小九体育万亿Token时间，国产AI Infra准备好了吗？

发布日期：2026-05-29 14:44 来源：未知作者：admin 浏览次数：

还紧记岁首爆火的龙虾吗？这类可实施的智能体，正暗暗爬进产业，在实业场景里爆发。在鲲鹏昇腾开辟者大会 2026 现场，给我一种不谈智能体平直过期的嗅觉。

中科大团队让 Agent 担任机器化学家，自主啃下上万篇化学文件，以至自主联想实验、优化决策，让科研不再是试错苦旅。

企业做事领域，往日分析师团队耗时半个月的行业研报、竞品分析与数据建模责任，如今数十个 Agent 协同单干，几天就能经管。

而智能体的每一次自主决策、每一轮迭代优化，齐在驱动 Token 破费量攀升。万亿 Token 时间还是到来，总共行业、总共企业齐不得不直面一场 AI infra 的材干大考：AI 基础才略，咱们简直准备好了吗？

一方面是业务场景的极致复杂度。在推选、交互等极致低时延场景下，毫秒级的延长差距梗概平直影响到家具体验与商场竞争力，超低延长、超高蒙眬的推理需求成为刚需。

而与此同期，多量企业聚焦模子与利用层创新，却淡漠了算力诊治、推理优化等底层基建的决定性作用，AI infra 的中枢价值被低估。

在全行业机遇和挑战并存的关键期，我在大会现场深度采访了国产推理引擎 xLLM 名堂负责东说念主刘童璇。从这支扎根国产化赛说念的时候团队身上，看到了 AI infra 的破局谜底，也看到了托举智能中国的根源力量。

它孤单地站在那处

显得寂寥而又倔强

似乎行将倾跌进山地里

却又像是要展翅遨游……

——《峭壁边的树》

xLLM 为什么绝顶？海量 Token 的激增需求，重叠居高不下的算力资本、国外算力生态的不笃定性，让算力优化成为 AI 落地的最关键问题。而推理引擎，下接硬件，通过深度优化来进步芯片的模子运行性能，压缩大模子的推理耗时；上接利用，高效相连万亿 Token 级的海量肯求。

适配国产芯片、高性能的国产推理引擎三三两两。xLLM 的出现，填补了行业空缺。而这，源于一个峭壁边的聘任。

时辰拨回 2024 年下半年，xLLM 立项之初，国外算力框架占据齐全主流，行业内险些莫得东说念主怡悦 all in 国产推理引擎的原生研发。其时，摆在 xLLM 团队眼前的，是一说念终极聘任题：究竟是依附熟练的国外开源框架，浅显适配国产芯片，作念浅层增量校正，如故从零起步，原生自研一套纯国产推理引擎，走一条充满未知的绝壁之路。

xLLM 团队作念出了强硬的抉择，从零搭建寰球产推理体系，不作念混符合配、不依附国外框架，透澈扎根国产算力生态。

刘童璇反复而笃定地强调，若是平直在国外框架上复古国产芯片，会受到很大敛迹，因为国产芯片生态与 CUDA 生态不同，优化技巧也不相似。强行适配会受到已有框架的敛迹，长久无法挖掘国产算力的极致性能。同期，企业作念 AI 必须要有算力压舱石，唯有原生自研，才能简直为国产算力量身打造最优推理底座，也为企业业务提供可靠可抓续的保险。

从零起步的抉择，换来的是极致的时候开脱，却也伴跟着难以想象的困境。

时候上的挑战首当其冲。国产芯片生态碎屑化，各类国产芯片架构迥异，莫得合伙、通用的编程模子，无法复刻 CUDA 体系的熟练适配逻辑。灭亡大模子，需要针对不同芯片架构单独重写、深度调优，适配资本极高。更辣手的是，其时国产芯片在 FP16、INT8 等精度的复古不够，极易出现各类 BUG，优化效果没东说念主敢打保票。

同期，国内勤恳原生国产高性能推理引擎的通用决策，这支以 95 后工程师为中枢的年青团队，成员大多莫得从 0 到 1 树立推理引擎的警戒，靠近复杂的底层架构联想与全链路优化责任，不免勤恳信心。

起步阶段，是通盘研发周期中最艰辛时期。靠近峭壁绝境般的困境，团队烧毁广撒网的适配想路，莫得盲目铺开试水，结合锚定 DeepSeekV3/R1 模子，死磕单一模子的国产化推理优化。

