,华纳圣淘沙公司游戏客服：用心服务，畅享游戏乐趣

,半年20余倍增长，一个中国Token工厂的生意飞轮，很高兴为您解答这个问题，让我来帮您详细说明一下。

巴中市平昌县、内蒙古呼伦贝尔市陈巴尔虎旗、内蒙古乌兰察布市商都县、通化市辉南县、贵阳市观山湖区、大连市瓦房店市、南阳市宛城区、巴中市通江县、迪庆德钦县、忻州市原平市、咸阳市泾阳县、葫芦岛市绥中县、乐山市金口河区、池州市青阳县、宝鸡市渭滨区、徐州市邳州市、内蒙古包头市石拐区

出品｜虎嗅科技组作者｜陈伊凡编辑｜苗正卿头图｜AI 生成过去两年，Token 的生产成本一直在下降，但售价却一直涨。看起来前后矛盾的事，背后是一笔基于 Token 商业模式逐渐成熟而成立的生意。硬件和模型，这几年不断优化迭代，几乎都指向同一个方向：更便宜的推理、更低廉的算力。但另一面，是逐渐成熟的智能体以及已经闭环的业务。" 真正靠 AI 赚到钱的人，根本不会被价格劝退，只会默默想办法降本。" 夏立雪说，他几乎没有任何思考时间就下了这个判断，似乎是已经提前看明白了这个问题。他是无问芯穹的联合创始人兼 CEO。这家 2023 年成立的、与清华大学电子工程系有深厚渊源的公司，做的一部分事情，在行业里有一个越来越流行的说法：Token 工厂。可能很难在市场上找到对标无问芯穹模式的公司，其卡住了一个此前未被发现的场景，或是长在了随着 AI 需求拉动而新诞生的结构洞上的创新模式。它不研发通用大模型，不做芯片，也不做面向 C 端的应用，它坐在芯片和模型之间，把供不应求的算力资源进行调度、匹配、优化，更高效地转化为 Token，芯片厂商、模型厂商、应用厂商等各方都需要在无问芯穹的 Agentic Infra 体系上集成，由无问芯穹进行调度和分配，这是一种由技术领先的软件与算法定义的商业模式。这种特殊的模式让无问芯穹比任何一个在 Token 产业链上的公司都能率先感知始于青萍之末的变化。我在上海模速空间无问芯穹的会议室见到夏立雪，黑色的公司文化衫，语速极快，说到技术问题，似乎进入一种 " 心流 " 状态。模速空间是上海 AI 创新的核心，以无问芯穹为圆心的 2 公里，产业链的上下游在此汇聚。夏立雪本人 图片由无问芯穹提供据公司今年 5 月披露，去年 12 月到今年 4 月底，无问芯穹的 Agentic MaaS 业务中，Token 调用量增速超过 20 倍，这是过去从未有过的增长。这个数字背后，是一件已经成为现实的事：推理，正在成为比训练大得多的市场。过去三年，AI 产业的叙事主线是训练。谁有更多 GPU，谁训练出更大的模型，谁就站在食物链顶端。算力竞赛的逻辑清晰粗暴：堆卡、堆电力、堆钱。英伟达的 H100 在黑市上卖到六位数美元，甚至要靠提前囤货。但 2025 年底开始，这个逻辑变了。2026 年推理的数据量首次超过了训练。根据国际数据机构统计，2026 年全球企业在推理基础设施上的资本支出预计达 680 亿美元 , 而训练基础设施支出为 450 亿美元。当 AI 不再只是回答一个问题，而是要完成一项复杂的任务：写完整的代码、审阅一份合同、持续跟进一个项目，它消耗的 Token 数量是聊天场景的几十倍甚至上百倍。无问芯穹的数据是，在其 Agentic MaaS 平台调用的 Token 中，95% 以上都是智能体场景。推理需求的爆发，正在把 AI 产业链的价值重心往下移。芯片制造商、模型公司、云服务商，每一层都在重新定价，而位处中枢的基础设施服务商，正在从 " 管道 " 变成 " 工厂 "，又从工厂变为在价值链拥有更大影响力的 Token 生产力转化。