还铭记年头爆火的龙虾吗？这类可践诺的智能体，正偷偷爬进产业，在实业场景里爆发。在鲲鹏昇腾开发者大会 2026 现场，给我一种不谈智能体平直过时的嗅觉。

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，以至自主遐想实验、优化决议，让科研不再是试错苦旅。

企业劳动规模，曩昔分析师团队耗时半个月的行业研报、竞品分析与数据建模职责，如今数十个 Agent 协同单干，几天就能科罚。

而智能体的每一次自主决策、每一轮迭代优化，都在驱动 Token 耗尽量攀升。万亿 Token 期间也曾到来，扫数行业、扫数企业都不得不直面一场 AI infra 的才略大考：AI 基础措施，咱们的确准备好了吗？

一方面是业务场景的极致复杂度。在保举、交互等极致低时延场景下，毫秒级的延长差距大要平直影响到居品体验与商场竞争力，超低延长、超高轮廓的推理需求成为刚需。

而与此同期，大都企业聚焦模子与期骗层创新，却漠视了算力养息、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枢纽期，我在大会现场深度采访了国产推理引擎 xLLM 时势负责东说念主刘童璇。从这支扎根国产化赛说念的本领团队身上，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。

它孤苦孤身一人地站在那边

显得并立而又倔强

似乎行将倾跌进幽谷里

却又像是要展翅航行……

——《陡壁边的树》

xLLM 为什么额外？海量 Token 的激增需求，重叠居高不下的算力资本、国外算力生态的不细目性，让算力优化成为 AI 落地的最枢纽问题。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；上接期骗，高效连结万亿 Token 级的海量申请。

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，源于一个陡壁边的接收。

时辰拨回 2024 年下半年，xLLM 立项之初，国外算力框架占据都备主流，行业内简直莫得东说念主得志 all in 国产推理引擎的原生研发。其时，摆在 xLLM 团队眼前的，是一说念终极接收题：究竟是依附锻真金不怕火的国外开源框架，简陋适配国产芯片，作念浅层增量变嫌，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 团队作念出了鉴定的抉择，从零搭建世界产推理体系，不作念夹杂乎配、不依附国外框架，绝对扎根国产算力生态。

刘童璇反复而笃定地强调，要是平直在国外框架上接济国产芯片，会受到很大约束，因为国产芯片生态与 CUDA 生态不同，优化妙技也不相同。强行适配会受到已有框架的约束，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，才能真实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握续的保险。

从零起步的抉择，换来的是极致的本领解放，却也伴跟着难以联想的困境。

本领上的挑战首当其冲。国产芯片生态碎屑化，各种国产芯片架构迥异，莫得谐和、通用的编程模子，无法复刻 CUDA 体系的锻真金不怕火适配逻辑。统一大模子，需要针对不同芯片架构单独重写、深度调优，适配资本极高。更难办的是，其时国产芯片在 FP16、INT8 等精度的接济不够，极易出现各种 BUG，优化效果没东说念主敢打保票。

同期，国内清寒原生国产高性能推理引擎的通用决议，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 开发推理引擎的教育，濒临复杂的底层架构遐想与全链路优化职责，未免清寒信心。

起步阶段，是通盘研发周期中最贫困时期。濒临陡壁绝境般的困境，团队废弃广撒网的适配想路，莫得盲目铺开试水，辘集锚定 DeepSeekV3/R1 模子，死磕单一模子的国产化推理优化。

于陡壁边扎根，在窘境中滋长，xLLM 恰如崖柏，展现出决然的本领生命力。时势阐扬开源之前，团队终于对自建世界产推理引擎这件事有了信心。

一棵树，彼此孤离地立正着……但在土壤的粉饰下，它们的根伸长着。在看不见的深处，它们把根须纠缠在全部——艾青《树》

认定世界产这条路能跑通的变嫌点，出当今时势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 的优化才略迎来了质的飞跃，将蓝本毫秒级的养息舛讹压缩至百微秒以下，让国产硬件的性能得以极致开释。

在此之前，行业遍及感知到，国产芯片的性能与 N 卡存在自然差距，苟简只须国外先进芯片的 60% — 70%。但 xLLM 绝对突破了这一融会。在同等模子、同等部署条款下，xLLM 赋能昇腾芯片跑出的推感性能，大要达到 H200 的 80% — 90%。

在刘童璇看来，这一性能剖析，是国产软硬件深度协同的系统性得手。既源于 xLLM 框架层的架构变嫌与算法优化，也收货于与国产芯片厂商的良好协调，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打算方法的改进。

比如说，昇腾 CANN、Mind 系列开源软件栈，具备完善的算子适配、模子兼容才略，大要高效匹配 xLLM 的自研架构，大幅缩短原生推理引擎的适配资本与变嫌难度。

此外，xLLM 也得到了昇腾社区的高效反映。两边开发了常态化深度协同机制，通过每周本领例会同步迭代程度、攻克本领难题，昇腾以至派团队常驻亦庄，与 xLLM 团队伙同办公，从决议打磨、本领攻坚到场景落地全进程共建，罢了本领迭代无缝衔尾。

结果等于，xLLM 的原生架构遐想与昇腾超节点的本领特质高度契合，变成惟一无二的软硬协同上风，基于昇腾在推感性能上获取更优剖析，在漫步式推理、高并发轮廓场景下，能罢了性能最大化。

