行業(yè)百業(yè)的客戶，賦能降本提效。

無問芯穹把這三件事，收進(jìn)了一道乘法公式：

AI生產(chǎn)力 = 智能資源規(guī)模 × Token 轉(zhuǎn)化效率 × AI 生產(chǎn)力轉(zhuǎn)化效率。

公式里的三個(gè)變量，正好對(duì)上「前店后廠一中心」三塊業(yè)務(wù)。并且在相乘之后，還首尾相接地成了一個(gè)閉環(huán)。

一中心：把散在各地的算力，聚成一股

第一個(gè)變量，是智能資源規(guī)模。

如今，算力的胃口，早就漲得比供給快。可光靠買卡、堆算力，既燒錢又追不上。

真正的出路，是把已經(jīng)散在各地、型號(hào)不一的存量算力盤活，聚成一股能用的力量。

為此，無問芯穹的「算力集散中心」主要做了兩件事。

第一，是面向大模型的異構(gòu)集群跨域訓(xùn)練系統(tǒng)。

• 超遠(yuǎn)距離聚合：聯(lián)合中國(guó)電信，完成國(guó)內(nèi)首例超4000公里距離的大模型跨域混訓(xùn)，在新疆哈密與廣東深圳兩地集群間，實(shí)現(xiàn)聯(lián)合訓(xùn)練性能提升165%。

• 多數(shù)據(jù)中心聚合：聯(lián)合4個(gè)不同代際、不同型號(hào)的GPU集群，聯(lián)合訓(xùn)練70B參數(shù)大模型，四集群協(xié)同性能提升41%。

• 混合云算力聚合：實(shí)現(xiàn)本地私有集群與公有云算力的安全互通混訓(xùn)，不僅將整體性能提升了68%，而且還治好了企業(yè)「自己的卡不夠用、云上的卡卻閑得發(fā)慌」的問題。

到今天，這套系統(tǒng)已在全國(guó)部署觸達(dá)超37000P算力、覆蓋16種主流芯片。

第二，是跨集群強(qiáng)化學(xué)習(xí)。

強(qiáng)化學(xué)習(xí)正成為這一輪智能躍遷的勝負(fù)手，所需要的算力規(guī)模顯著增大，動(dòng)輒千卡甚至萬卡起步的體量，并不是每個(gè)機(jī)房都能塞得下的。

然而，想要同時(shí)利用多個(gè)集群，就不得不面臨機(jī)房之間通信和故障的瓶頸。

對(duì)此，無問芯穹的做法是從網(wǎng)絡(luò)、平臺(tái)到框架一層層優(yōu)化，把跨域通信的效率整整提高了三到四倍，實(shí)現(xiàn)通信開銷100%全掩蓋。

再配一套故障無感的訓(xùn)練機(jī)制，它硬是讓跨域強(qiáng)化學(xué)習(xí)訓(xùn)練，連著跑了整整一周都沒斷。

無問芯穹聯(lián)合創(chuàng)始人兼CEO夏立雪今天在發(fā)布會(huì)現(xiàn)場(chǎng)表示，隨著強(qiáng)化學(xué)習(xí)規(guī)模需求的持續(xù)提升，無問芯穹還將針對(duì)并行策略、通信融合、智能算子、極致容錯(cuò)等核心技術(shù)持續(xù)深耕，「未來會(huì)將跨域計(jì)算資源的支撐規(guī)模拓展至十萬卡級(jí)以上，支撐下一代Agentic AI 的在線進(jìn)化。」

但把算力聚起來只是第一步。真正讓「一中心」配得上「自主式」三個(gè)字的，是它開始自己管自己。

無問芯穹今天發(fā)布了一項(xiàng)與基礎(chǔ)設(shè)施自我優(yōu)化和進(jìn)化直接相關(guān)的「前店」解決方案：基礎(chǔ)設(shè)施智能體蜂群。

首先看「平臺(tái)管家智能體系統(tǒng)」和「智算集群運(yùn)維智能體系統(tǒng)」。

舉個(gè)例子，一個(gè)「平臺(tái)管家」智能體如今成了整個(gè)基礎(chǔ)設(shè)施智能體蜂群的統(tǒng)一入口。

你直接交代一句「幫我看看昨天哪些訓(xùn)練任務(wù)失敗了」，它便會(huì)順著日志、監(jiān)控、任務(wù)事件一路查下去，并且獨(dú)立解決80%的日常問題。剩下20%的深度問題，則會(huì)再轉(zhuǎn)交對(duì)應(yīng)的垂類智能體。

比如，碰到棘手的集群運(yùn)維難題，專門的智算集群運(yùn)維智能體系統(tǒng)就會(huì)接手。這是一個(gè)7×24小時(shí)全天候值守的「運(yùn)維專家團(tuán)」，能端到端地完成告警閉環(huán)處置。定位到根因后，它們會(huì)直接擬好修復(fù)方案，并問你要不要一鍵重建。

經(jīng)過大規(guī)模生產(chǎn)環(huán)境驗(yàn)證，這套運(yùn)維智能體系統(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。