衡量这个工厂运转得好不好，无问芯穹内部有一个指标：每月能产出多少有价值的万亿参数级模型的 Token。这个指标拆开来看，有两个衡量标准，一个是效率：单位时间的 token 产出量；另一半是稳定性，系统能不能连续不宕机地跑下去。两个指标，在万亿参数大模型场景下，无问芯穹过去一两年实现了 5 到 10 倍的性价比提升。在无问芯穹，有一个公式：AI 生产力 = 智能规模 *Token 生产效率 *Token 价值转化。当 Token 业务在产业中能实现商业化闭环的时候，就能为市场提供更充沛、更稳定、更高性价比的优质 Token，进而在产业内获得口碑，吸引更多用户使用。拿到更多需求之后，也能提炼出更好的优化空间，一方面是接触到更多真实场景，可以明确不同优化技术在场景中的价值；另一方面是需求足够多的情况下，资源分配的调整空间更大，需求种类越丰富，和非同质化资源的适配可能性就越多，M 种模型乘以 N 种芯片的优化空间也会越来越大。这也解释了为什么 agent 的崛起对无问芯穹是一个乘数效应，而非加法。在这套公式下，飞轮正在转动。推理需求爆发，国产芯片和解决方案正在迎来全新的机会，这件事与曾经在这个领域常见的国产替代叙事截然不同。中国芯片厂商对成本的敏感和工程化的能力，正在为这个产业链带来在全球市场角逐的竞争力。AI 算力市场的现实是：芯片种类越来越多，但没有哪一张芯片能高效跑所有任务；模型规模越来越大，单机八卡早就存不下万亿参数的模型，需要集群协作；不同的推理任务，对延迟、吞吐量、精度的要求截然不同。这一切叠加在一起，让 " 把算力用好 " 这件事，变成了一个极其复杂的系统工程问题。当然，这也是中国工程化能力优势的体现。这个判断在推理侧，prefill 和 decode 的分离上得到了具体验证。大模型推理分为两个阶段：prefill 负责理解输入、构建上下文，计算密集；decode 负责逐步生成输出，通信密集、对延迟更敏感。两种任务对芯片的要求完全不同。这是 AI 算力精细化需求下爆发出的新的场景。依托团队长期在软硬协同等方面的技术积累，无问芯穹很早就开始深度研究 P/D 分离，把两类任务分配给更适合的芯片——国产芯片在 prefill 场景已经可以落地，这意味着供不应求的市场里，国产算力有了真实的着力点，不再是非黑即白的 " 能不能用 "，而是 " 在哪里用最合适 "，甚至是 " 用好 "。无问芯穹以 token 作为其 AI 生产力公式的核心变量之一，是在 2026 年，这意味着整个公司的优化目标，变为在 " 怎么把芯片用满 " 的基础上，还要解决 " 怎么让每一个 Token 产生最大价值 " ——技术优化节省的成本，直接转化为毛利，再投入下一轮研发，形成正向循环。Token，正在成为 AI 产业里最接近货币的单位。它可以被生产、被消耗、被定价、被交易。更大的判断，夏立雪用了一个类比：Token 的爆发，像极了移动互联网从 3G 到 4G 的阶段。但他补了一句，4G 时代最重要的 " 应用 " 不是微信，也不是淘宝，而是那些充分使用流量、敢于在流量便宜之后重新设计组织的公司。到了 token 时代，真正改变产业格局的未必是某一款杀手级 AI 应用，而是那些用 AI 重构内部分工、让人和 AI 真正协作起来的小型组织——十人、二十人，甚至一两个人，但生产效率远超传统同规模团队。无问芯穹团队讨论 图片由无问芯穹提供这类组织已经在出现了。" 现在不用担心没有应用场景，核心是我们能不能接得住这么多需求。"