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，脱落的国产芯片厂商、本领团队、模子生态被串联在全部，根系相连，才略互补，开云(中国)变成产业协力。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后果，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：一项原生本领，如何真实走出代码，走进真实产业场景？开源，成了唯一亦然最好的谜底。

2025 年 8 月，xLLM 阐扬在 Github 开源，开放给全行业共同使用和创新。但上传源代码仅仅运行，真实的挑战是如何被开发者用起来，招引更多的东说念主参与到时势中，以至成为社区孝顺者？

深耕产业多年的刘童璇，极度通晓本领研发与业务落地之间，存在巨大的 gap。比如说，产业分娩环境复杂多变、需求碎屑化，对框架的贯通性要求极致严苛；开发者从早已民俗锻真金不怕火的 CUDA 生态向国产 CANN 生态切换时遍及存在资本费神。

这些问题不明决，xLLM 在开源社区的竞争力和生命力就无从谈起。

下定决心作念大生态，xLLM 走出了最为枢纽的三步：

第一步，性能，性能，如故性能。

刘童璇合计，推理引擎的性能是芯片厂商、模子厂商与行业客户都最介意的成见，亦然推理引擎最刚性的竞争力所在。以国产芯片厂商为例，都以客户需求为导向，需要适配各家企业的独到框架，大都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 恒久将性能优化行为中枢底色，握续压缩推理时延、拉高轮廓上限，鉴定冲刺 1 毫秒以下超低推理耗时地方，在生成式保举、大模子对话、多模态生成、工业智能巡检等刚需场景中，罢了数十倍的性能进步。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，让各种国产大模子都能在国产芯片上开释最优性能。

第二步，得到来自真实业务考据的才略背书。

开源本领的最大短板，在于清寒大限度线上分娩环境的打磨。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，可能出现各种问题，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，等于出身于产业，依托海量真实业务场景完周密链路打磨。相较于传统保举模子，新一代大模子结构的生成式保举模子泛化才略更强，大要显赫进步商品保举精确度与用户购买滚动率。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，拉升电商滚动率的同期，机器硬件资本缩短 90%。

与此同期，这套决议也曾成为繁密运营商、大型央国企、互联网企业的接收。

第三步，依托昇腾生态，买通本领落地的扩充 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，绝对解决了行业最头疼的兼容适配难题，大幅缩短全产业落地门槛，马上融入国产算力中枢生态体系，两边协力打造圭臬化行业解决决议。昇腾锻真金不怕火的产业渠说念、客户体系、生态伙伴资源，为 xLLM 提供了广漠的落地场景。如今，xLLM 已平淡落地电力、动力、政务、交通等枢纽规模。

当昇腾依托开源的 xLLM 框架，将大模子推理才略封装进智能一体机，得手部署至辽远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 从一株陡壁边的崖柏，乘开源之风，聚开发者之力，成长成一派产学研用共同参与的丛林。xLLM 的成长过程，亦然填平本领与产业断层、加快国产 AI 生态腾飞的过程，中国的 AI 产业已为理睬智能体与万亿 Token 期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 期骗紧紧扎根在自主创新的算力底座之上，为智能体期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。刘童璇合计，国产推理引擎必须解决几个新的难题，一是延长。智能体贯串决策、及时交互、生成式保举等场景，1 毫秒以下以至百微秒级超低延长成为产业标配，对推理时延提倡极致要求。二是全模态。AI 期骗从单一文本生成，走向图文、音视频、三维履行和会的全模态期间，推理框架必须接济全模态的输入输出才略。三是亿级高下文。行业向亿级超长高下文演进，对推理系统变周密新试验。

万亿 Token 带来了行业的结构性机遇，而收拢机遇的前提，是应酬好本领趋势对推理架构的挑战。生态共建，成为中国 AI 破解扫数难题的枢纽。

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。生态大要集聚不同芯片厂商、模子团队、行业开发者共同参与，握续松开与国外 AI 软硬件的差距。此外，单一团队、单一企业无法连结期间级的产业变革，国产 AI 东说念主才是千行百业期骗创新的起源。

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，伙同昇腾生态，打造社区 + 高校 + 产业三位一体的东说念主才种植体系，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，饱读吹后生开发者在实战中历练才略，挖掘具备产业后劲的创新东说念主才。后续，xLLM 社区将握续加绽放放力度，缩短参与门槛，通过任务拆解、野心公开、轻量化入局的模式，让学生开发者、中小企业研发团队，即使莫得巨大算力与东说念主力资源，也能参与到国产 AI 本领的发展中来。

也曾空缺的国产推理引擎，已根深叶茂；也曾艰难的国产算力，已厚植沃土；也曾各利己战的国产 AI 生态，也有了根系交汇、春意盎然的时势。当咱们站在智能体 AI 期间的大门之前，终于有了底气。

每一个开发者，都是中国 AI 产业的种子，扎根在各自的规模与岗亭，让国产软硬件生根发芽。当无数期骗之花在行业盛开，时辰将会铭刻，这是扫数中国开发者用一溜行代码写就的，不服的春天。

那就用《种子的梦》来结果吧：

为了冲破那土层的压力，

我极少一滴地积蓄效率气。

我想念那明媚的阳光，

我想念那轩敞的地面……

开云(中国)