編輯 | 羅燕珊、Tina

整理 | 宇琪

一個(gè)以智能體為基本運(yùn)行單元的全新時(shí)代加速到來，基礎(chǔ)設(shè)施的演進(jìn)正從 AI Infra 走向 Agent Infra 乃至 Agentic Infra，成為推動(dòng)智能體規(guī)�；涞氐年P(guān)鍵力量。作為國(guó)內(nèi)領(lǐng)先的人工智能基礎(chǔ)設(shè)施服務(wù)商，無問芯穹是如何解決 Agent 在協(xié)同、安全與持續(xù)學(xué)習(xí)中的落地難題，將其轉(zhuǎn)化為生產(chǎn)力的呢？

在 10 月 23-25 日于上海舉辦的 QCon 全球軟件開發(fā)大會(huì)上，InfoQ 在現(xiàn)場(chǎng)專訪了無問芯穹聯(lián)合創(chuàng)始人、CEO 夏立雪。他在采訪中詳細(xì)分享了無問芯穹在面向 Agent 的基礎(chǔ)設(shè)施建設(shè)中所取得的技術(shù)進(jìn)展與實(shí)踐經(jīng)驗(yàn)，拆解 Agentic Infra 新范式將如何支持智能體規(guī)模化、產(chǎn)業(yè)化部署。

部分精彩觀點(diǎn)如下：

• 國(guó)內(nèi)的算力資源本身種類多樣、分布分散，如果要邁向 AGI 時(shí)代，基礎(chǔ)設(shè)施必須始終面向最前沿，讓 Agent 像使用水電一樣使用算力。

• 第一步是做好 Agent Infra ，基礎(chǔ)設(shè)施要從生產(chǎn)線工廠變?yōu)榻鉀Q方案公司，從環(huán)境、工具、上下文和安全等角度保障好 Agent 執(zhí)行任務(wù)的質(zhì)量。

• 更進(jìn)一步，我們希望 Agent 及其所依托的基礎(chǔ)設(shè)施都能擁有更強(qiáng)的自主性，構(gòu)建更先進(jìn)的 Agentic Infra，實(shí)現(xiàn)更高效的資源整合和更具價(jià)值的功能創(chuàng)新。

• 更會(huì)“思考”的基礎(chǔ)設(shè)施，會(huì)帶來更多創(chuàng)新需求，這些新需求又會(huì)推動(dòng)技術(shù)研發(fā)的進(jìn)一步升級(jí)，形成了一個(gè)良性的技術(shù)與應(yīng)用雙向飛輪。

以下內(nèi)容基于采訪速記整理，經(jīng)不改變?cè)獾膭h減。

InfoQ：傳統(tǒng)的云計(jì)算架構(gòu)建立在“請(qǐng)求 - 響應(yīng)”這一確定性范式上。但 Agentic AI 的“感知 - 推理 - 行動(dòng) - 記憶”循環(huán)，本質(zhì)上是一個(gè)非線性的、有狀態(tài)的認(rèn)知過程。在您看來，這種從“處理”到“思考”的范式轉(zhuǎn)變，對(duì)基礎(chǔ)設(shè)施層最顛覆性的沖擊體現(xiàn)在哪里？

夏立雪：這種變化體現(xiàn)在多個(gè)層面，其中最關(guān)鍵的一點(diǎn)是：Agent 的任務(wù)不再是離散的。它不像外包工廠那樣，被動(dòng)接受指令、機(jī)械執(zhí)行，而是具有關(guān)聯(lián)性和“狀態(tài)”的連續(xù)任務(wù)體系。因此，我們的 Infra 也不能再像過去那樣僅僅作為一個(gè)流水線存在，它必須具備一定的智能性，能夠保障 Agent 執(zhí)行任務(wù)的質(zhì)量。換句話說，基礎(chǔ)設(shè)施要從“生產(chǎn)線工廠”轉(zhuǎn)變?yōu)椤敖鉀Q方案公司”，為 Agent 的整體產(chǎn)出質(zhì)量提供系統(tǒng)性支撐。

這意味著在實(shí)踐中，我們需要從多個(gè)維度進(jìn)行升級(jí)：首先，運(yùn)行環(huán)境要能靈活適配 Agent 的執(zhí)行方式；其次，要為 Agent 配備完善的工具，使其能夠有效調(diào)用資源；第三，提供精準(zhǔn)而充分的上下文信息，確保任務(wù)理解與執(zhí)行的一致性；最后，還要通過安全與監(jiān)控機(jī)制，保障整個(gè)任務(wù)過程的可控性與可觀測(cè)性。

