無問芯穹夏立雪：企業(yè)遇到Token「刺客」，讓我們決定「開店、建中心」｜WAIC 2026

作者｜包永剛

編輯｜林覺民

三年前"百模大戰(zhàn)"時，一邊是英偉達(dá)GPU一卡難求、價格一路水漲船高，另一邊卻是許多國產(chǎn)AI芯片很難被大模型公司充分利用。

看到AI產(chǎn)業(yè)巨大的想象力，也看到國產(chǎn)算力沒有被充分釋放的商業(yè)價值，夏立雪意識到，團(tuán)隊過去十多年的技術(shù)積累終于迎來了產(chǎn)業(yè)機(jī)會。在導(dǎo)師汪玉的鼓勵下，他與一群同樣來自清華大學(xué)電子工程系的師兄弟共同創(chuàng)立無問芯穹，目標(biāo)是成為打通M個模型和N款芯片的新技術(shù)范式平臺，讓每一塊芯片都能發(fā)揮最大的商業(yè)價值。

“憑借多年的經(jīng)驗，創(chuàng)業(yè)之初我們就不只看訓(xùn)練需求。我們預(yù)判模型很快會進(jìn)入大規(guī)模應(yīng)用階段，于是先從異構(gòu)訓(xùn)練切入，同時積累面向大規(guī)模推理的基礎(chǔ)設(shè)施能力。”無問芯穹創(chuàng)始人兼CEO夏立雪告訴雷峰網(wǎng)(公眾號：雷峰網(wǎng))，“雖然有所預(yù)判，但AI落地的速度還是比我們預(yù)想得更快。”

隨著推理需求快速爆發(fā)，以及Agent開始走向落地，夏立雪和團(tuán)隊在2024年底看清楚趨勢之后就迅速明晰了商業(yè)策略。外界看到這家成立僅三年的公司，對外的產(chǎn)業(yè)表達(dá)在變化：從連接M種模型和N種芯片，到Token工廠，再到今年WAIC提出的“前店后廠一中心”的Agentic Infra戰(zhàn)略布局。

看起來，無問芯穹幾乎每年都在變化，但在夏立雪看來，這些變化并非方向調(diào)整，而是AI產(chǎn)業(yè)從訓(xùn)練走向推理、再邁向Agent時代之后，AI基礎(chǔ)設(shè)施形態(tài)的必然演進(jìn)。

過去三年，無問芯穹真正沒有變的是什么？這家AI基礎(chǔ)設(shè)施公司商業(yè)飛輪是否已經(jīng)開始轉(zhuǎn)動？更多AI Infra的行業(yè)交流歡迎添加作者微信BENSONEIT。

為什么Token工廠要「開店」？

“從訓(xùn)練階段的多元異構(gòu)，到推理階段的Token工廠，再到Agent迭代階段，升級為‘前店后廠一中心’的Agentic Infra，無問從創(chuàng)立至今，核心技術(shù)體系沒有發(fā)生大的變化，我們一直旨在通過AI Infra 解決智能規(guī)模和效率的問題，變化的只是對核心問題的概括和表達(dá)。”夏立雪說。

無問芯穹創(chuàng)始人兼CEO夏立雪

每一次表達(dá)變化，本質(zhì)都對應(yīng)AI發(fā)展進(jìn)入新的階段。百模大戰(zhàn)時期，AI Infra成為行業(yè)共識；推理需求爆發(fā)后，Token逐漸成為標(biāo)準(zhǔn)化、可定價的商品，Token工廠成為AI基礎(chǔ)設(shè)施新的產(chǎn)業(yè)表達(dá)；而進(jìn)入Agent時代，基礎(chǔ)設(shè)施需要再次升級。在這個過程中，系統(tǒng)很快跟上算法的發(fā)展，并推動算法本身再去做更多嘗試，這是一個健康且良性的互動。

“Agent不是調(diào)用一次Token就結(jié)束的‘套餐式’需求，而是要把不同Token調(diào)用組織成一個完整、長期與人協(xié)作的任務(wù)，比如從代碼生成到工程化，這對底層基礎(chǔ)設(shè)施提出了大量任務(wù)并發(fā)、靈活啟停等新要求。”夏立雪表示，“Agentic Infra的關(guān)鍵，是基礎(chǔ)設(shè)施既要服務(wù)AI應(yīng)用，本身也要大量利用AI實現(xiàn)自我迭代。”

真正促使無問芯穹提出“前店后廠一中心”的關(guān)鍵，是越來越多企業(yè)遭遇的“Token刺客”。

Token賬單越來越長，卻越來越難回答一個問題，這些Token到底解決了多少問題？即便達(dá)成相同的業(yè)務(wù)效果，由于底層推理路徑、模型規(guī)模及芯片適配度的差異，不同 Token 的成本也不同。“所以我們決定，不僅要有廠，還要和行業(yè)伙伴一起‘建中心’、‘開店’。”夏立雪說。

