“计算需求在指数级攀升，今天，仅依靠产能的线性增长去堆叠算力，已经远远无法弥合供需之间持续扩大的缺口。”

7 月 20 日，2026 年世界人工智能大会上，无问芯穹联合创始人、 CEO 夏立雪提出，从 Pre-training（预训练） 到 Post-training（后训练）、从Test-time（推理时扩展） 到 Agentic scaling（智能体扩展），在四条 Scaling Law 的作用下，模型训练和推理的超级市场正在互相孕育。

当下的人工智能基础设施（AI Infra）“必须以极致的效率服务更大规模。”

基于规模与效率两大锚点，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，首次公布无问芯穹 Agentic Infra 的“前店后厂一中心”战略布局，涵盖三大核心技术能力与产品服务体系：

• “算力集散中心”：Agentic Infra 自主式基础设施平台

• “Token工厂”：Agentic MaaS 大模型服务平台

• “AI生产力商店”： Agentic Infra 行业解决方案

这套 Agentic Infra 产品与服务体系立足基础设施，向下汇聚能源和芯片，向上支撑模型和应用，不仅极致提升底层资源向AI生产力转化的规模和效率，更有着 Agentic AI 时代最显著的 AI 原生能力——用基础设施智能体蜂群赋能资源规模扩展、提效 Token 生产，并支持 Agentic AI 的持续进化。

01 Agentic Infra 自主式基础设施平台，服务下一代Agentic AI在线进化

无问芯穹 Agentic Infra 自主式基础设施平台的核心目标非常明确，即实现智能资源规模最大化。它就像一座“算力集散中心”，把散落的、异构的算力资源统一汇聚、弹性调度、按需分发，为模型与应用层筑牢充足、稳定、可扩展的算力底座。

夏立雪认为：“算力的异质化、碎片化问题是全球性的，如何把不同的、跨区域的算力资源，高效聚合协同起来，是扩大智能资源规模的关键。”

无问芯穹自成立以来一直致力于通过“多元异构、软硬协同”技术破解异质算力聚合的难题，打造了面向异构集群的大模型跨域训练系统，并集成于 Agentic Infra 自主式基础设施平台软件中，通过计算通信重叠的流水编排、自适应的通信流调度和异构算力调度机制，三位一体全栈协同优化，能够系统性地破解算力聚合的行业难题。

该系统已经受过三大类跨域算力聚合训练实践的生产级考验：

第一是超远距离聚合。无问芯穹已联合中国电信，完成了国内首例超 4000 公里距离的大模型跨域混训，在新疆哈密与广东深圳两地集群间，实现联合训练性能提升 165%，验证了超远距离跨域集群协同训练的可行性。

第二是多数据中心聚合。打通 4 个不同代际、不同型号的 GPU 集群，联合训练近百亿参数大模型，四集群协同性能提升 41%，有效盘活了不同批次的存量异构算力。

第三是混合云算力聚合。实现本地私有集群与公有云算力的安全互通混训，整体性能提升 68%，帮助众多企业客户解决本地算力不足、云上资源却闲置的错配痛点。

目前这套跨域训练系统已在全国部署触达超 37,000P 算力、覆盖 16 种主流芯片，盘活了广域分散的异质算力，使之成为 Agentic AI 时代的最坚实底座。