但最核心的仍然是：Agent 的任務(wù)是連續(xù)且相互關(guān)聯(lián)的， Infra 必須能夠協(xié)調(diào)這種連續(xù)又突發(fā)的多任務(wù)協(xié)作。在這一點(diǎn)上，環(huán)境的沙盒化與靈活調(diào)度能力尤為關(guān)鍵，它直接決定了系統(tǒng)能否支持 Agent 在復(fù)雜任務(wù)鏈中的高效運(yùn)行。

InfoQ：那這樣看來，以前我們更注重“算得更快”，現(xiàn)在是不是變成了“想得更久”？

夏立雪：是的。Agent 不僅需要更長(zhǎng)的“思考”時(shí)間，而且“思考”與“計(jì)算”所需的資源類型并不相同。這對(duì)資源的靈活性、分配策略以及實(shí)時(shí)的調(diào)度與釋放都提出了新的要求，也促使我們重新思考基礎(chǔ)設(shè)施的設(shè)計(jì)邏輯。

InfoQ：CrustData 說 Lovable 平臺(tái)的用戶數(shù)從 6 月的峰值 3512 萬，跌至 9 月的不足 2000 萬，下降了超過 40%，你怎么看？Agent 規(guī)模化落地還有哪些阻礙？

夏立雪：這個(gè)數(shù)據(jù)里不排除有這種可能——新產(chǎn)品發(fā)布時(shí)大家一擁而上，而隨著時(shí)間推移，真用戶數(shù)在逐漸回歸校準(zhǔn)。目前 Agent 的基礎(chǔ)智能已經(jīng)足夠強(qiáng)大，持續(xù)展現(xiàn)新的能力、刺激新的需求。Lovable 所吸引的用戶群體，其實(shí)并非目前產(chǎn)品真正能夠滿足的目標(biāo)用戶。因?yàn)榇蟊妼?duì)“無代碼編程”的期待是“用自然語(yǔ)言一步到位生成完整程序”，但現(xiàn)實(shí)遠(yuǎn)沒有這么美好。人們嘗試過后會(huì)發(fā)現(xiàn)，Vibe Coding 生產(chǎn)的各種程序，仍需要頻繁迭代、不斷試錯(cuò)，這個(gè)過程往往需要更專業(yè)的知識(shí)，讓人感到挫敗，高門檻和不確定性會(huì)讓用戶逐漸失去耐心。

更重要的是，它為我們指明了一個(gè)方向：現(xiàn)在 Agent 發(fā)展的核心問題在于，模型的能力已經(jīng)相當(dāng)出色，但配套給 Agent 的基礎(chǔ)設(shè)施服務(wù)與工具尚不成熟。就像一位思維極快的程序員在寫代碼時(shí)，鍵盤和編譯器的速度跟不上他的思考一樣，當(dāng)前的瓶頸不在模型本身，而在支撐體系的響應(yīng)能力。

要解決這個(gè)問題，首先要讓用戶感受到過程的可控性和可觀測(cè)性。也就是說，系統(tǒng)要能清晰展示每一步的變化和決策路徑。就像程序員與產(chǎn)品經(jīng)理協(xié)作時(shí)，不會(huì)簡(jiǎn)單地說“我改了一版，你再試試”，而是會(huì)說明“在 1.1 版本中新增了哪些功能”。這種透明的過程管理，能顯著提升信任與理解。其次，目前 Agent 的工具支持仍然不足。例如，用戶以為 Agent 能調(diào)用多種庫(kù)來實(shí)現(xiàn)功能，但實(shí)際上它可能沒有權(quán)限或接口訪問能力，于是只能“瞎猜”，結(jié)果自然不理想。這些缺陷正是當(dāng)前 Agent 應(yīng)用受限的核心問題。