在他看來，前店后廠一中心并不僅是一套商業(yè)架構(gòu)，更是一套關(guān)注規(guī)模和效率的AI生產(chǎn)力轉(zhuǎn)化系統(tǒng)。無問芯穹并不做模型，也不做芯片，而是保持中立，作為連接模型、芯片和客戶需求的獨(dú)立平臺，將分散的模型能力和異構(gòu)算力組織起來，持續(xù)優(yōu)化從底層資源到AI生產(chǎn)力的轉(zhuǎn)化效率。

如果類比傳統(tǒng)產(chǎn)業(yè)，無問芯穹更像石化產(chǎn)業(yè)鏈中的“煉化廠”，負(fù)責(zé)把算力轉(zhuǎn)化為“數(shù)字石油”——Token，并且要更貼近行業(yè)客戶，將客戶真實需求持續(xù)反饋給一整套AI生產(chǎn)力轉(zhuǎn)化系統(tǒng)，形成技術(shù)優(yōu)化、服務(wù)提升和商業(yè)增長的閉環(huán)。

無問芯穹并不是唯一一家選擇選擇這樣做的AI基礎(chǔ)設(shè)施公司。

過去一年，海外專為AI提供基礎(chǔ)設(shè)施服務(wù)的NeoCloud快速崛起，特別是Baseten、Fireworks、Together AI等純軟件基礎(chǔ)設(shè)施公司估值已達(dá)到百億美元量級。夏立雪認(rèn)為，它們增長的原因并不僅僅是提供GPU資源，而是通過針對AI應(yīng)用深度優(yōu)化，提供行業(yè)解決方案，讓基礎(chǔ)設(shè)施真正觸達(dá)最終用戶。

“這些公司其實也不只是做Token工廠。”夏立雪說。

相比海外主要圍繞單一GPU優(yōu)化，國內(nèi)市場算力架構(gòu)更加多元，無問芯穹需要同時優(yōu)化N種異構(gòu)芯片，技術(shù)復(fù)雜度更高，但也意味著更大的機(jī)會。

“并且國內(nèi)的應(yīng)用場景更加豐富，我們看到的是一片藍(lán)海。”夏立雪說。

商業(yè)模式已經(jīng)逐漸清晰，接下來的問題是：無問芯穹的商業(yè)飛輪，是否已經(jīng)真正轉(zhuǎn)起來了？

AI商業(yè)飛輪已經(jīng)轉(zhuǎn)動，Token成本仍有10倍下降空間

判斷商業(yè)是否閉環(huán)，一個簡單的標(biāo)準(zhǔn)是：產(chǎn)品漲價之后，客戶是否還愿意買單。按照這個標(biāo)準(zhǔn)，AI商業(yè)已經(jīng)完成了從“證明價值”到“用戶付費(fèi)”的跨越，程序員、設(shè)計師等職業(yè)已經(jīng)形成穩(wěn)定的付費(fèi)意愿。

“寫代碼是一個職業(yè)而非行業(yè)，程序員遍布各行各業(yè)，他們都愿意為AI付費(fèi)。現(xiàn)在人們討論的不是Token有沒有價值，而是覺得Token太貴，這恰恰說明了Token的價值。”夏立雪說。

商業(yè)閉環(huán)還有另一個衡量標(biāo)準(zhǔn)——產(chǎn)業(yè)鏈?zhǔn)欠衲軌虺掷m(xù)分享收益。當(dāng)前，主流芯片賺走了AI產(chǎn)業(yè)絕大部分利潤，AI商業(yè)真的已經(jīng)閉環(huán)了嗎？

“利潤分配是商業(yè)行為，會隨著階段目標(biāo)變化，并不能反映產(chǎn)品價值的本質(zhì)。”夏立雪認(rèn)為，“GPU稀缺，芯片議價能力最強(qiáng)，自然賺得最多。但反過來想，大家搶著買，恰恰說明下游有真實的付費(fèi)需求在支撐。如果行業(yè)沒有閉環(huán)，產(chǎn)品應(yīng)該是賣不動，而不是買不到。”

這意味著，AI商業(yè)飛輪已經(jīng)開始轉(zhuǎn)動，無問芯穹自己的商業(yè)飛輪也已經(jīng)逐漸形成。

雷峰網(wǎng)了解到，過去一年，無問芯穹通過一系列原始技術(shù)創(chuàng)新，實現(xiàn)了10倍推理成本下降，平臺高可用率達(dá)到99.99%以上，與Kimi、智譜、MiniMax、階躍星辰等頭部大模型企業(yè)密切合作，在資源組織和生產(chǎn)關(guān)系上已經(jīng)形成閉環(huán)——截至7月，無問大模型服務(wù)平臺單日 Token 調(diào)用量較去年12月，已實現(xiàn)了40倍增長。

