无问芯穹夏立雪：从Token工厂到Agentic Infra，AI基础设施商业飞轮已转动

事件概述

在WAIC 2026上，无问芯穹创始人兼CEO夏立雪阐述了公司战略从“连接M种模型和N种芯片”到“Token工厂”，再到“前店后厂一中心”的Agentic Infra的演进。这一变化并非方向调整，而是AI产业从训练走向推理、再迈向Agent时代后，AI基础设施形态的必然演进。

核心观点

• “Token刺客”问题：企业面临Token账单增长但难以衡量业务效果的问题，不同Token成本差异大。无问芯穹提出“前店后厂一中心”，旨在将算力转化为“数字石油”——Token，并贴近行业客户形成闭环。
• 商业模式：类比石化产业链的“炼化厂”，无问芯穹保持中立，不造模型或芯片，而是优化从底层资源到AI生产力的转化效率。
• 商业飞轮已转动：产品涨价后客户仍愿付费，证明价值已被认可。AI商业已完成“证明价值”到“用户付费”的跨越，产业链持续分享收益。

技术进展

• 跨集群异构PD分离架构（PDD）：将传统PD分离解构为Prefill-RelayDecode-MainDecode三级架构，首Token延迟（TTFT）降低51.5%，单Token成本降低37.5%。该方法正在更大规模、更多种异构芯片上复用。
• 强化学习优化：发布面向大规模跨域强化学习训练的网络、平台、框架协同深度优化技术，实现跨域训练连续一周零中断稳定运行，未来支撑十万卡级以上规模。
• 成本下降：过去一年通过原始技术创新实现10倍推理成本下降，平台高可用率超99.99%。截至2026年7月，单日Token调用量较2025年12月增长40倍。

未来布局

• Token成本预测：未来1-2年Token成本仍有超10倍下降空间，驱动因素包括模型结构收敛、软硬件协同设计、算力供给增加。
• 物理AI布局：基于对云端与终端算力整合的判断，无问芯穹开始布局具身智能，认为其Scaling Law同样需要高效率基础设施支撑。团队具备数字AI与物理AI双重背景，对能源、电力、具身智能等领域的Agentic Infra落地保持乐观。

核心竞争力

无问芯穹的核心能力在于异构优化与统一部署。目前已实现16种芯片的异构优化，即便市场最终只剩5家芯片，也能向下兼容。芯片公司长于设计芯片，但让模型充分发挥芯片效率需要另一套系统能力，这正是无问芯穹十多年的积累。