软硬协同破局：360 联合昇腾 AI，打通多智能体长链路推理落地底座！

AI Agent 正在从简单问答走向复杂任务执行、多智能体协同作业、上千步长链路推理。

但大量实践显示，很多智能体原型 Demo 表现亮眼，一旦面对高频工具调用、多角色蜂群协作、超长上下文任务，就会出现时延高、任务中断、成功率下滑等一系列问题。

9 月 17 日，在第十一届华为全联接大会上，360 集团与昇腾 AI 正式联合发布解决方案，以 360 智能体工厂的上层编排能力结合昇腾 AI 底层算力专项优化，为复杂任务执行、多智能体协作和长链路推理提供完整底层支撑。

这也是双方继 2026 世界人工智能大会联合展出之后，合作成果走向深化落地。

模型定义智能上限，算力底座决定业务落地下限。 单智能体不难，多智能体长链路稳定运行才是难关。

行业隐形瓶颈：为什么多智能体长链路任务很难跑稳

当 AI Agent 跳出一问一答的简单交互，转向真实业务场景，系统负担会成倍放大。不少企业选型阶段只盯着大模型本身，忽略 Agent 对推理底座的特殊负载，等到业务上线才暴露稳定性缺陷。

复杂业务需要持续任务拆解、规划决策、反复工具调用、多角色分工协作，带来三大现实瓶颈。

第一，长链路推理带来巨大 KV‑Cache 读写压力，上下文越长，显存占用、时延快速抬升。

第二，多智能体蜂群并发，多层嵌套组队、共享记忆，对调度、吞吐、并发能力提出高要求。

第三，上千步连续任务，任何中间环节抖动、算力毛刺，都可能直接造成任务中断失败。

很多原型可以跑通短 Demo，但迁移到真实业务长流程，稳定性、吞吐就会快速恶化。

上层编排：360 智能体工厂，蜂群多智能体协作体系

方案上层核心是 360 智能体工厂，承担智能体生成、编排、调度的完整职能，支持通过自然语言快速生成智能体，组建多智能体协作蜂群。

本次发布是继 WAIC2026 对外展示原型之后，完成算力‑编排深度联调，从演示原型迭代为可内测的工程化版本。

自研蜂群多智能体协作技术，支持智能体多层嵌套、灵活组队、共享协作记忆，实现任务自主规划协同执行。实测场景下，原本需要 2 小时完成的多角色协作任务，缩短至 20 分钟，整体效率提升 6 倍。

内测数据显示，依托整套联合方案，可实现超过 1000 步复杂任务连续执行不中断，任务成功率可达 95% 以上。同时具备透明化人机协同，智能体思考路径、任务规划、执行状态全程可视化，方便业务人员干预与校验。

方案兼容 DeepSeek、Qwen、GLM 等主流大模型底座，不绑定单一模型，给企业选型带来灵活性。

底层算力底座：昇腾 AI 面向 Agent 场景做定向推理优化

如果说智能体工厂解决 “怎么组织多个 Agent 干活”，昇腾 AI 解决的就是 “让大规模长链路任务跑得稳、跑得快”。

KV‑Cache 相当于大模型的会话记忆缓存，长链路智能体会反复读写这块缓存，也是拖慢长任务执行最主要元凶。

针对智能体特有的长序列推理、高频 KV‑Cache 读写痛点，昇腾 AI 完成一整套专项优化：长序列优化、吞吐优化、运行时优化、算子优化。

包含 Prefix Cache 公共前缀缓存、Chunk Prefill 长输入分块预填充，降低首 Token 时延；结合 DP/TP/EP 多级并行、MTP 多 token 预测提升整体吞吐；算子融合减少数据搬运开销。

整套优化不只是面向通用大模型对话，而是针对性适配 Agent 高频工具调用、循环推理、多智能体并发的业务特征，保障高并发长任务场景的稳定性。

蜂群编组事纷繁，长链千步怕中断。

软硬相济齐发力，智体方能落地安。

Agent 的能力上限，一半来自大模型，另一半来自算力底座与智能体编排工程。

智能体工厂如同项目总指挥部，负责派活、分组、分配角色、跟踪进度；昇腾 AI 算力底座如同高性能工地，保证大量队伍同时干活，长周期作业不卡顿、不停工，二者缺一不可。

软硬协同之外，国产 Agent 规模化仍待翻越的山头

360 与昇腾这套软硬协同方案，补齐从原型 Demo 走向业务投产的其中关键一环，整套方案基于国产软硬件栈，对于摆脱海外推理生态依赖具备参考价值，但不等于全部问题迎刃而解。生态成熟还需要更多行业实践沉淀。

首先，上述 1000 步任务、95% 成功率来自内测环境数据，迁移到千行百业真实多变业务，还需要持续打磨适配。

其次，多智能体体系带来权责风险：多个 Agent 协同行动，动作边界、权限、风险溯源、异常拦截依旧是行业共性难题。360 本身具备安全基因，但业务场景的安全管控仍需要和行业规则持续磨合。

再者，企业落地还需要行业 Know‑how 注入。再好的编排平台与算力底座，依然离不开业务专家参与场景梳理、任务定义。

从联合方案展出，到大规模行业复制落地，中间仍存在实践距离。

编排算力两相欢，落地还须业务观。

莫信Demo多惊艳，千磨万炼始平安。

AgenticAI 竞争，正在从单纯比拼大模型参数，延伸到 “编排框架 + 算力底座 + 行业适配” 的完整体系能力。

360 与昇腾 AI 的软硬协同，为国产多智能体长链路任务，提供一条可探索的落地路径。

你觉得制约多智能体走向企业大规模落地，最大卡点是算力、编排调度，还是业务与安全管控？欢迎聊聊你的看法。

#AIAgent#360智能体工厂#昇腾AI#多智能体#长链路推理

【免责声明】：本文部分配图源自公开渠道或CC0协议素材，仅作行业交流与产业参考使用。如涉侵权，请联系后台处理。本文仅做行业科普与实操分享，不构成任何投资、消费决策建议。文中数据及案例均来自公开信源，仅供参考，具体以实际为准。