这句话引出了无问芯穹正在做的下一步：跳出纯 token 工厂的边界，开始介入 Token 的生产力转化环节。结构洞上长出的创新模式虎嗅：当华为、中兴等这些系统厂商他们也在用集群的方式提高 Token 的性价比，无问芯穹这个模式的壁垒在哪里？夏立雪：表层的壁垒是我们在软硬协同领域有充足的积累和成熟成果。我们是基于系统算法做硬件适配优化，不针对单一硬件厂商或单一模型，能力可以覆盖产业全生态，是中立的第三方，技术适配性强，在各类场景下都可以使用。其次，我们的视野是面向整个供不应求的产业做布局，把市场上所有芯片产能都作为优化的输入变量，最终实现让整个生态中所有现有主体都发挥最大价值。这不是单点的一对一优化，当产业生态复杂度提升——比如出现多种模型、多种芯片并存的情况，我们这种大体系资源优化能力就会形成生态层面的壁垒。我们团队内在的核心壁垒是始终跟进业界最新的发展变化。此前做稠密模型和 MoE 优化，之后又针对万亿参数模型难以在单一硬件上规模化扩展的问题，很早就开始深度研究 P/D 分离和半分离相关技术，目前也在研发可以差异化体现国产芯片能力的相关技术。我们的壁垒不是单点的技术领先，而是系统化的、滚动式的持续创新。虎嗅：从芯片到模型之间存在中间优化的空间，针对 Token 经济学，不同厂商也提出了不同的解决方案，例如华为和一些芯片厂商提出的 " 超节点 " 的方法，以集群能力应对单卡算力不足，从无问芯穹的立场，如何建立中间的优化层？夏立雪：现在是算法牵引系统、硬件和集群建设的时代，我们和芯片厂商有共同的目标，就是要实现真实的产业落地，只要各方能对接上、跑通业务，就是好的生态。芯片厂商最核心的是要做好自己的 " 产品说明书 "，而怎么把芯片这个复杂精密的硬件用好，是我们作为行业专家要做的事。现在国内各种各样的芯片都有类似 CUDA 的层，有 CAN、SUCA、MARCA 等不同的架构，我们的生态就是把这些架构统一接入、调度、精细化管理和资源分配，保证服务稳定，最终实现商业化闭环。虎嗅：有没有具体的数字说明客户选择你们的方案，在同等推理任务和同等效果下，Token 成本下降了多少？稳定性达到了什么程度？夏立雪：比如在万亿参数规模的大模型场景下，我们实现的 token 每秒产能对应的性价比和一两年前相比已经做到了五到十倍的下降，这是软硬协同优化带来的运行成本下降。Token 产能有两个核心维度，一个是微观运行层面的生产效率，也就是单位时间内的 Token 产出量；另一个是宏观层面的稳定性，避免频繁停机维护导致实际产能下降。我们在这两个指标上都取得了很好的成果，最直接的证明就是客户都在持续使用我们的服务。虎嗅：内部最看重的核心指标是什么？夏立雪：本质上最终都会归拢到单位时间内的 Token 产出量，这是检验优化效果的唯一指标。我们核心关注的是无问芯穹每月能够产生多少有价值的万亿参数大模型的 Token。这个指标下涵盖两个部分：一个是 Token 每秒的生产效率，另一个是可参与生产的资源规模。软硬协同优化中也包含大规模系统稳定性的优化，这点常常被忽略，但非常重要。因为当我们从小而美的技术团队转向系统服务商时，需要为客户交付大规模持续稳定的业务，规模的扩张必须以稳定性作为支撑。虎嗅：2026 年被认为是推理大年，你们哪条业务线有明显增速？夏立雪：以公司 Agentic MaaS 平台为例，从 2025 年年底到今年 5 月，Token 调用量增速在 20 倍以上。而且这种增长是健康的结构化增长，是多种需求同时存在、有分层结构的增长，并非难以持续的单点增长。