于峭壁边扎根，在困境中孕育，xLLM 恰如崖柏，展现出飘荡的时候人命力。名堂讲求开源之前，团队终于对自建寰球产推理引擎这件事有了信心。

一棵树，互相孤离地耸峙着……但在土壤的遮掩下，它们的根伸长着。在看不见的深处，它们把根须纠缠在一说念——艾青《树》

认定寰球产这条路能跑通的移动点，出咫尺名堂开源之前的性能攻坚阶段。

在长达数月的全链路深耕与芯片联调后，xLLM 的优化材干迎来了质的飞跃，将蓝本毫秒级的诊治破绽压缩至百微秒以下，让国产硬件的性能得以极致开释。

在此之前，行业广泛感知到，国产芯片的性能与 N 卡存在自然差距，轻便只好国外先进芯片的 60% — 70%。但 xLLM 透澈冲破了这一默契。在同等模子、同等部署条目下，xLLM 赋能昇腾芯片跑出的推感性能，梗概达到 H200 的 80% — 90%。

在刘童璇看来，这一性能施展，是国产软硬件深度协同的系统性奏效。既源于 xLLM 框架层的架构创新与算法优化，也收成于与国产芯片厂商的精细团结，优化涵盖了从上到下的通盘链路，包括推理引擎框架层的优化和底层计较门径的改进。

比如说，昇腾 CANN、Mind 系列开源软件栈，具备完善的算子适配、模子兼容材干，梗概高效匹配 xLLM 的自研架构，大幅裁汰原生推理引擎的适配资本与校正难度。

此外，xLLM 也得到了昇腾社区的高效反馈。两边树立了常态化深度协同机制，通过每周时候例会同步迭代进程、攻克时候难题，昇腾以至派团队常驻亦庄，与 xLLM 团队合伙办公，从决策打磨、时候攻坚到场景落地全过程共建，已毕时候迭代无缝衔尾。

落幕等于，xLLM 的原生架构联想与昇腾超节点的时候特质高度契合，酿成唯独无二的软硬协同上风，基于昇腾在推感性能上赢得更优施展，在踱步式推理、高并发蒙眬场景下，能已毕性能最大化。

随后，xLLM 逐渐完成了其他主流国产芯片的深度适配与优化，以及与 DeepSeek、Qwen、GLM 等头部模子厂商的深度协同。

通过推理引擎，零碎的国产芯片厂商、时候团队、模子生态被串联在一说念，根系相连，材干互补，小九体育酿成产业协力。不错说，xLLM 的性能突破之路，亦然国产 AI 生态聚力共生、聚木成林的一个缩影。

与国际顶尖硬件掰手腕的实测效率，给了 xLLM 团队极大的信心，国产化自研道路完全可行。一个新的命题随之而来：一项原生时候，若何简直走出代码，走进简直产业场景？开源，成了唯一亦然最好的谜底。

2025 年 8 月，xLLM 讲求在 Github 开源，灵通给全行业共同使用和创新。但上传源代码仅仅驱动，简直的挑战是若何被开辟者用起来，眩惑更多的东说念主参与到名堂中，以至成为社区孝顺者？

深耕产业多年的刘童璇，超过明晰时候研发与业务落地之间，存在巨大的 gap。比如说，产业坐褥环境复杂多变、需求碎屑化，对框架的安静性要求极致严苛；开辟者从早已民俗熟练的 CUDA 生态向国产 CANN 生态切换时广泛存在资本费神。

这些问题不明决，xLLM 在开源社区的竞争力和人命力就无从谈起。

下定决心作念大生态，xLLM 走出了最为关键的三步：

第一步，性能，性能，如故性能。

刘童璇觉得，推理引擎的性能是芯片厂商、模子厂商与行业客户齐最留心的观念，亦然推理引擎最刚性的竞争力所在。以国产芯片厂商为例，齐以客户需求为导向，需要适配各家企业的独到框架，多量框架无法开释国产芯片极致算力，导致国产硬件空有硬件底座，却难以跑出匹配产业需求的推理效率。

xLLM 长久将性能优化当作中枢底色，抓续压缩推理时延、拉高蒙眬上限，强硬冲刺 1 毫秒以下超低推理耗时地方，在生成式推选、大模子对话、多模态生成、工业智能巡检等刚需场景中，已毕数十倍的性能进步。团队主动联动头部模子厂商，首发适配 GLM4.6V、GLM4.7 等主流国产模子，让各类国产大模子齐能在国产芯片上开释最优性能。