InfoQ：今天您分享了一個(gè)非常有意思的范式 “Agentic Infra ”，它和今天我們所談?wù)摰?Agent Infra 有什么異同？

夏立雪：我們認(rèn)為二者之間是一個(gè)遞進(jìn)的階段關(guān)系。從算法和應(yīng)用層面來看，目前我們正處在深化 L3 “自主式 AI”并走向 L4 “創(chuàng)新型 AI”的關(guān)鍵時(shí)期，需要高度關(guān)注智能體的產(chǎn)業(yè)落地和迭代進(jìn)化情況。第一步，通過構(gòu)建 Agent Infra，可以讓算法能力被更好地發(fā)揮，推動(dòng)智能體走出實(shí)驗(yàn)室環(huán)境，幫助 Agent 從演示品走向生產(chǎn)力。

此外，更高級(jí)的智能，將極有可能從智能體與真實(shí)世界交互的海量經(jīng)驗(yàn)中誕生。然而當(dāng)智能體進(jìn)入規(guī)�；渴痣A段，生產(chǎn)級(jí)場(chǎng)景需要應(yīng)對(duì)復(fù)雜多變的需求和極致的效果優(yōu)化，傳統(tǒng)架構(gòu)會(huì)面臨更大的挑戰(zhàn)：智能體間協(xié)作復(fù)雜度指數(shù)級(jí)增長(zhǎng)、服務(wù)質(zhì)量因資源競(jìng)爭(zhēng)與任務(wù)沖突而下降、以及基礎(chǔ)設(shè)施運(yùn)維成本急劇攀升。

因而第二階段的重點(diǎn)是構(gòu)建能更好支持下一代 AI 進(jìn)化與規(guī)�；涞氐� Agentic Infra。除了對(duì)環(huán)境、上下文、工具鏈、安全與可觀測(cè)性的持續(xù)加強(qiáng)，還應(yīng)推動(dòng)智能體深度參與基礎(chǔ)設(shè)施的核心工作流。不僅實(shí)現(xiàn)更加自動(dòng)化、精細(xì)化的資源調(diào)度與服務(wù)質(zhì)量保障，還要使得系統(tǒng)能夠自動(dòng)發(fā)現(xiàn)異常、定位瓶頸、甚至進(jìn)行資源優(yōu)化和彈性伸縮，從而將運(yùn)維人員從繁復(fù)的人工干預(yù)中解放出來，從根本上遏制成本的指數(shù)級(jí)增長(zhǎng)。在這個(gè)過程中，為之構(gòu)建統(tǒng)一的多智能體協(xié)作框架，保障多個(gè)智能體之間的高效穩(wěn)定配合，最終實(shí)現(xiàn)從“將智能體視為工具”到“將智能體視為協(xié)作者”的范式轉(zhuǎn)變，構(gòu)建出一個(gè)能夠支撐智能體高效、穩(wěn)定、低成本協(xié)作與進(jìn)化的基礎(chǔ)設(shè)施新形態(tài)。

InfoQ：有人說 Agentic Infra 是個(gè)比較激進(jìn)的愿景，因?yàn)?Agentic Infra 都還沒完全定型，就要加入 Agent 去支持 Agent 部署，今天就談 Agentic Infra 會(huì)不會(huì)還太早？你們?cè)趺纯矗?/p>

夏立雪：我認(rèn)為現(xiàn)在是一個(gè)非常好的時(shí)間點(diǎn)。雖然基座模型的能力一直在提升，但過去半年并沒有出現(xiàn)明顯的代際差異。然而，人工智能的落地場(chǎng)景卻在持續(xù)擴(kuò)展。這意味著模型本身已經(jīng)足夠“聰明”，問題在于我們尚未為它提供合適的發(fā)揮空間。因此，我們認(rèn)為，Agent 具備巨大的潛在發(fā)展空間，只是人類還未充分理解它最適合承擔(dān)的角色和任務(wù)。

這就像擁有一位天才程序員，但我們不可能立刻讓他擔(dān)任 CTO。即便賦予他全部權(quán)限，他也未必能勝任。常見的方式是讓他逐步成長(zhǎng)——先成為優(yōu)秀的基層程序員，再帶領(lǐng)小團(tuán)隊(duì)，然后晉升為系統(tǒng)架構(gòu)師，最終成為 CTO。但這個(gè)是人類構(gòu)建系統(tǒng)的傳統(tǒng)思維方式，過程非常緩慢�，F(xiàn)在的 Agent Infra 本質(zhì)上仍是這種模式：人為地為程序設(shè)定流程和約束。例如，我們?cè)O(shè)計(jì)的工作流就像一條生產(chǎn)線，中間某個(gè)關(guān)鍵環(huán)節(jié)由 AI 負(fù)責(zé)，但整體仍受制于人類設(shè)計(jì)的框架。這樣的方式固然可控，卻也限制了 AI 的潛能。我們更希望看到 AI 能夠跳出這條生產(chǎn)線，自主設(shè)計(jì)流程，從而實(shí)現(xiàn)更高的效率。