现在整个模型产业的发展类似金字塔从底部向上突破，尖端应用在不断拓展新的需求领域，AI 已经可以实现写代码、做设计、做营销，未来还可能覆盖法律等场景。推理需求的快速增长带动了全产业链的健康发展，覆盖模型公司、应用公司、基础设施服务商甚至芯片公司。从这一年的经验来看，全链路都完成数字化、所有信号都可以在数字世界闭环的任务和组织，会更快进入自我闭环的迭代，也会最优先吃到 AI 进化带来的红利乃至利润增长。人工智能本身擅长自我迭代，类似 AlphaGo 可以通过自我对弈实现快速进化。虎嗅：这些场景具体都是哪些？能举几个例子吗？夏立雪：比如代码生成场景最早爆发，一方面是研发人工智能的程序员本身最熟悉代码场景，另一方面是代码的提交、评审全流程都有数字化记录，类似的还有线上营销场景，相关流程都有数字世界的记录。整体来看，上一波数字化转型做得好的、或者互联网时代原生的场景，需求增长都非常快。如果按需求复杂度划分，我们公司 95% 的需求都来自智能体场景，也就是由 AI 完成完整可交付的任务，而非简单的聊天需求，用户更愿意为生产力和最终结果付费，这是产业落地的良性趋势。现在在代码生成这类赛道，已经可以实现 AI 团队协作，不同的 AI 分别承担代码编写、质量保障的工作，形成最简单的协作模式，这类场景已经跑通，后续也会在其他行业逐步落地，当前人工智能落地的节奏非常好，我们作为产业中资源打通的主体也会获得对应的价值。虎嗅：这是年初 OpenClaw 出现之后带来的拐点？夏立雪：在 OpenClaw 推出之前相关需求就已经出现了，OpenClaw 是产业发展到一定阶段

近日调查组公开关键证据,,华纳圣淘沙公司游戏客服：用心服务，畅享游戏乐趣，很高兴为您解答这个问题，让我来帮您详细说明一下：

玉溪市澄江市、儋州市海头镇 ，广西北海市海城区、潍坊市青州市、长治市潞城区、延边龙井市、赣州市宁都县、内蒙古包头市白云鄂博矿区、荆门市沙洋县、鞍山市岫岩满族自治县、周口市项城市、上饶市广信区、达州市宣汉县、大兴安岭地区呼中区、嘉兴市海盐县、泉州市石狮市、内蒙古阿拉善盟阿拉善右旗 、大庆市萨尔图区、四平市公主岭市、咸阳市渭城区、开封市尉氏县、商洛市丹凤县、周口市沈丘县、吉林市舒兰市、吉林市蛟河市、黔东南榕江县、内蒙古鄂尔多斯市伊金霍洛旗、凉山美姑县、成都市双流区、泸州市江阳区、西安市临潼区

全球服务区域: 咸阳市杨陵区、商丘市睢县 、临汾市安泽县、重庆市大足区、上海市松江区、白山市浑江区、吕梁市文水县、徐州市鼓楼区、泉州市金门县、重庆市铜梁区、杭州市西湖区、宣城市旌德县、陵水黎族自治县隆广镇、濮阳市台前县、抚州市宜黄县、三明市将乐县、合肥市瑶海区 、内江市东兴区、宜昌市猇亭区、榆林市清涧县、宝鸡市渭滨区、梅州市蕉岭县

全天候服务支持热线,,华纳圣淘沙公司游戏客服：用心服务，畅享游戏乐趣，很高兴为您解答这个问题，让我来帮您详细说明一下：

全国服务区域: 南昌市南昌县、临夏康乐县 、自贡市沿滩区、长春市南关区、本溪市明山区、佳木斯市同江市、佳木斯市向阳区、黄石市铁山区、万宁市礼纪镇、甘南卓尼县、屯昌县南吕镇、安康市汉滨区、泰安市泰山区、济宁市兖州区、郴州市安仁县、咸阳市渭城区、阜新市清河门区 、长治市武乡县、新乡市卫滨区、南通市海安市、本溪市明山区、东莞市凤岗镇、宁夏吴忠市青铜峡市、迪庆香格里拉市、延安市安塞区、安顺市西秀区、郴州市资兴市、锦州市古塔区、佳木斯市抚远市、大理弥渡县、宜宾市屏山县、遂宁市安居区、佛山市南海区、张家界市永定区、武汉市青山区、金华市兰溪市、黄冈市团风县、哈尔滨市松北区、宝鸡市太白县、太原市小店区、宁德市霞浦县