第二步，得到来自简直业务考据的材干背书。

开源时候的最大短板，在于清贫大范围线上坐褥环境的打磨。纯实验室、纯社区驱动的框架，一朝落地到复杂集群、低容错的产业场景中，可能出现各类问题，这亦然产业用户不敢平直使用开源版块的费神。

xLLM 与生俱来的上风，等于降生于产业，依托海量简直业务场景完周详链路打磨。相较于传统推选模子，新一代大模子结构的生成式推选模子泛化材干更强，梗概权贵进步商品推选精确度与用户购买革新率。但大模子的超大参数，也导致推理耗时激增，并发承载困难，严重制约产业落地。xLLM 将超大模子的推理时延极致压缩，拉升电商革新率的同期，机器硬件资本裁汰 90%。

与此同期，这套决策还是成为繁密运营商、大型央国企、互联网企业的聘任。

第三步，依托昇腾生态，买通时候落地的引申 gap。

xLLM 立项之初便原生适配昇腾 CANN 体系，消解了生态迁徙资本，透澈解决了行业最头疼的兼容适配难题，大幅裁汰全产业落地门槛，连忙融入国产算力中枢生态体系，两边协力打造表率化行业解决决策。昇腾熟练的产业渠说念、客户体系、生态伙伴资源，为 xLLM 提供了广阔的落地场景。如今，xLLM 已平凡落地电力、动力、政务、交通等关键领域。

当昇腾依托开源的 xLLM 框架，将大模子推理材干封装进智能一体机，奏效部署至迢遥地区电站并落地电力智能巡检场景时，刘童璇真切感受到了代码督察民生国计的力量。

xLLM 从一株峭壁边的崖柏，乘开源之风，聚开辟者之力，成长成一派产学研用共同参与的丛林。xLLM 的成长过程，亦然填通俗候与产业断层、加快国产 AI 生态升起的过程，中国的 AI 产业已为迎接智能体与万亿 Token 时间的全面爆发作念好了准备。

xLLM 推理引擎，鼓励国产模子与国产芯片的适配，让行业 AI 利用紧紧扎根在自主创新的算力底座之上，为智能体时间的到来筑实了根基。

如今，多模态普及、智能体自主协同、亿级超长高下文场景落地，正在倒逼通盘推理体系重构。刘童璇觉得，国产推理引擎必须解决几个新的难题，一是延长。智能体陆续决策、及时交互、生成式推选等场景，1 毫秒以下以至百微秒级超低延长成为产业标配，对推理时延提议极致要求。二是全模态。AI 利用从单一文本生成，走向图文、音视频、三维试验和会的全模态时间，推理框架必须复古全模态的输入输出材干。三是亿级高下文。行业向亿级超长高下文演进，对推理系统酿周详新教师。

万亿 Token 带来了行业的结构性机遇，而收拢机遇的前提，是应付好时候趋势对推理架构的挑战。生态共建，成为中国 AI 破解总共难题的关键。

国产算力、模子与 AI 东说念主才，是驱动国内产业智能化必不成少的三驾马车。生态梗概汇注不同芯片厂商、模子团队、行业开辟者共同参与，抓续迟滞与国外 AI 软硬件的差距。此外，单一团队、单一企业无法相连时间级的产业变革，国产 AI 东说念主才是千行百业利用创新的起源。

因此，xLLM 一方面深度联动清华、北大、北航、中科大、北邮、天大等十余所顶尖高校，联动数十位高校导师、近五十名实习生共建研发。同期，合伙昇腾生态，打造社区 + 高校 + 产业三位一体的东说念主才栽培体系，在华为 ICT 大赛等官方赛事，抛出"百微秒级推理耗时优化"等产业命题，饱读吹后生开辟者在实战中历练材干，挖掘具备产业后劲的创新东说念主才。后续，xLLM 社区将抓续加打灵通力度，裁汰参与门槛，通过任务拆解、筹办公开、轻量化入局的格局，让学生开辟者、中小企业研发团队，即使莫得宏大算力与东说念主力资源，也能参与到国产 AI 时候的发展中来。

也曾空缺的国产推理引擎，已根深叶茂；也曾艰苦的国产算力，已厚植沃土；也曾各利己战的国产 AI 生态，也有了根系交汇、勃勃祈望的振作。当咱们站在智能体 AI 时间的大门之前，终于有了底气。