從目標(biāo)上看，Agentic Infra 也是必然的發(fā)展方向。從實(shí)踐上看，我們也不斷觀察到，這個(gè)新物種正在出現(xiàn)。例如，我們將 SaaS 和 PaaS 層的運(yùn)維、資源管理、日志分析等功能的權(quán)限交由 Agent 執(zhí)行后，發(fā)現(xiàn)它在大規(guī)模集群管理方面的表現(xiàn)已優(yōu)于人類。

實(shí)踐中很多細(xì)節(jié)讓我們意識(shí)到，人類為 Agent 設(shè)計(jì)的工作流并不一定最優(yōu)。既然如此，誰來為它設(shè)計(jì)工作流？答案是：Agent 應(yīng)該為自己設(shè)計(jì)工作流。 這正是 A2A（Agent to Agent）的核心理念，也是 Agentic Infra 的終極目標(biāo)。當(dāng)我們真正邁入 AI 時(shí)代，模型應(yīng)通過自主學(xué)習(xí)與協(xié)作來決定自身的分工與任務(wù)，這與大模型發(fā)展的“涌現(xiàn)”規(guī)律是一致的。我們現(xiàn)在已經(jīng)看到這種趨勢(shì)：后臺(tái)運(yùn)維 Agent 與前臺(tái)客戶服務(wù) Agent 之間能夠?qū)崿F(xiàn)高效配合，遠(yuǎn)勝于人工的工程師中轉(zhuǎn)方式。

因此，我們認(rèn)為當(dāng)前正處于 A2A 的早期階段�；A(chǔ)設(shè)施層不應(yīng)成為智能體發(fā)展的阻礙，而應(yīng)成為其堅(jiān)實(shí)的基石。我們需要構(gòu)建更先進(jìn)的 Agentic Infra，以支撐 A2A 協(xié)作能力的實(shí)現(xiàn)，通過智能體的“群體”來實(shí)現(xiàn)真正高效的協(xié)作。

InfoQ：這是否意味著我們正進(jìn)入一個(gè)基礎(chǔ)設(shè)施本身具備一定自主行為的階段？

夏立雪：是的，當(dāng) Infra 引入 Agent 能力后，便具備了自主性。觀察大型組織的成長(zhǎng)也能印證這一點(diǎn)：最初各部門分工明確，但若要持續(xù)提升組織價(jià)值、為客戶創(chuàng)造更多價(jià)值，成員就必須跨界協(xié)作。例如，優(yōu)秀的產(chǎn)品經(jīng)理不僅要懂產(chǎn)品設(shè)計(jì)，還要能理解客戶與業(yè)務(wù)；技術(shù)人員也要了解市場(chǎng)需求，才能用最合適的技術(shù)實(shí)現(xiàn)目標(biāo)。

同樣，人工智能和代碼系統(tǒng)也需要具備這樣的跨界自主性。一個(gè) Agent 只有跳出自身的“職責(zé)邊界”，才能發(fā)揮更大的價(jià)值。我們希望 Agent 及其所依托的基礎(chǔ)設(shè)施都能擁有更強(qiáng)的自主性，從而實(shí)現(xiàn)更高效的資源整合和更具價(jià)值的功能創(chuàng)新。

InfoQ：展望未來三到五年，支持 Agentic AI 的基礎(chǔ)設(shè)施會(huì)呈現(xiàn)何種新形態(tài)？會(huì)是“智能體原生架構(gòu)”的全面興起嗎？

夏立雪：未來，我希望能看到智能體之間進(jìn)一步形成組織，共同完成更復(fù)雜的任務(wù)。屆時(shí)，各個(gè)智能體的 KV Cache 和上下文可以根據(jù)需求實(shí)現(xiàn)共享或隔離。若能做到這一點(diǎn)，人類將能夠釋放出大量腦力與生產(chǎn)力，專注于更有創(chuàng)造性和價(jià)值的工作。