本周数据平台本月相关部门通报重要进展:,华纳圣淘沙公司游戏客服：用心服务，畅享游戏乐趣

在当今这个数字化时代，游戏产业已成为人们休闲娱乐的重要组成部分。而作为全球知名的游戏公司，华纳圣淘沙公司凭借其高品质的游戏产品，赢得了广大玩家的喜爱。然而，在享受游戏乐趣的同时，玩家们也难免会遇到各种问题。这时，华纳圣淘沙公司的游戏客服便成为了玩家们最可靠的“贴心小棉袄”。 华纳圣淘沙公司游戏客服团队，是一支专业、高效、热情的团队。他们始终秉持着“客户至上，用心服务”的原则，为玩家们提供全方位的游戏支持。下面，就让我们一起来了解一下华纳圣淘沙公司游戏客服的点点滴滴。 一、专业培训，提升服务质量 为了确保客服团队的专业素养，华纳圣淘沙公司对客服人员进行了一系列的培训。从游戏知识、沟通技巧到心理素质，客服人员都经过了严格的考核。这样一来，玩家在遇到问题时，可以第一时间得到专业、准确的解答。 二、7*24小时在线，随时解答玩家疑问 华纳圣淘沙公司游戏客服团队实行7*24小时在线服务，无论何时何地，只要玩家遇到问题，都可以通过客服渠道进行咨询。客服人员会耐心倾听玩家的诉求，并迅速给出解决方案，确保玩家在游戏中畅享无忧。 三、用心倾听，关注玩家需求 华纳圣淘沙公司游戏客服团队深知，玩家在游戏过程中遇到的问题千差万别。因此，他们始终保持一颗倾听的心，关注玩家的需求。在解答问题的同时，客服人员还会根据玩家的反馈，不断优化游戏体验，为玩家创造更好的游戏环境。 四、严谨处理，保障玩家权益 针对玩家在游戏中遇到的各种问题，华纳圣淘沙公司游戏客服团队会严格按照公司规定进行处理。对于涉及玩家权益的问题，客服人员会积极与相关部门沟通，确保玩家权益得到保障。 五、创新服务，提升玩家满意度 为了提升玩家满意度，华纳圣淘沙公司游戏客服团队不断推陈出新，推出了一系列创新服务。如：在线教程、游戏攻略、活动咨询等，让玩家在游戏中轻松上手，畅享游戏乐趣。 总之，华纳圣淘沙公司游戏客服团队始终以玩家为中心，用心服务每一位玩家。他们用自己的专业素养和热情，为玩家营造了一个安全、愉快的游戏环境。在未来的日子里，华纳圣淘沙公司游戏客服团队将继续努力，为玩家提供更加优质的服务，让更多玩家在游戏中找到属于自己的快乐。 在这个充满挑战和机遇的游戏时代，华纳圣淘沙公司游戏客服团队将携手广大玩家，共同创造美好的游戏生活。让我们期待他们在未来的日子里，为玩家带来更多惊喜和感动！

出品｜虎嗅科技组作者｜陈伊凡编辑｜苗正卿头图｜AI 生成过去两年，Token 的生产成本一直在下降，但售价却一直涨。看起来前后矛盾的事，背后是一笔基于 Token 商业模式逐渐成熟而成立的生意。硬件和模型，这几年不断优化迭代，几乎都指向同一个方向：更便宜的推理、更低廉的算力。但另一面，是逐渐成熟的智能体以及已经闭环的业务。" 真正靠 AI 赚到钱的人，根本不会被价格劝退，只会默默想办法降本。" 夏立雪说，他几乎没有任何思考时间就下了这个判断，似乎是已经提前看明白了这个问题。他是无问芯穹的联合创始人兼 CEO。这家 2023 年成立的、与清华大学电子工程系有深厚渊源的公司，做的一部分事情，在行业里有一个越来越流行的说法：Token 工厂。可能很难在市场上找到对标无问芯穹模式的公司，其卡住了一个此前未被发现的场景，或是长在了随着 AI 需求拉动而新诞生的结构洞上的创新模式。