對于無問芯穹而言，接下來的問題不再是證明商業(yè)模式，而是如何讓飛輪轉(zhuǎn)得更快。

如果類比通信行業(yè)，AI已經(jīng)完成了"3G時代"——證明自己有用；接下來要邁向"4G時代"，真正決定產(chǎn)業(yè)爆發(fā)的將是基礎(chǔ)設(shè)施持續(xù)降低成本，支撐更多AI應(yīng)用落地。

夏立雪判斷，未來1至2年，Token成本仍有超過10倍的下降空間。一方面，模型結(jié)構(gòu)正在逐步收斂，模型稀疏化、軟硬件協(xié)同設(shè)計等更激進(jìn)的優(yōu)化手段將釋放更大的效果；另一方面，算力供給持續(xù)增加，供需關(guān)系有望進(jìn)一步改善。

當(dāng)推理成本再降低一個數(shù)量級，AI競爭的重點(diǎn)將從模型能力，轉(zhuǎn)向應(yīng)用邊界。

夏立雪表示，因為團(tuán)隊里很多成員都是清華電子工程系的背景，既理解數(shù)字AI，也理解物理AI，無問芯穹對于擴(kuò)展深化能源、電力以及具身智能等領(lǐng)域的Agentic Infra行業(yè)解決方案落地保持樂觀。

如果說為客戶降低10倍成本是在推動AI產(chǎn)業(yè)發(fā)展，那么持續(xù)降低自身成本，就是無問芯穹構(gòu)建護(hù)城河的方式。

在2026年世界人工智能大會上，無問芯穹發(fā)布了相關(guān)技術(shù)進(jìn)展，呼應(yīng)黃仁勛提出的 “算力即收入”，夏立雪將MaaS的商業(yè)核心總結(jié)為一句話："算力即收入，優(yōu)化即利潤。"意思是——算力規(guī)模決定收入上限，優(yōu)化效率決定利潤空間。

特別的是，與傳統(tǒng)軟件交付不同，無問芯穹Agentic Infra在大量使用AI持續(xù)優(yōu)化自身，通過不斷降低系統(tǒng)成本提升利潤空間。夏立雪認(rèn)為，這也是Agentic Infra與傳統(tǒng)云平臺的關(guān)鍵區(qū)別。傳統(tǒng)云競爭的是規(guī)模效應(yīng)，而AI Infra競爭的不但是規(guī)模，更是效率。

傳統(tǒng)云的底層邏輯建立在算力供給充足的基礎(chǔ)上，而當(dāng)前AI基礎(chǔ)設(shè)施仍處于供不應(yīng)求階段，誰能持續(xù)優(yōu)化系統(tǒng)效率、降低Token成本，誰就能獲得更高的利潤空間，也能支撐Agent等新應(yīng)用提出的新需求，這是傳統(tǒng)云平臺并不擅長的能力。

行業(yè)仍處于快速增長階段，真正的競爭剛剛開始。無問芯穹憑什么持續(xù)把Token成本再降低10倍？它的核心競爭力又是什么？

為什么「最懂芯片」的不一定最會用芯片？ 

無問芯穹成立第一天就選擇了基于M種模型和N種芯片做異構(gòu)優(yōu)化和統(tǒng)一部署，這也是其最核心的競爭力。這一判斷既來自國內(nèi)算力產(chǎn)業(yè)的現(xiàn)實，也來自團(tuán)隊對行業(yè)長期發(fā)展的預(yù)判。

“國內(nèi)算力供給比較多元，海外雖然相對集中，但也存在碎片化問題。從長期來看，異構(gòu)問題一定會長期存在。”夏立雪表示，“我們今天已經(jīng)能夠做好16種的異構(gòu)優(yōu)化，如果未來市場最終只剩下5家，我們只是向下兼容。”

一個更值得討論的問題是：為什么連芯片公司自己都沒有充分發(fā)揮芯片的能力？

“芯片公司最了解自己設(shè)計的芯片，所以什么都能做好，這是一個誤區(qū)。”夏立雪說，“就像Windows上的軟件并不都是微軟開發(fā)的一樣，芯片公司負(fù)責(zé)的是把芯片設(shè)計出來、寫好‘使用說明’、提供好開發(fā)環(huán)境，而如何讓模型真正發(fā)揮芯片的效率，則是另一套系統(tǒng)能力。”

無問芯穹扮演的正是這樣的角色——站在“前店后廠一中心”的Agentic Infra 戰(zhàn)略布局上，把模型、芯片和基礎(chǔ)設(shè)施組織起來，這正是其團(tuán)隊十多年持續(xù)積累的能力。

