A | “今年上半年公司Token调用量7个月增长40倍，其中95%以上的推理任务来自智能体（Agent）需求。
B | 在“隼鸟2号”的六年旅程之后，这个勇敢的航天器在2020年年底重新返回地球大气层，并在澳大利亚内陆深处着陆。当JAXA的研究人员打开它时，他们发现其珍贵的有效载荷密封且完好无损：“隼鸟2号”设法从一颗飞驰的小行星表面挖出的一小撮泥土。
C | ” 在2026WAIC期间，无问芯穹CEO夏立雪在接受澎湃新闻记者等媒体采访时表示，目前无问芯穹已在全国纳管16种不同架构芯片、合计3.7万P算力，过去一年已将推理成本降低至十分之一，未来全链路协同下仍有90%成本下降空间。 夏立雪认为，当前AI行业的核心矛盾从未改变：需求是指数级增长，芯片供给的增长是线性的，单纯堆芯片已经追不上需求增速。科学家们现在已经开始宣布对这一非凡样本进行分析的第一个结果。
D | 他们的发现表明，这颗小行星是45亿年前凝聚成我们的太阳的同一块东西。
E | 芝加哥大学的三名研究人员之一、地球化学家Nicolas Dauphas说："拥有来自外太空的原始样本简直是不可思议。“大家不是觉得AI没用，是觉得它有点贵——这本身就是供不应求的信号，如果供大于求，大家只会觉得它没用。
F | 他们是来自太阳系中我们没有探索过的部分的证人。
G | ” 过去三年推理成本的下降，已经带动了第一批场景落地；他判断未来全行业仍有至少90%的成本下降空间，来源不只是单点技术优化，而是全链路协同：跨域异构集群的资源池化、PDD等新架构的普及，以及场景端的需求分层。"他与日本领导的国际科学家团队合作分析这些碎片。 夏立雪认为，真正的生产力应该是“资源规模×Token生产效率×Token转化为生产力的效率”。目前全行业还在共创价值衡量指标，本质是计量每个Token产生的实际经济价值，推动行业从“按Token数量计费”转向“按最终价值计费”。
H | 2018年，“隼鸟2号”降落在一颗名为“龙宫”的移动小行星之上，并从其表面上方和下方收集颗粒。在花了一年半的时间围绕小行星运行后，它带着一个密封的胶囊回到了地球，里面有大约5克的灰尘和岩石。世界各地的科学家们一直热切地期待着这个独特的样本--它可能有助于重新定义我们对行星如何演变以及我们的太阳系如何形成的理解。 据了解，今年上半年，无问芯穹Token增量几乎全部来自Agent。“95%以上的推理任务跑的都是智能体相关任务，不管是直接服务大模型厂商，还是直接服务垂类客户，最终需求都来自Agent落地。科学家们特别兴奋，因为如果没有航天器的保护屏障，这些样本永远不会到达地球。”夏立雪表示，目前代码生成、文娱营销、基础设施运维、具身智能、制造、电力、法律等行业都已经在大规模使用AI。 针对行业普遍关注的Token标准化问题，夏立雪明确判断：Token必然分层，且分层已经在发生。芝加哥大学地球化学家Andrew M. Davis是分析小组的另一名成员，他说：“通常情况下，我们所能研究的小行星只是那些大到足以作为陨石到达地面的碎片。
I | 如果你拿着这一把并把它扔进大气层，它就会燃烧起来。未来会出现面向高端复杂任务的高价值Token，也会有面向简单场景的高性价比Token。
J | 这种分层直接带动了过去一年国产芯片的落地进展。你会失去它，关于这颗小行星的历史的许多证据也会随之消失。
K | ”“我们以前真的没有过这样的样本。它非常壮观。”Davis、Dauphas和芝加哥大学的同事Reika Yokochi都是一个团队的成员，他们被召集起来帮助日本研究人员分析这些样本。舱内的每一部分内容都在进行严格的研究。他坦言，国产芯片适配效果的明显提升，一半来自技术端解决了跨集群调度、负载均衡等问题，更核心的原因是Agent带来了任务分层：智能体会派生大量不同复杂度的子任务，不需要所有任务都跑在最高端的芯片上，国产芯片可以承担自己擅长的任务，不用再“硬扛”最复杂的大模型训练负载。