它不研发通用大模型，不做芯片，也不做面向 C 端的应用，它坐在芯片和模型之间，把供不应求的算力资源进行调度、匹配、优化，更高效地转化为 Token，芯片厂商、模型厂商、应用厂商等各方都需要在无问芯穹的 Agentic Infra 体系上集成，由无问芯穹进行调度和分配，这是一种由技术领先的软件与算法定义的商业模式。这种特殊的模式让无问芯穹比任何一个在 Token 产业链上的公司都能率先感知始于青萍之末的变化。我在上海模速空间无问芯穹的会议室见到夏立雪，黑色的公司文化衫，语速极快，说到技术问题，似乎进入一种 " 心流 " 状态。模速空间是上海 AI 创新的核心，以无问芯穹为圆心的 2 公里，产业链的上下游在此汇聚。夏立雪本人 图片由无问芯穹提供据公司今年 5 月披露，去年 12 月到今年 4 月底，无问芯穹的 Agentic MaaS 业务中，Token 调用量增速超过 20 倍，这是过去从未有过的增长。这个数字背后，是一件已经成为现实的事：推理，正在成为比训练大得多的市场。过去三年，AI 产业的叙事主线是训练。谁有更多 GPU，谁训练出更大的模型，谁就站在食物链顶端。算力竞赛的逻辑清晰粗暴：堆卡、堆电力、堆钱。英伟达的 H100 在黑市上卖到六位数美元，甚至要靠提前囤货。但 2025 年底开始，这个逻辑变了。2026 年推理的数据量首次超过了训练。根据国际数据机构统计，2026 年全球企业在推理基础设施上的资本支出预计达 680 亿美元 , 而训练基础设施支出为 450 亿美元。当 AI 不再只是回答一个问题，而是要完成一项复杂的任务：写完整的代码、审阅一份合同、持续跟进一个项目，它消耗的 Token 数量是聊天场景的几十倍甚至上百倍。无问芯穹的数据是，在其 Agentic MaaS 平台调用的 Token 中，95% 以上都是智能体场景。推理需求的爆发，正在把 AI 产业链的价值重心往下移。芯片制造商、模型公司、云服务商，每一层都在重新定价，而位处中枢的基础设施服务商，正在从 " 管道 " 变成 " 工厂 "，又从工厂变为在价值链拥有更大影响力的 Token 生产力转化。衡量这个工厂运转得好不好，无问芯穹内部有一个指标：每月能产出多少有价值的万亿参数级模型的 Token。这个指标拆开来看，有两个衡量标准，一个是效率：单位时间的 token 产出量；另一半是稳定性，系统能不能连续不宕机地跑下去。两个指标，在万亿参数大模型场景下，无问芯穹过去一两年实现了 5 到 10 倍的性价比提升。在无问芯穹，有一个公式：AI 生产力 = 智能规模 *Token 生产效率 *Token 价值转化。当 Token 业务在产业中能实现商业化闭环的时候，就能为市场提供更充沛、更稳定、更高性价比的优质 Token，进而在产业内获得口碑，吸引更多用户使用。拿到更多需求之后，也能提炼出更好的优化空间，一方面是接触到更多真实场景，可以明确不同优化技术在场景中的价值；另一方面是需求足够多的情况下，资源分配的调整空间更大，需求种类越丰富，和非同质化资源的适配可能性就越多，M 种模型乘以 N 种芯片的优化空间也会越来越大。这也解释了为什么 agent 的崛起对无问芯穹是一个乘数效应，而非加法。在这套公式下，飞轮正在转动。推理需求爆发，国产芯片和解决方案正在迎来全新的机会，这件事与曾经在这个领域常见的国产替代叙事截然不同。中国芯片厂商对成本的敏感和工程化的能力，正在为这个产业链带来在全球市场角逐的竞争力。AI 算力市场的现实是：芯片种类越来越多，但没有哪一张芯片能高效跑所有任务；模型规模越来越大，单机八卡早就存不下万亿参数的模型，需要集群协作；不同的推理任务，对延迟、吞吐量、精度的要求截然不同。