不同模型厂同一家Agentic Infra，AGI时代的地基终于浮出水面
内容提要
无问芯穹作为AI Infra公司，与Kimi、智谱、MiniMax、阶跃星辰等头部模型厂商合作。通过准入测试保障模型精度，采用跨集群异构PD分离技术降低成本37.5%，智能体系统提升运维效率，并构建“前店后厂一中心”战略，覆盖算力调度、Token工厂及行业应用，旨在成为大模型时代的基础设施共同选择。
延伸解读
模型精度为何是隐形成本
文章指出，第三方供应商部署模型时，精度可能比原厂下降30%，而常规监控难以察觉，直到业务指标下滑才被发现。这提醒读者，在选购MaaS服务时，不能只看价格和响应速度，模型输出的质量一致性是容易被忽视的关键指标。无问芯穹通过准入测试标准来保障精度，但这也意味着，模型厂商与基础设施提供商的深度绑定，可能是确保服务质量的重要方式。
跨集群PD分离的成本账
无问芯穹的跨集群异构PD分离技术，通过将Prefill和Decode拆分到不同硬件，并首创PDD架构解决传输延迟，实现了首Token延迟降低51.5%、单Token成本降低37.5%。这展示了在算力紧缺背景下，通过架构创新优化成本的可能性。对于企业而言，这意味着在算力成本高企时，技术优化带来的成本下降空间可能比单纯采购更多硬件更有效。
运维智能体：从人找问题到问题找人
文章提到，无问芯穹发布的智算集群运维智能体系统，实现了7×24小时值守，将运维人效提升5倍以上，关键故障处理效率提升6倍。这反映了AI Infra领域的一个趋势：用智能体自动化运维，减少人工干预。对于依赖大规模算力的企业，运维效率直接关系到业务稳定性，智能体系统可能成为未来基础设施标配。
国产芯片生态的差异化挑战
无问芯穹对标海外Baseten、Together AI等公司，但后者基于英伟达单一生态，而无问芯穹面对的是碎片化的国产芯片生态。这既是挑战也是护城河：需要适配多种芯片，但一旦形成能力，就难以被替代。对于国内AI企业，选择基础设施时需考虑其对国产芯片的适配能力，这关系到长期供应的稳定性和自主可控。
Q&A
无问芯穹与哪些头部模型厂商有合作？
无问芯穹与Kimi、智谱、MiniMax、阶跃星辰等头部模型厂商有深度合作。
无问芯穹如何保证模型部署后的精度不下降？
无问芯穹制定了一套准入测试标准，从工具调用一致性到推理模式精度对齐逐项核验，确保每个新模型上架前都经过严格测试，从而保证客户体验与原厂API几乎无差别。
跨集群异构PD分离技术是什么？它带来了哪些收益？
跨集群异构PD分离技术将大模型推理中的Prefill和Decode阶段拆分到不同集群，利用异构芯片各自优势，并通过Radix Cache和PDD架构解决跨集群传输延迟问题。实测该技术使首Token延迟降低51.5%，单Token成本降低37.5%。
无问芯穹的智算集群运维智能体系统有什么作用？
该系统实现7×24小时全天候值守，将运维从“人找问题”转变为“问题找人”和“问题自己解决”，运维人效提升5倍以上，关键故障处理效率提升6倍。
无问芯穹的“前店后厂一中心”战略具体指什么？
“前店”指AI生产力商店，提供行业解决方案；“后厂”指Token工厂，即Agentic MaaS平台；“一中心”指算力集散中心，即Agentic Infra平台。三者相互反哺，构成完整战略。
无问芯穹在跨集群强化学习方面取得了什么成果？
无问芯穹实现了跨域强化学习训练连续一周0中断稳定运行，并计划将跨域计算资源支撑规模拓展至十万卡级以上。
无问芯穹的Agentic MaaS平台日均Token调用量增长情况如何？
截至7月，无问芯穹Agentic MaaS平台的日均Token调用量较去年12月增长了40倍。
无问芯穹在行业应用方面有哪些具体案例？
无问芯穹与VAST合作3D游戏解决方案，帮助上海瑞金医院探索医疗大模型落地，为律所提供AI合伙人产品，并与南方电网合作智算中心能耗预测。
