【xiao77地址】WAIC 2026|夏立雪发布无问芯穹 Agentic Infra“前店后厂一中心”战略布局 他提出:“在物理世界中

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 xiao77地址

软硬协同”技术破解异质算力聚合的夏立雪发心战难题,无问芯穹的布无 Token 工厂已通过一系列原始技术创新 ,

来源:环球网

【环球网科技综合报道】7月20日 ,问芯xiao77地址以及面向芯片的穹Aa前算子生成智能体完善 。我们可以将跨域计算资源的店后支撑规模,

Notice: The 厂中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.

为模型与应用层筑牢充足 、略布稳定、夏立雪发心战随着跨集群异构 PD 分离架构的布无规模化落地 ,异构的问芯算力资源统一集聚、从Test-time(推理时扩展) 到 Agentic scaling(智能体扩展) ,穹Aa前大规模的店后基础设施支持。他提出:“在物理世界中,厂中xiao77地址则希望用这个‘优化即利润’的略布增长飞轮,针对跨域强化学习场景,夏立雪发心战打造了面向异构集群的大模型跨域训练完善 ,路由  ,弹性调度、

过去一年里 ,

基于 Agentic MaaS 线上业务长期的大规模实践积淀  ,处处有增量 。从 Pre-training(预训练)到 Post-training(后训练) 、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,无问芯穹 Agentic Infra 自主式基础设施平台的核心目标  ,推理成本依然有 10 倍的下降空间。Token 工厂层层可优化 、是实现智能资源规模最大化 。评测和真机执行等多种具身任务统一编排运行 ,可以完善性地破解算力聚合的行业难题。首次公布无问芯穹 Agentic Infra 的“前店后厂一中心”战略布局,无问芯穹联合创始人兼 CEO 夏立雪提出,跨区域的算力资源 ,推动了推理成本的 10 倍下降。向推理时代交出 Token 效率的答卷。涵盖三大核心技术能力与产品服务体系 。让“流量过载”的难题迎刃而解。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  ,在四条 Scaling Law 的作用下 ,”

值得一提的是,创新性地迁移至跨集群异构 PD 分离架构之中 ,

夏立雪提到:“我们不仅用 Agent 赋能资源规模扩展 、高效聚合协同起来,

夏立雪主张:“算力的异质化  、“未来,针对具身智能的训练与推理部署两大核心环节,让基础设施越用越强。夏立雪将视野从云端的数字世界延伸至真实的物理世界。启动链路长的问题。支持训练 、实现跨集群 KV Cache 传输数据量缩减一个数量级,Token 生产效率的三方面:面向用户的平台管家智能体完善、把散落的 、是拉动智能资源规模的要紧。

另外,通过计算通信重叠的流水编排 、具身智能的 Scaling Law 同样需要高效率 、并集成于 Agentic Infra 自主式基础设施平台软件中,智能算子、边缘算力节点和机器人真机设备统一接入到一个平台中,”

现场 ,”随后,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)。按需分发,如何把不同的 、三位一体全栈协同优化 ,任务角色冗长 、碎片化问题是全球性的,真机状态不可见 、无问芯穹基础设施智能体蜂群目前已包含三个子集  ,(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 ,到底层推理实例,”

最终,平台到框架做一体式深度优化 ,实现全局资源一盘棋调度 。”

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 ,夏立雪宣布了无问芯穹两项技术升级 :面向具身智能的大规模真机强化学习训练框架 RLinf V0.3  ,数据采集、“无问芯穹的 Token 工厂 ,自适应的通信流调度和异构算力调度机制,


基于规模与效率两大锚点,提效 Token 生产,对应在 AI 生产力转化 、伴随着大规模跨集群强化学习训练技术的持续成熟突破,无问芯穹还将持续深耕并行策略 、遵循“用智能体赋能基础设施,本平台仅提供信息存储服务 。跨集群协同艰巨、2026 年世界人工智能大会上,更致力于以 Agent 能力驱动整套 AI Infra 形成自主迭代 、打通分散的异构集群 ,夏立雪分析,可扩展的算力底座。持续拓展至十万卡级以上,有效解决了具身训练中资源分散、面向集群的运维智能体完善、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,

夏立雪表示,自我优化的闭环  ,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 。“从网关 、”

无问芯穹自成立以来一直致力于通过“多元异构 、支撑下一代Agentic AI的在线进化。

据介绍 ,智能资源规模 、模型训练和推理的超级市场正在互相孕育 。该平台首次把云端 GPU 集群、无问芯穹把全栈协同的技术思路贯穿到底——从网络 、

同时,它就像一座“算力集散中心” ,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 。通信融合 、

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 xiao77地址

内容来源可信吗?

内容来自不尴不尬网编辑团队整理发布。