这一切叠加在一起，让 " 把算力用好 " 这件事，变成了一个极其复杂的系统工程问题。当然，这也是中国工程化能力优势的体现。这个判断在推理侧，prefill 和 decode 的分离上得到了具体验证。大模型推理分为两个阶段：prefill 负责理解输入、构建上下文，计算密集；decode 负责逐步生成输出，通信密集、对延迟更敏感。两种任务对芯片的要求完全不同。这是 AI 算力精细化需求下爆发出的新的场景。依托团队长期在软硬协同等方面的技术积累，无问芯穹很早就开始深度研究 P/D 分离，把两类任务分配给更适合的芯片——国产芯片在 prefill 场景已经可以落地，这意味着供不应求的市场里，国产算力有了真实的着力点，不再是非黑即白的 " 能不能用 "，而是 " 在哪里用最合适 "，甚至是 " 用好 "。无问芯穹以 token 作为其 AI 生产力公式的核心变量之一，是在 2026 年，这意味着整个公司的优化目标，变为在 " 怎么把芯片用满 " 的基础上，还要解决 " 怎么让每一个 Token 产生最大价值 " ——技术优化节省的成本，直接转化为毛利，再投入下一轮研发，形成正向循环。Token，正在成为 AI 产业里最接近货币的单位。它可以被生产、被消耗、被定价、被交易。更大的判断，夏立雪用了一个类比：Token 的爆发，像极了移动互联网从 3G 到 4G 的阶段。但他补了一句，4G 时代最重要的 " 应用 " 不是微信，也不是淘宝，而是那些充分使用流量、敢于在流量便宜之后重新设计组织的公司。到了 token 时代，真正改变产业格局的未必是某一款杀手级 AI 应用，而是那些用 AI 重构内部分工、让人和 AI 真正协作起来的小型组织——十人、二十人，甚至一两个人，但生产效率远超传统同规模团队。无问芯穹团队讨论 图片由无问芯穹提供这类组织已经在出现了。" 现在不用担心没有应用场景，核心是我们能不能接得住这么多需求。"这句话引出了无问芯穹正在做的下一步：跳出纯 token 工厂的边界，开始介入 Token 的生产力转化环节。结构洞上长出的创新模式虎嗅：当华为、中兴等这些系统厂商他们也在用集群的方式提高 Token 的性价比，无问芯穹这个模式的壁垒在哪里？夏立雪：表层的壁垒是我们在软硬协同领域有充足的积累和成熟成果。我们是基于系统算法做硬件适配优化，不针对单一硬件厂商或单一模型，能力可以覆盖产业全生态，是中立的第三方，技术适配性强，在各类场景下都可以使用。其次，我们的视野是面向整个供不应求的产业做布局，把市场上所有芯片产能都作为优化的输入变量，最终实现让整个生态中所有现有主体都发挥最大价值。这不是单点的一对一优化，当产业生态复杂度提升——比如出现多种模型、多种芯片并存的情况，我们这种大体系资源优化能力就会形成生态层面的壁垒。我们团队内在的核心壁垒是始终跟进业界最新的发展变化。此前做稠密模型和 MoE 优化，之后又针对万亿参数模型难以在单一硬件上规模化扩展的问题，很早就开始深度研究 P/D 分离和半分离相关技术，目前也在研发可以差异化体现国产芯片能力的相关技术。我们的壁垒不是单点的技术领先，而是系统化的、滚动式的持续创新。虎嗅：从芯片到模型之间存在中间优化的空间，针对 Token 经济学，不同厂商也提出了不同的解决方案，例如华为和一些芯片厂商提出的 " 超节点 " 的方法，以集群能力应对单卡算力不足，从无问芯穹的立场，如何建立中间的优化层？夏立雪：现在是算法牵引系统、硬件和集群建设的时代，我们和芯片厂商有共同的目标，就是要实现真实的产业落地，只要各方能对接上、跑通业务，就是好的生态。