InfoQ：在 Agentic Infra 領(lǐng)域，傳統(tǒng)的算力使用方式是否會(huì)顛覆？將會(huì)通過何種路徑顛覆？

夏立雪：良好的 Agent Infra 能夠有效緩解這種范式轉(zhuǎn)變期導(dǎo)致的算力浪費(fèi)。過去的 AI 算力基礎(chǔ)設(shè)施通常以固定虛擬化或容器化單元來劃分算力資源，每個(gè)“格子”大小固定、生命周期較長(zhǎng)。這在傳統(tǒng) AI 訓(xùn)練和推理任務(wù)中問題不大，但在 Agent 場(chǎng)景下極不經(jīng)濟(jì)——一個(gè)智能體可能并行嘗試上百個(gè)小任務(wù)，而每個(gè)任務(wù)所需資源僅為傳統(tǒng)“格子”的十分之一。

然而，由于容器與虛擬機(jī)實(shí)例粒度過大、啟動(dòng)周期較長(zhǎng)，系統(tǒng)在資源分配和調(diào)度上存在顯著浪費(fèi)。比如：容器冷啟動(dòng)過程（鏡像加載、依賴初始化、網(wǎng)絡(luò)綁定等）通常耗時(shí)數(shù)秒到數(shù)十秒，在高頻創(chuàng)建和銷毀任務(wù)的 Agent 場(chǎng)景中會(huì)造成大量時(shí)間損耗與資源空轉(zhuǎn)。此外，資源在調(diào)度過程中被“預(yù)留鎖定”，即使任務(wù)尚未實(shí)際運(yùn)行，也會(huì)占用 GPU 或 CPU Slot，進(jìn)一步拉低整體利用率。

因此，良好的 Agent Infra 會(huì)通過微虛擬化沙箱、沙箱調(diào)度和高并發(fā)沙箱管理機(jī)制來顛覆這種傳統(tǒng)模式，讓算力按需動(dòng)態(tài)拼裝、快速回收，實(shí)現(xiàn)毫秒級(jí)環(huán)境切換和接近 100% 的資源利用。雖然 Agent 的智能推理確實(shí)增加了算力需求，但在這種優(yōu)化后的架構(gòu)下，增長(zhǎng)是可控的，能以合理成本支撐更復(fù)雜的智能行為。

InfoQ：無問芯穹選擇“統(tǒng)一調(diào)度異構(gòu)算力”作為破局點(diǎn)之一，您認(rèn)為這其中最核心的技術(shù)創(chuàng)新是什么？是實(shí)現(xiàn)了一個(gè)高性能的“軟件抽象層”，還是攻克了跨架構(gòu)的調(diào)度算法？

夏立雪：我們其實(shí)把這兩件事視為一體，即實(shí)現(xiàn)資源的統(tǒng)一標(biāo)準(zhǔn)化。在這一標(biāo)準(zhǔn)化體系中，既包括在功能層面打通不同類型算力的使用，也包括在效率層面實(shí)現(xiàn)任務(wù)的合理分配。否則，即便算力被打通，如果調(diào)度不合理，也無法真正發(fā)揮價(jià)值。就像“水管打通”之后，還要解決“水庫(kù)之間的協(xié)調(diào)”問題一樣，這兩者是相輔相成、不可分割的。

當(dāng)初我們選擇做這件事的原因，也與中國(guó)算力生態(tài)的特點(diǎn)密切相關(guān)。國(guó)內(nèi)的算力資源本身種類多樣、分布分散，如果要邁向 AGI 時(shí)代，就必須面向最前沿，讓 Agent 像使用水電一樣使用算力。因此，我們?cè)?Agentic Infra 中設(shè)計(jì)的沙盒系統(tǒng)，具備調(diào)用異構(gòu)算力的能力。這種設(shè)計(jì)既能充分利用我們以往的技術(shù)積累，也為 AI Agent 的算力利用帶來更大的想象空間。

InfoQ：當(dāng)我們將這一技術(shù)路徑具體應(yīng)用到中國(guó)市場(chǎng)，面臨的最大現(xiàn)實(shí)就是多元且碎片化的國(guó)產(chǎn)算力生態(tài)。無問芯穹如何超越單純的技術(shù)“求同”（技術(shù)上打通），真正扮演好“生態(tài)整合者”的角色？最大的阻力來自技術(shù)適配，還是產(chǎn)業(yè)協(xié)作？

