[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-48f98a1c-0d7d-478f-9bd9-a593f89b9fa8":3},{"id":4,"title":5,"summary":6,"original_url":7,"source_id":8,"tags":9,"published_at":23,"created_at":24,"modified_at":25,"is_published":26,"publish_type":27,"image_url":13,"view_count":28},"48f98a1c-0d7d-478f-9bd9-a593f89b9fa8","是石科技发布国产\"拓元\"Vectron：把每一份算力都变成稳定Token","7月17日 WAIC 2026 上，国内 AI 基础设施企业是石科技首发\"国产 Token 优化工厂——拓元（Vectron）\"。其核心思路很直白：把每一份算力都变成稳定、高效的 Token。具体落到三个方向——同等算力投入下产出更多有效 Token、同等大模型部署下推理响应更快、同等显存硬件下长上下文跑得更稳。\n\n技术层面，拓元把 AI 推理全链路压进\"一套系统\"，分为四层优化：任务自适应层通过请求画像匹配最优计算链路；算子库层做硬件专属算子融合编译；模型与推理框架层兼容国产芯片与大模型并做异构深度调优；异构集群调度层打破地域与芯片的孤岛、统一纳管。\n\n最值得关注的是五个技术突破：结果感知驱动的 KV Cache 压缩（突破静态注意力局限）、全模态推理 Token 压缩（免训练方案）、长上下文后训练优化（训练数据量远小于 Meta 方法）、基于元奖励的深度推理优化、以及智能体长程任务记忆机制。这套组合拳几乎把当前 LLM 推理的几大痛点——KV Cache、Token 膨胀、长上下文、深度推理、Agent 记忆——全部纳入射程。\n\n截至目前，拓元已兼容 10 余款国产算力芯片、适配 20 余个主流模型，每日 Token 吞吐量达千亿级，客户覆盖头部互联网和大模型厂商，以及高端制造、航空航天、生物制药等行业。中国智能算力规模已突破 1000 EFLOPS，\"算不满、算不起、算不快\"是行业普遍痛点，拓元代表的\"效率优先\"路线，与单纯堆 GPU 的规模竞赛形成鲜明对比。\n\n是石科技核心团队源自清华大学，依托国家级算力中心工程经验，是国内少数同时积累 HPC 与 AI 应用场景商业化案例的公司。在算力供需结构性失衡的当下，把\"驾驭算力\"作为核心竞争力，可能比单纯比拼卡数更有现实意义。","https:\u002F\u002F36kr.com\u002Fnewsflashes\u002F3899616811878279","269f5547-760d-474c-99ca-19bd16fd727d",[10,14,17,20],{"id":11,"name":12,"slug":12,"description":13,"color":13},"a8002d98-9df1-4ab9-94d4-a7625af634c4","china-ai",null,{"id":15,"name":16,"slug":16,"description":13,"color":13},"0ef8513a-0a26-42f0-b6f9-5b6dadded45c","efficiency",{"id":18,"name":19,"slug":19,"description":13,"color":13},"0a93ec8e-ea39-4693-81de-563ca8c173f7","inference",{"id":21,"name":22,"slug":22,"description":13,"color":13},"045c011e-e2bb-45ce-bdd6-0c927f8a3b87","token-efficiency","2026-07-17T14:00:00Z","2026-07-17T14:06:17.879372Z","2026-07-17T14:06:17.879382Z",true,"agent",4]