這不僅為大規(guī)模GPU訓(xùn)練與推理業(yè)務(wù)提供了更加穩(wěn)定、高效的基礎(chǔ)設(shè)施保障，也讓運(yùn)維人力能夠被真正解放出來。

比運(yùn)維更硬核的，是高性能算子生成智能體系統(tǒng)KernelMind。它直接用AI造出面向不同芯片的高性能算子，可在真實(shí)編譯試錯(cuò)與知識(shí)沉淀中持續(xù)自迭代，穩(wěn)定交付工業(yè)級(jí)算子。

在GLM 5.2模型的實(shí)測(cè)中，對(duì)比行業(yè)基線，KernelMind在NVIDIA旗艦卡中實(shí)現(xiàn)了端到端7.3%的性能提升，在AMD旗艦卡中更是帶來了39%的整體性能躍升。

放以前，這一步得靠頂尖專家一行行手搓才行。

后廠：把推理成本，一年打下來10倍

第二個(gè)變量，是Token轉(zhuǎn)化效率。

對(duì)于后廠來說，核心命題只有一個(gè)：極致效率服務(wù)Token的規(guī)模化、高質(zhì)量生產(chǎn)。

這背后，其實(shí)是整個(gè)AI產(chǎn)業(yè)的一次重心轉(zhuǎn)移。

過去三年，大家拼的是誰堆的卡多、訓(xùn)的模型大；可當(dāng)Agent鋪開之后，戰(zhàn)場(chǎng)就從「訓(xùn)練」大規(guī)模擴(kuò)展到了「推理」。決定誰能真正賺錢的是海量調(diào)用之下，每個(gè)Token的成本能壓到多低。

模型推理時(shí)，不同階段對(duì)設(shè)備的要求完全不同——Prefill瘋狂吃算力；Decode極度吃通信和延遲。

對(duì)此，無問芯穹的答案，是它首創(chuàng)的「跨集群異構(gòu)PD分離架構(gòu)」（Prefill-RelayDecode-MainDecode，PDD）。

也就是，把Prefill和 Decode這兩步徹底拆開，分別丟到不同機(jī)房、不同廠商的芯片上去跑。誰擅長(zhǎng)算就專心算，誰擅長(zhǎng)低延遲輸出就專心輸出，各盡其能。

而基于以太網(wǎng)的KV Cache跨集群傳輸，需要解決帶寬和延遲瓶頸兩大難題。

帶寬這一關(guān)，它靠一次技術(shù)遷移解決。通過把原本用于Decode實(shí)例重復(fù)前綴存儲(chǔ)去重的Decode Radix Cache技術(shù)，創(chuàng)新性地遷移至跨集群異構(gòu)PD分離架構(gòu)之中，將跨集群的KV Cache傳輸數(shù)據(jù)量降低了一個(gè)數(shù)量級(jí)。

延遲這一關(guān)，它首創(chuàng)了PDD三級(jí)分離架構(gòu)。遇到傳輸要耗上數(shù)十秒的請(qǐng)求，先由極少量機(jī)器上的RelayDecode搶先向用戶輸出Token，用戶端因此感受不到這段傳輸延遲；等數(shù)據(jù)傳輸完成，再把輸出任務(wù)無縫切換給MainDecode。

實(shí)測(cè)顯示，首Token延遲（TTFT）直接降低了51.5%，單Token成本再降37.5%。

結(jié)合一系列技術(shù)優(yōu)化，無問芯穹的單位Token推理成本，硬是在一年內(nèi)，整整降了10倍。未來，仍有10倍的下降空間。

正如夏立雪在現(xiàn)場(chǎng)所總結(jié)的：6月的GTC大會(huì)上，黃仁勛展示了英偉達(dá)的「算力即收入」曲線。無問芯穹的Token工廠，則希望用「優(yōu)化即利潤(rùn)」的增長(zhǎng)飛輪，向推理時(shí)代交出Token效率的答卷。

Token按量賣是收入，每一分技術(shù)優(yōu)化省下的成本，不用降價(jià)讓利，直接沉淀成毛利；省得越狠，賺得越多。

如今他們深度合作的模型廠名單中，幾乎涵蓋了國(guó)產(chǎn)大模型的半壁江山——Kimi、智譜、MiniMax、階躍星辰等。

這些公司的模型能力在持續(xù)提升，模型越強(qiáng)，能接的任務(wù)就越多，推理調(diào)用量自然跟著指數(shù)級(jí)增長(zhǎng)。

截止今年7月，無問芯穹Agentic MaaS平臺(tái)日均Token調(diào)用量較年初增長(zhǎng)約40倍。

飛輪，已經(jīng)高速轉(zhuǎn)起。

前店：把能力，做成一套工業(yè)級(jí)方案

第三個(gè)變量，是AI生產(chǎn)力轉(zhuǎn)化效率。

在服務(wù)客戶的實(shí)踐中，無問芯穹發(fā)現(xiàn)了一條關(guān)乎AI落地生死的關(guān)鍵定律：

相同的業(yè)務(wù)效果，若置于不同的推理路徑、模型規(guī)模與芯片組合之下，Token成本竟天差地別——這一差距，正深刻制約著大模型從技術(shù)驗(yàn)證走向真實(shí)生產(chǎn)力的躍遷。