夏立雪：在早期，最大的阻力確實(shí)是技術(shù)適配。因?yàn)橐诓煌酒軜?gòu)之間打通通信庫(kù)、統(tǒng)一算子庫(kù)，并從更高層視角實(shí)現(xiàn)整體整合和調(diào)用，這個(gè)過程的啟動(dòng)成本非常高，主要集中在技術(shù)層面。但一旦把不同模型與不同硬件之間的 M × N 映射打通，后續(xù)的維護(hù)成本其實(shí)并不高。因?yàn)樾乱淮酒姹镜淖兓扔邢�，而完全新的芯片架�?gòu)出現(xiàn)的頻率也不高。

因此，從技術(shù)層面打通之后，真正要解決的是易用性問題，讓用戶在使用時(shí)無需關(guān)注底層芯片差異，而只需感知性能差異。換句話說，用戶不必在意用的是哪家廠商的芯片，而只關(guān)心它是否滿足性能需求。

我們經(jīng)歷了一個(gè)從技術(shù)突破到產(chǎn)業(yè)融合的過程。早期我們嘗試通過混合訓(xùn)練等方式，讓用戶通過統(tǒng)一接口訪問不同算力。但隨著時(shí)代發(fā)展，像 MaaS 和 Agent 這樣的架構(gòu)天然具備了在用戶層面屏蔽底層差異的能力。以 MaaS 為例，用戶關(guān)注的只是模型響應(yīng)速度和吞吐量，比如每次請(qǐng)求延遲是否在毫秒級(jí)、每秒能否生成足夠的 Token，而至于是華為還是英偉達(dá)的芯片，對(duì)用戶并不重要。

到了 Agent 時(shí)代，這種趨勢(shì)更為明顯。用戶關(guān)注的核心是任務(wù)完成質(zhì)量，而不是使用了哪種芯片。因此，隨著需求的升級(jí)，產(chǎn)業(yè)層面的整合反而變得更容易。我們此前在技術(shù)上的積累，也能更好地嵌入新的產(chǎn)業(yè)體系中，被更廣泛地使用。如今我們面向 Agent 生態(tài)推廣國(guó)產(chǎn)芯片，比過去面向單一用戶場(chǎng)景更具可行性。當(dāng)然，不同階段面臨的產(chǎn)業(yè)問題各不相同，但技術(shù)底座已經(jīng)打通，這讓我們能夠更從容地應(yīng)對(duì)未來的發(fā)展。

InfoQ：在面向 AGI 做基礎(chǔ)設(shè)施的過程中，技術(shù)先進(jìn)性和大量的工程落地工作保障客戶服務(wù)，對(duì)你們來說，哪個(gè)優(yōu)先級(jí)更高？

夏立雪：我們始終專注于構(gòu)建和完善 AI 原生的基礎(chǔ)設(shè)施（AI-Native Infra），因此在我們的角色中，這兩者是相輔相成、互相迭代的關(guān)系。我們?yōu)榭蛻魟?chuàng)造的核心價(jià)值，就是提供一個(gè)更易用、更穩(wěn)定的底座，讓客戶能夠?qū)⑷烤ν度氲阶陨懋a(chǎn)品的迭代和優(yōu)化上，而底層的算力、資源和模型調(diào)用等復(fù)雜部分交由我們負(fù)責(zé)。

對(duì)我們而言，為客戶提供更強(qiáng)的技術(shù)保障，本身也是 Infra 技術(shù)演進(jìn)的重要方向。我們的技術(shù)與產(chǎn)業(yè)密切相關(guān)，許多改進(jìn)都源于實(shí)際需求。比如在與客戶溝通中，我們發(fā)現(xiàn)一個(gè)非常典型的痛點(diǎn)：他們目前的沙箱非常固定、靜態(tài)，無法根據(jù)任務(wù)負(fù)載彈性擴(kuò)縮，也無法動(dòng)態(tài)調(diào)整資源分配。換句話說，沙箱沒有 HPA 或 VPA 這樣的能力。這導(dǎo)致智能體在高峰期容易資源不足，而在低負(fù)載時(shí)又會(huì)浪費(fèi)大量算力。

針對(duì)這一需求，我們研發(fā)了支持彈性伸縮和動(dòng)態(tài)資源調(diào)度的沙箱系統(tǒng)。每個(gè) Agent 的沙箱可以按需啟動(dòng)或銷毀，實(shí)現(xiàn)毫秒級(jí)響應(yīng)。此外，資源分配可以根據(jù)任務(wù)類型和負(fù)載自動(dòng)調(diào)整，無論 CPU、GPU 還是國(guó)產(chǎn)芯片，都能智能掛載。并且，通過智能調(diào)度引擎，實(shí)現(xiàn)高峰彈性擴(kuò)容、低峰快速收回，顯著提升集群資源利用率。

