国内的人工智能基础设施赛道，刚落地一笔大额融资。
无问芯穹完成 C 轮，融资额 23 亿元。
加上前面几轮，它累计拿到 43 亿元。
单轮和累计，两个数字都刷新了国内同行的纪录。
有外媒提到，这家公司正在筹备 IPO。
2023 年成立到现在，它从清华园里走出来，站到了资本市场的灯下。
身后有国资机构，有产业投资方，也有市场化的财务投资人。
他们押的其实是同一条赛道。
智能时代的地基。
海对面的同行，估值涨得更凶。
Fireworks 估值 175 亿美元。
Baseten 到了 130 亿美元。
Together 也有 83 亿美元。
英伟达给这三家都投了钱。
芯片链最上游的动作，往往比新闻更早说明趋势。
眼下的竞争，正沿着算力一路滑向另外两件事。
一个是 Token 的生产效率，一个是应用的落地能力。
谁能把五花八门的算力，变成稳定，便宜，随时可调的算力服务，谁就握住了下一门大生意的入口。
那这笔 23 亿元背后，资本到底看中了什么。
是踩中了风口，还是攒下了别人绕不过去的家底。
往下看。
从清华电子工程系出发
清华系的大模型公司，业内已经数得出几家。
智谱，月之暗面，生数科技。
无问芯穹的根，同样扎在清华大学的电子工程系。
公司发起人汪玉，是清华电子工程系长聘教授，时任系主任，也是 IEEE Fellow。
联合创始人兼 CEO 夏立雪，学士和博士都毕业于清华电子工程系。
他长期做人工智能系统设计方法学，也在阿里云管过用户增长产品。
一边是底层系统研究，一边是产业里的产品实践。
另一位联合创始人兼首席科学家戴国浩，同样出自清华电子工程系。
他目前是上海交通大学副教授，拿过多个国际学术会议的最佳论文奖。
CTO 李伯勋也有清华电子工程系的学士和硕士，此前在旷视科技做算法总监。
三个人共同的积累，来自汪玉带的那个小组。
纳米集成电路与系统实验室高能效计算组。
从 2008 年开始，这个小组就盯着软硬件协同和算力系统。
早年的行业逻辑很简单。
堆更多算力，撑起更大的模型。
后来国产芯片起来了，算力供给变得多元。
新问题跟着冒出来。
不同品牌，不同架构的芯片，怎么一起干活。
分散的算力资源，又怎么变成稳定可用的训练和推理能力。
这正是无问芯穹啃了很多年的硬骨头。
公开资料里有一组数据。
2024 年，它完成了全球首次 4 加 2 式的 700 亿参数异构芯片混合训练。
用了华为昇腾，天数智芯，沐曦，摩尔线程四种国产芯片，外加 AMD 和英伟达两种进口芯片。
算力利用率达到 97.6%。
现在的进度是，两个工作日就能完成一次新芯片适配。
国产芯片的适配成本，降了七成以上。
在万亿参数级 MoE 模型训练里，吞吐比主流开源框架高出 41% 到 75%。
推理成本在一年之内降了 10 倍。
这些数字背后，是一段十多年的科研积累。
从长期看，国产化和算力供给的碎片化，会让异构协同变成持续性的产业需求。
无问芯穹提前围着「M 种模型乘 N 种芯片」搭体系。
刚好压住了这条需求线。
先发的位置就是这么来的。
前店后厂一中心
智能体应用跑得越快，基础设施要处理的任务就越复杂。
2026 年世界人工智能大会上，无问芯穹提出了自己的打法。
前店后厂一中心。
拆开来是三个部分。
第一部分叫算力集散中心。
对应的是自主式基础设施平台，管的是多元异构算力的汇聚和调度。
针对算力分散的现状，它做了一套面向异构集群的大模型跨域训练系统。
这套系统已经受过三类生产级考验。
一类是超远距离聚合。
公司联合中国电信，在国内首次完成超过 4000 公里的跨域混训。
新疆哈密和广东深圳两地集群联合训练，性能提升 165%。
一类是多数据中心聚合。
打通四个不同代际，不同型号的 GPU 集群，联合训练近百亿参数模型。
四集群协同，性能提升 41%。
还有一类是混合云算力聚合。
本地私有集群和公有云算力安全互通，整体性能提升 68%。
目前这套系统在全国触达超过 37000P 算力，覆盖 16 种主流芯片。
第二部分是 Token 工厂。
对应的是大模型服务平台，把模型能力变成能直接调用的服务。
2026 年 7 月，夏立雪在大会上披露了新一代推理系统的优化结果。
跨集群异构 PD 分离架构。
靠着线上业务长期跑出来的实践积累，这套架构把首个 Token 的延迟压低了 51.5%，单个 Token 的成本降了 37.5%。
过去一年，推理成本被压低了 10 倍。
公司认为这还没到头。
随着新架构规模化落地，推理成本还有再降 10 倍的空间。
增长也真的转起来了。
官方数据是，到今年 7 月，平台单日调用量比去年 12 月涨了 40 倍。
第三部分是 AI 生产力商店。