為此，無問芯穹推出了 “AI生產(chǎn)力商店”——Agentic Infra行業(yè)解決方案，以底層智能基礎(chǔ)設(shè)施之力，助力行業(yè)客戶打通降本增效的“最后一公里”。

截至目前，無問芯穹已深入文娛游戲、醫(yī)療健康、法律終端、能源電力等多個(gè)垂直行業(yè)，和Tripo AI、上海瑞金醫(yī)院、南方電網(wǎng)等伙伴共同打磨領(lǐng)域生產(chǎn)力方案，賦能千行百業(yè)重塑AI效能邊界。

當(dāng)算力、Token、生產(chǎn)力，這條鏈到前店才算真正閉合——那些從芯片里一點(diǎn)點(diǎn)擠出來、又被后廠壓到極便宜的Token，最終都在真實(shí)業(yè)務(wù)里，變成了看得見的生產(chǎn)力。

下一站，是物理世界

講到這兒，都還是數(shù)字世界里的事。

可當(dāng)所有智能都跑在云端的數(shù)據(jù)中心里，AI基礎(chǔ)設(shè)施就真的到頭了嗎？

無問芯穹的答案是沒有。

因?yàn)樵谖锢硎澜缰校呱碇悄艿腟caling Law同樣需要高效率、大規(guī)模的基礎(chǔ)設(shè)施支持。

于是無問芯穹今天公布了首個(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)，首次把云端GPU集群、邊緣算力節(jié)點(diǎn)和機(jī)器人真機(jī)設(shè)備統(tǒng)一接入，支持訓(xùn)練、數(shù)據(jù)采集、評(píng)測(cè)和真機(jī)執(zhí)行等多種具身任務(wù)的統(tǒng)一編排運(yùn)行。

訓(xùn)練側(cè)，是RLinf V0.3大規(guī)模真機(jī)強(qiáng)化學(xué)習(xí)框架。

由于訓(xùn)練機(jī)器人，得靠一大批真機(jī)同時(shí)上場(chǎng)。但沒電、故障、掉網(wǎng)這些狀況，很容易讓某臺(tái)設(shè)備突然退出。而只要掉了一臺(tái)，整場(chǎng)訓(xùn)練就可能直接崩掉、從頭再來。

為了解決這個(gè)問題，RLinf首創(chuàng)了HotSwarm與端云協(xié)同訓(xùn)練模式。這就像給運(yùn)行中的服務(wù)器熱插拔硬盤，真機(jī)在訓(xùn)練時(shí)因?yàn)橐馔饣蛘吖收蠈?dǎo)致反復(fù)接進(jìn)來、又掉出去，前后上下線超過1000次，訓(xùn)練照樣零中斷。

推理側(cè)，則交給專攻機(jī)器人端側(cè)的Mizar-Robo。

機(jī)器人身上的算力和電量十分有限。大模型想跑得動(dòng)、還得跑得快，只能從流水線調(diào)度、算子內(nèi)核、量化壓縮到計(jì)算圖一層層榨。

在與自變量機(jī)器人WALL-OSS系列模型的聯(lián)合優(yōu)化部署中，推理性能提升了7.14倍，端側(cè)推理時(shí)延從500ms壓縮至70ms，降幅達(dá)86%。

而這，正是「前店后廠一中心」最自然的延伸：從數(shù)字世界，一路走到物理世界。

他們要立的，是AI的地基

行業(yè)狂飆熱炒到今天，聚光燈幾乎全打在最聰明的那顆「大腦」上。

至于托著這一切的地基，反倒成了最沒人在意的一層。

可真正決定這場(chǎng)智能革命能走多遠(yuǎn)、能滲透多深的，恰恰是這層地基。

大腦再聰明，如果底下的算力調(diào)不動(dòng)、如果生成的Token太貴企業(yè)用不起、如果系統(tǒng)三天兩頭宕機(jī)，再宏大的AGI愿景也無法落地。

無問芯穹在WAIC 2026上交出的這份答卷，不是又一款產(chǎn)品，也不是又一項(xiàng)具體的API服務(wù)，而是一整套會(huì)自己迭代的地基。

它越是讓你感覺不到它的存在，說明它運(yùn)轉(zhuǎn)得越完美。

而當(dāng)同一套地基，能同時(shí)托住數(shù)字世界里如洪流般飛奔的Token，和物理世界里邁出第一步的機(jī)器人時(shí)，它就是整個(gè)智能時(shí)代前進(jìn)的底盤。

所有的智能，最終都要從這樣一層地基上長(zhǎng)出來。

正如夏立雪在現(xiàn)場(chǎng)說的：「讓智能無所不能，是AGI，而讓智能無處不在，是AGI Infra。」

他們?cè)赪AIC上按下的，正是讓這層地基自我優(yōu)化與進(jìn)化的那個(gè)開關(guān)。