L | “不同芯片各有侧重，都能在价值金字塔里找到自己的位置，不用浪费资源杀鸡用牛刀。Yokochi是一个团队的一部分，该团队正在分析被困在太空舱或泥土中的气体。Dauphas和Davis是研究化学和同位素组成颗粒以揭示其历史的团队的一部分。” 夏立雪透露，目前无问芯穹已经在和行业客户探索多模型协同的分层交付模式，通过不同能力的模型配合完成任务，直接为最终结果负责。 对于今年的热点话题物理AI，无问芯穹宣布将具身智能场景纳入Token工厂的覆盖范围。 夏立雪表示，AI必然从数字世界走向物理世界，云侧GPU、边缘节点、机器人本体的算力都应该被纳入统一资源池调度，而团队过去在大规模云侧强化学习、跨集群调度上积累的能力可以直接复用，其发布的RLinf新版本已经实现真机渲染、训练到推理的全链路云边协同，Mizar-Robo推理优化方案已经和星海图、云深处等具身机器人厂商达成合作，优化机器人端侧推理效率，形成“机器人采集物理世界数据-云侧强化学习训练-端侧推理落地”的闭环。
M | 6月9日在《科学》杂志上报道的这些结果的首次汇编，揭示了“龙宫”的构成。该岩石类似于一类被称为 “Ivuna型碳质球粒陨石 ”的陨石。“我们不做机器人本体，就做好具身场景的Token工厂，给伙伴们提供低成本的弹药，让他们能以更低的成本推产品、拓市场。这些岩石的化学成分与我们从太阳测量到的相似，并被认为可以追溯到大约45亿年前太阳系的最初阶段--在太阳、月球和地球形成之前。
N | ” 谈到AI赛道的行业竞争，在夏立雪看来，AGI不是单一公司能完成的使命，当前行业供需缺口还在持续扩大，只要技术能创造效率价值就有商业空间。近期智谱GLM、月之暗面Kimi等清华系开源大模型登顶国际榜单，中国的开源生态是核心优势，开源让技术、数据、资源能更快流动形成闭环，带动全行业效率提升。 当天，无问芯穹公布Agentic Infra 的“前店后厂一中心”战略布局，涵盖三大核心技术能力与产品服务体系：“算力集散中心”：Agentic Infra 自主式基础设施平台；“Token工厂”：Agentic MaaS 大模型服务平台；“AI生产力商店”： Agentic Infra 行业解决方案。那时，所有存在的是一个巨大的、旋转的气体云。科学家们认为，这些气体中的大部分被拉到中心，形成了我们所知道的太阳。当这些气体的残余物膨胀成一个圆盘并冷却时，它变成了岩石，这些岩石今天仍然漂浮在太阳系周围；看来“龙宫”可能是其中之一。
o | 科学家们说，这些碎片显示出在某个时候被水浸泡过的迹象。Dauphas说：“我们必须想象一个漂浮在太空中的冰和尘埃的集合体，当冰被小行星形成时存在的放射性元素衰变产生的核能融化时，它变成了一个巨大的泥球。但令人惊讶的是，今天这块岩石本身似乎是相对干燥的。”利用放射性同位素测年法，他们估计“龙宫”在太阳系形成后仅约500万年就被水循环改变了。这些发现对研究人员来说特别有趣，因为它们暗示了彗星和一些小行星（如“龙宫”）之间类似的形成条件。Yokochi解释说：“通过检查这些样本，我们可以约束在它们生命中一定会发生的温度和条件，并试图了解发生了什么。”她将这一过程比作试图弄清楚一碗汤是如何做出来的，但只有最终的结果而不是食谱。“我们可以拿着汤，把成分分开，并试图从它们的状况中看出它被加热了多少，以什么顺序加热。”科学家们指出，将留出一定比例的样本，以便我们在未来用更先进的技术对它们进行分析--就像科学家们对阿波罗任务的月球样本所做的那样。“在我们50年前从阿波罗号得到月球样本后，我们对月球如何形成的想法完全改变了，” Davis说。“我们仍然在从它们身上学习新的东西，因为我们的仪器和技术已经进步了。”“这些样本也将是如此。这是一个不断给予的礼物。”这次任务是几个国际任务中的第一个，这些任务将从另一个名为Bennu的小行星，以及我们的月球、火星和火星卫星Phobos上的未探索区域带回样本。
p | 这一切应该在未来10到20年内进行。“对于公众和一些决策者来说，这一直是非常低调的，但是我们正在进入一个历史上前所未有的行星探索的新时代，”Dauphas说。
q | “我们的孩子和孙子在参观博物馆时，将看到返回的小行星、火星以及希望是其他行星的碎片。
r |
Current article:http://km339m.feishuozhuangkeqi.cyou/list_rfqeh/0dkb7o4.html
Published on:12:05:08
