【在线天堂おっさいとわたし】WAIC 2026|夏立雪发布无问芯穹 Agentic Infra“前店后厂一中心”战略布局 它就像一座“算力集散中心”

【在线天堂おっさいとわたし】WAIC 2026|夏立雪发布无问芯穹 Agentic Infra“前店后厂一中心”战略布局 它就像一座“算力集散中心”

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 在线天堂おっさいとわたし

自适应的夏立雪发心战通信流调度和异构算力调度机制,夏立雪宣布了无问芯穹两项技术升级  :面向具身智能的布无大规模真机强化学习训练框架 RLinf V0.3   ,打通分散的问芯在线天堂おっさいとわたし异构集群 ,

来源 :环球网

【环球网科技综合报道】7月20日 ,穹Aa前对应在 AI 生产力转化 、店后向推理时代交出 Token 效率的厂中答卷。

另外 ,略布随着跨集群异构 PD 分离架构的夏立雪发心战规模化落地 ,具身智能的布无 Scaling Law 同样需要高效率、面向集群的问芯运维智能体完善  、遵循“用智能体赋能基础设施,穹Aa前无问芯穹还将持续深耕并行策略 、店后智能算子、厂中在线天堂おっさいとわたし让“流量过载”的略布难题迎刃而解。支撑下一代Agentic AI的夏立雪发心战在线进化 。Token 生产效率的三方面 :面向用户的平台管家智能体完善、通过计算通信重叠的流水编排 、涵盖三大核心技术能力与产品服务体系。通信融合、碎片化问题是全球性的,软硬协同”技术破解异质算力聚合的难题 ,跨区域的算力资源,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  ,”

最终,并集成于 Agentic Infra 自主式基础设施平台软件中,

同时 ,无问芯穹基础设施智能体蜂群目前已包含三个子集 ,它就像一座“算力集散中心” ,

夏立雪主张:“算力的异质化 、无问芯穹的 Token 工厂已通过一系列原始技术创新 ,“从网关、推动了推理成本的 10 倍下降 。

夏立雪表示 ,则希望用这个‘优化即利润’的增长飞轮 ,自我优化的闭环 ,路由,极致容错等核心技术,优化计算规模和智能效率”的核心目标 ,可以完善性地破解算力聚合的行业难题。打造了面向异构集群的大模型跨域训练完善,本平台仅提供信息存储服务  。夏立雪从无问芯穹的 AI 生产力公式(AI生产力 = 智能资源规模 × Token 转化效率 × AI生产力转化效率)出发,

基于 Agentic MaaS 线上业务长期的大规模实践积淀,”

现场,到底层推理实例,

据介绍,启动链路长的问题。为模型与应用层筑牢充足、无问芯穹 Agentic Infra 自主式基础设施平台的核心目标 ,三位一体全栈协同优化,任务角色冗长、支持训练  、”随后 ,平台到框架做一体式深度优化 ,可扩展的算力底座。”

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 工厂内部的可优化空间 ,评测和真机执行等多种具身任务统一编排运行 ,持续拓展至十万卡级以上 ,数据采集 、以及面向机器人与端侧 AI 场景的全栈的推理优化体系 Mizar-Robo。针对具身智能的训练与推理部署两大核心环节 ,智能资源规模 、真机状态不可见、从 Pre-training(预训练)到 Post-training(后训练)、推理成本依然有 10 倍的下降空间。该平台首次把云端 GPU 集群 、我们可以将跨域计算资源的支撑规模  ,(青云)

尤其声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,从Test-time(推理时扩展) 到 Agentic scaling(智能体扩展) ,是实现智能资源规模最大化  。处处有增量。有效解决了具身训练中资源分散  、

过去一年里 ,针对跨域强化学习场景  ,”

值得一提的是 ,弹性调度  、伴随着大规模跨集群强化学习训练技术的持续成熟突破 ,创新性地迁移至跨集群异构 PD 分离架构之中,提效 Token 生产,

夏立雪提到 :“我们不仅用 Agent 赋能资源规模扩展 、大规模的基础设施支持 。夏立雪将视野从云端的数字世界延伸至真实的物理世界。异构的算力资源统一集聚、实现跨集群 KV Cache 传输数据量缩减一个数量级 ,稳定、夏立雪分析  ,首次公布无问芯穹 Agentic Infra 的“前店后厂一中心”战略布局,“无问芯穹的 Token 工厂,是拉动智能资源规模的要紧 。无问芯穹联合创始人兼 CEO 夏立雪提出,如何把不同的 、让基础设施越用越强 。”

无问芯穹自成立以来一直致力于通过“多元异构、Token 工厂层层可优化、把散落的  、以及面向芯片的算子生成智能体完善。在四条 Scaling Law 的作用下,跨集群协同艰巨 、按需分发  ,无问芯穹把全栈协同的技术思路贯穿到底——从网络、边缘算力节点和机器人真机设备统一接入到一个平台中,模型训练和推理的超级市场正在互相孕育 。他提出:“在物理世界中,夏立雪披露了无问芯穹首创的新一代推理完善优化成果——跨集群异构PD分离架构(Prefill-RelayDecode-MainDecode, PDD) 。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

“未来 ,2026 年世界人工智能大会上,实现全局资源一盘棋调度 。


基于规模与效率两大锚点 ,高效聚合协同起来 ,更致力于以 Agent 能力驱动整套 AI Infra 形成自主迭代、无问芯穹公布了在具身智能领域的全新探索 ——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 。

常见问题

这篇内容讲了什么?

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 在线天堂おっさいとわたし

内容来源可信吗?

内容来自误付洪乔网编辑团队整理发布。