芯片厂商最核心的是要做好自己的 " 产品说明书 "，而怎么把芯片这个复杂精密的硬件用好，是我们作为行业专家要做的事。现在国内各种各样的芯片都有类似 CUDA 的层，有 CAN、SUCA、MARCA 等不同的架构，我们的生态就是把这些架构统一接入、调度、精细化管理和资源分配，保证服务稳定，最终实现商业化闭环。虎嗅：有没有具体的数字说明客户选择你们的方案，在同等推理任务和同等效果下，Token 成本下降了多少？稳定性达到了什么程度？夏立雪：比如在万亿参数规模的大模型场景下，我们实现的 token 每秒产能对应的性价比和一两年前相比已经做到了五到十倍的下降，这是软硬协同优化带来的运行成本下降。Token 产能有两个核心维度，一个是微观运行层面的生产效率，也就是单位时间内的 Token 产出量；另一个是宏观层面的稳定性，避免频繁停机维护导致实际产能下降。我们在这两个指标上都取得了很好的成果，最直接的证明就是客户都在持续使用我们的服务。虎嗅：内部最看重的核心指标是什么？夏立雪：本质上最终都会归拢到单位时间内的 Token 产出量，这是检验优化效果的唯一指标。我们核心关注的是无问芯穹每月能够产生多少有价值的万亿参数大模型的 Token。这个指标下涵盖两个部分：一个是 Token 每秒的生产效率，另一个是可参与生产的资源规模。软硬协同优化中也包含大规模系统稳定性的优化，这点常常被忽略，但非常重要。因为当我们从小而美的技术团队转向系统服务商时，需要为客户交付大规模持续稳定的业务，规模的扩张必须以稳定性作为支撑。虎嗅：2026 年被认为是推理大年，你们哪条业务线有明显增速？夏立雪：以公司 Agentic MaaS 平台为例，从 2025 年年底到今年 5 月，Token 调用量增速在 20 倍以上。而且这种增长是健康的结构化增长，是多种需求同时存在、有分层结构的增长，并非难以持续的单点增长。现在整个模型产业的发展类似金字塔从底部向上突破，尖端应用在不断拓展新的需求领域，AI 已经可以实现写代码、做设计、做营销，未来还可能覆盖法律等场景。推理需求的快速增长带动了全产业链的健康发展，覆盖模型公司、应用公司、基础设施服务商甚至芯片公司。从这一年的经验来看，全链路都完成数字化、所有信号都可以在数字世界闭环的任务和组织，会更快进入自我闭环的迭代，也会最优先吃到 AI 进化带来的红利乃至利润增长。人工智能本身擅长自我迭代，类似 AlphaGo 可以通过自我对弈实现快速进化。虎嗅：这些场景具体都是哪些？能举几个例子吗？夏立雪：比如代码生成场景最早爆发，一方面是研发人工智能的程序员本身最熟悉代码场景，另一方面是代码的提交、评审全流程都有数字化记录，类似的还有线上营销场景，相关流程都有数字世界的记录。整体来看，上一波数字化转型做得好的、或者互联网时代原生的场景，需求增长都非常快。如果按需求复杂度划分，我们公司 95% 的需求都来自智能体场景，也就是由 AI 完成完整可交付的任务，而非简单的聊天需求，用户更愿意为生产力和最终结果付费，这是产业落地的良性趋势。现在在代码生成这类赛道，已经可以实现 AI 团队协作，不同的 AI 分别承担代码编写、质量保障的工作，形成最简单的协作模式，这类场景已经跑通，后续也会在其他行业逐步落地，当前人工智能落地的节奏非常好，我们作为产业中资源打通的主体也会获得对应的价值。虎嗅：这是年初 OpenClaw 出现之后带来的拐点？夏立雪：在 OpenClaw 推出之前相关需求就已经出现了，OpenClaw 是产业发展到一定阶段