那么我們開發(fā)這個(gè)沙箱系統(tǒng)的行為，到底是在滿足客戶需求，還是在進(jìn)行技術(shù)創(chuàng)新？事實(shí)上，這兩者是一致的，并且相互促進(jìn)。不僅解決了用戶的痛點(diǎn)，也完善了我們的智能體基礎(chǔ)設(shè)施，進(jìn)一步，更優(yōu)的基礎(chǔ)設(shè)施帶來了更多創(chuàng)新需求，而這些新需求又推動(dòng)了技術(shù)研發(fā)的進(jìn)一步升級(jí)，這會(huì)形成一個(gè)良性的技術(shù)與應(yīng)用雙向飛輪。因此，在我們所處的層面上，技術(shù)的先進(jìn)性與應(yīng)用的落地性并不存在明顯沖突，兩者往往能夠并行并進(jìn)、相互成就。

InfoQ：如果為您的人生和事業(yè)建立一個(gè)模型，您的核心目標(biāo)是什么？您希望無問芯穹這家公司，最終在中國(guó)的 AI 發(fā)展史乃至您個(gè)人的生命歷程中，扮演一個(gè)怎樣的角色，留下怎樣的印記？

夏立雪：我在讀博時(shí)正好趕上了人工智能熱潮的興起，大約是 2013 年前后。因?yàn)槲议L(zhǎng)期從事人工智能與芯片打通方向的研究，所以我一直非常希望能親眼看到 AGI 時(shí)代的真正到來。這個(gè)理想在我當(dāng)時(shí)看來，是“有生之年能看到就不錯(cuò)”的事。

但讓我驚喜的是，過去這兩年，AI 的發(fā)展速度遠(yuǎn)超想象。對(duì)我而言，無論是人生目標(biāo)還是事業(yè)目標(biāo)，都與無問芯穹的使命高度重合。這也是我創(chuàng)建這家公司的初衷，我希望自己能在推動(dòng)這個(gè)時(shí)代進(jìn)步的過程中，貢獻(xiàn)哪怕微小的一份力量。過去我以為自己的努力可能無關(guān)緊要，但現(xiàn)在發(fā)現(xiàn)，這份努力正在加速整個(gè)行業(yè)的演進(jìn)，這讓我充滿信心和動(dòng)力。

我們希望，無問芯穹在基礎(chǔ)設(shè)施層和算力層的積累，能夠成為推動(dòng) AGI 的堅(jiān)實(shí)引擎和基石。畢竟我本身是學(xué)人工智能系統(tǒng)而非算法的，我更希望通過系統(tǒng)層面的創(chuàng)新，讓 AGI 能夠更高效、更可持續(xù)地實(shí)現(xiàn)。因此，我們的愿景是“釋放無穹算力，讓 AGI 觸手可及”。我們真心希望站在基礎(chǔ)設(shè)施的底座位置，幫助 AGI 更快走進(jìn)大眾視野。這既是我個(gè)人的核心目標(biāo)，也是作為一名科學(xué)研究者最想親眼見證的理想。

AI 重塑組織的浪潮已至，Agentic 企業(yè)時(shí)代正式開啟！當(dāng) AI 不再是單純的輔助工具，而是深度融入業(yè)務(wù)核心、驅(qū)動(dòng)組織形態(tài)與運(yùn)作邏輯全面革新的核心力量。

把握行業(yè)變革關(guān)鍵節(jié)點(diǎn)，12 月 19 日 - 20 日，AICon 全球人工智能開發(fā)與應(yīng)用大會(huì)（北京站） 即將重磅啟幕！本屆大會(huì)精準(zhǔn)錨定行業(yè)前沿，聚焦大模型訓(xùn)練與推理、AI Agent、研發(fā)新范式與組織革新，邀您共同深入探討：如何構(gòu)建起可信賴、可規(guī)模化、可商業(yè)化的 Agentic 操作系統(tǒng)，讓 AI 真正成為企業(yè)降本增效、突破增長(zhǎng)天花板的核心引擎。

今日薦文

你也「在看」嗎？