无问芯穹发布Agentic Infra战略，多家国产大模型厂商集体合作
无问芯穹整合跨集群异构算力，为多家头部大模型提供统一推理基础设施，实现成本降低和效率提升。
无问芯穹宣布与Kimi、智谱、MiniMax、阶跃星辰等四家头部基模公司深度合作，推出面向Agent时代的“前店后厂一中心”Agentic Infra战略，包括算力集散中心、Token工厂和行业解决方案，旨在解决大模型推理中的精度、成本和运维难题。
正文摘录
就在今天的 WAIC 论坛上，MiniMax 和阶跃星辰，同时出现在了一家 AI Infra 公司的论坛现场，前者参加战略合作签约，后者发布主旨演讲。 苗头其实更早就出现了。4 个月前的中关村论坛上，智谱张鹏和 Kimi 杨植麟就曾与这家公司联合创始人兼 CEO 同框，参与圆桌论坛，并被现场点名该公司已为 Kimi、智谱提供服务。 四家国产头部基模公司，先后跟同一家 AI Infra 达成了深度合作。开句玩笑话——集齐四家，就可以召唤神龙了。 这个身位有点像「电池领域的宁德时代」——造车的人可以「兄弟登山，各自努力」，但电池这一层，绕不开就是绕不开。无问芯穹想做的，就是 大模型时代的共同选择。 需求端，2026 年推理开始反超训练，成为 AI 算力消耗的主战场，推理成本两年降了 280 倍，企业的 AI 总支出却没降反升，中国日均 Token 调用量已经突破 140 万亿，一年涨了四成，需求呈指数级往上冲。 供给端 却完全是另一副面孔。物理算力的扩产逻辑还是线性的，多修几个机房、多买几张卡，缺口却在三五年内都填不平。 一个请求发下去，模型正常回复了，但输出的精度可能已经悄悄掉了三成，这种问题常规监控查不出来。 Kimi、智谱、MiniMax、阶跃星辰为什么都点了头，自然有他们自己的算盘，但本质上是 同时把三件事押了上去—— 有第三方供应商部署模型后，精度比原厂掉了 30%，客户自己甚至察觉不到，直到业务指标开始下滑才回头排查。 这套标准，会从工具调用的一致性，到推理模式的精度对齐，逐项进行核验，每一个新模型上架前都要过这道关。 大模型推理里的 Prefill 和 Decode 是两个负载完全不同的阶段，硬件需求也不一样，拆开部署能让不同类型的芯片各自干最擅长的事。