对应行业解决方案，干的是把算力变成实际业务结果这件事。
同一个场景，模型规模和硬件配置不一样，成本可能差得很远。
无问芯穹用的办法，是智能体场景自适应技术。
在文娱游戏场景，它和 VAST 的 Tripo 3D 大模型一起做了三维游戏生成方案。
在法律场景，它做了律所专属的助手「律盾芯人」，已经和多家律所及生态伙伴合作。
在能源电力场景，它正和南网能源探索智算中心的能耗预测与协同调度。
三个部分各管一段。
底层管算力，中间管模型服务，上层管产业落地。
从资源调度到 Token 生产，再到生产力转化，串成一条链。
还有一点值得单独说。
无问芯穹是轻资产模式。
它自己不建数据中心，靠技术服务去管分布在全国各地的第三方算力。
同时适配华为昇腾和摩尔线程这些不同的芯片。
用更轻的资产负债表，换更快的扩张速度。
独立第三方平台的价值，也在这种格局里显出来。
它不做模型，也不做芯片，保持中立。
把分散的模型能力和异构算力组织起来，一点点提升从资源到生产力的转化效率。
看行业格局就更清楚。
大厂的这套体系主要服务内部业务。
芯片厂商的体系绑着自己的硬件生态。
模型公司自建的体系，又受竞争关系限制。
剩下那条路，就是中立的独立厂商。
它正在长成算力经济的枢纽。
现在，它的客户和伙伴覆盖了头部模型企业，科研机构和产业客户。
模型服务这边，它和 Kimi，智谱等企业合作。
平台上已经上线一百多种大模型，客户可以按需调用。
融资双料第一
43 亿元累计融资，把国内同行的融资纪录往上抬了一截。
这是资本用真金白银投的一次票。
看投资方名单，阵容几乎全了。
国资这边有杭州高新金投，社保中关村基金，珠海科技产业集团，厦门国兴投资，徐汇资本，孚腾资本，中保投资，国开科创。
产业投资方有 Dabanc Holding，联想，九坤创投，同歌创投，腾讯，百度。
财务投资机构里有红杉中国，洪泰基金，惠远资本，启明创投，达晨财智，顺为资本，砺思资本。
不同属性的钱同时下注，说明的东西不一样。
国家队看长期复利。
地方国资看数字经济的基础设施。
产业资本看生态协同。
头部 VC 看赛道爆发。
但它们指向同一个判断。
智能基础设施正在从科技项目，变成产业底座。
拿去和海外比，国产厂商的估值空间还很明显。
Fireworks 在 2025 年 10 月完成 2.5 亿美元 C 轮，估值 40 亿美元。
2026 年 7 月又完成 15.05 亿美元 D 轮，估值升到 175 亿美元。
Baseten 今年连拿两轮，估值也冲到了 130 亿美元。
Together 在 2026 年 7 月完成 8 亿美元融资，估值 83 亿美元。
英伟达把这三家都投了一遍。
对芯片链来说，基础设施能帮更多模型在更大规模上跑起来，底层硬件的价值才能被释放出来。
和它们相似的地方在于，无问芯穹也提前卡住了智能体爆发带来的推理市场。
服务的也是模型厂商和原生应用企业。
不同的地方有两处。
海外那三家主要跑在英伟达生态上，优化对象相对集中。
无问芯穹面对的是英伟达，AMD，昇腾，壁仞，摩尔线程并存的现实。
它必须从底层解决异构协同。
这在国内是刚需，在海外算不上核心命题。
另一处是模式。
海外的独立云厂商普遍自建或者租 GPU，靠债务扩张，利润来自算力租赁的价差。
无问芯穹不持有数据中心，核心在软件编排层。
赚的是效率提升的钱。
资产更轻，扩张更快，对单一硬件体系的依赖也更低。
这两点加起来，指向一个海外估值体系还没充分定价的市场。
43 亿元累计融资，放到 Fireworks 的 175 亿美元和 Baseten 的 130 亿美元旁边看。
空间摆在那里。
结语
需求端的爆发，已经不是一个远期的判断。
智能体应用正在推着消耗量指数级往上走。
日均调用量两年涨了超过一千倍。
谁能用更低的成本，更高的效率生产 Token，谁就握住了这个时代的基础生产要素。
无问芯穹把答案写成了「前店后厂一中心」。
算力集散中心汇起异构算力，扩大可用的资源规模。
Token 工厂把推理成本一年压低 10 倍。
AI 生产力商店让算力在游戏，法律，能源这些场景里变成实际产出。
它用中立的姿态连接模型，芯片和客户。
用轻资产的模式加速扩张。
43 亿元累计融资，单轮和累计两个第一。
一批头部模型厂商和算力供应方，已经用合作投了票。
随着融资陆续交割，IPO 进入筹备，这家公司会走到新的阶段。
国产的玩家，开始敲全球独立云厂商那张主桌的门。
对做 AI编程 的人来说，可调用的算力选择更多，长任务跑起来更稳。
对搭 AI对话 产品的人来说，成本更低，试错的代价也更小。
对只想把活干完的人来说，这类 AI工具 最后会变成一句很朴素的体验。
更快，更稳，更便宜。