不過如果芯片本身選擇的算法路線與市場需求發(fā)生明顯偏離，再優(yōu)秀的系統(tǒng)優(yōu)化也無能為力。

WAIC期間，無問芯穹發(fā)布了首創(chuàng)的跨集群異構(gòu)PD分離架構(gòu)（Prefill-RelayDecode-MainDecode, PDD），將傳統(tǒng)的“PD分離”創(chuàng)新解構(gòu)為“P-RLD-MD”的三級分離式推理架構(gòu)，通過流水線掩蓋KV Cache跨集群傳輸?shù)难舆t，通過更加精準(zhǔn)的調(diào)控將延遲降低，進(jìn)一步提升推理效率。

至于PDD最終能夠帶來多少成本Token成本下降，夏立雪說，實測顯示，該架構(gòu)在首 Token 延遲（TTFT）降低 51.5%的同時，單 Token 成本可降低 37.5%。團(tuán)隊正在緊鑼密鼓地將這套方法復(fù)用在更大規(guī)模且更多種異構(gòu)芯片上，預(yù)期這一數(shù)據(jù)還會有進(jìn)一步地躍升。

除了推理效率，無問芯穹也在強(qiáng)化學(xué)習(xí)方向持續(xù)投入。

“Agent時代更需要強(qiáng)化學(xué)習(xí)。”夏立雪認(rèn)為，“基座模型更像優(yōu)秀的本科生，而強(qiáng)化學(xué)習(xí)能夠讓它成長為某個行業(yè)的專家。”

對此，無問芯穹在今年WAIC上還發(fā)布了面向大規(guī)模跨域強(qiáng)化學(xué)習(xí)訓(xùn)練的網(wǎng)絡(luò)、平臺、框架的協(xié)同深度優(yōu)化技術(shù)，實現(xiàn)跨域強(qiáng)化學(xué)習(xí)訓(xùn)練連續(xù)一周零中斷穩(wěn)定運(yùn)行，未來將跨域計算資源的支撐規(guī)模，持續(xù)拓展至十萬卡級以上，去支撐下一代高性能Agentic AI實現(xiàn)“在線進(jìn)化”。

在夏立雪看來，無問芯穹對發(fā)展方向的判斷和滾動創(chuàng)新才是公司的護(hù)城河。

繼續(xù)推進(jìn)異構(gòu)優(yōu)化的同時，無問芯穹也已經(jīng)開始布局下一個方向——以具身智能為代表的物理AI。

布局具身智能，也押注AI的下一階段 

物理AI距離真正形成商業(yè)閉環(huán)還有一段距離，但現(xiàn)在正是布局的窗口期。

夏立雪決定布局具身智能的判斷來自供給和需求兩個維度。從供給來看，AI算力長期仍將處于供不應(yīng)求狀態(tài)，手機(jī)、電腦等終端或邊緣設(shè)備大量閑置的算力資源卻還有待進(jìn)一步釋放；從需求來看，AI最終不會只停留在云端，而是會以各種形態(tài)來到人們身邊，成為真正的“好伙伴”，具身智能是其中一種可能。

他認(rèn)為，在物理世界中，具身智能的 Scaling Law 同樣需要高效率、大規(guī)模的基礎(chǔ)設(shè)施來支撐，做這個基礎(chǔ)設(shè)施，需要既懂云端又懂終端的組織。

基于這樣的判斷，夏立雪表示，“無問芯穹積極入局，也會控制好在具身智能領(lǐng)域的投入節(jié)奏。創(chuàng)業(yè)公司就應(yīng)該做點(diǎn)有挑戰(zhàn)性的事情。”

回頭看，無問芯穹過去三年的產(chǎn)業(yè)表達(dá)一直在變化：從=M×N，到Token工廠，再到Agentic Infra。變化的是AI產(chǎn)業(yè)的發(fā)展階段，不變的是它始終圍繞著同一個目標(biāo)——讓每一塊芯片都能在AI時代產(chǎn)生最大的經(jīng)濟(jì)價值。

也正因為如此，很難用過去對一家AI基礎(chǔ)設(shè)施公司的認(rèn)知去判斷無問芯穹的未來。沒有人能夠準(zhǔn)確預(yù)測AI進(jìn)入4G甚至5G時代之后會發(fā)生什么，也沒有人知道下一代AI基礎(chǔ)設(shè)施最終會演化成什么樣。

對于夏立雪和無問芯穹而言，無論AI如何演進(jìn)，讓每一塊芯片創(chuàng)造更大的商業(yè)價值，依然會是無問芯穹繼續(xù)向前的核心信念。

AI Infra公司會集體走向何方？歡迎添加作者微信BENSONEIT探討。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。