无问芯穹C轮23亿 累计43亿刷新国产AI原生基建赛道纪录

国内AI原生基础设施服务商无问芯穹近日完成C轮23亿元融资，叠加此前各轮募资，公司累计融资总额已达43亿元，创下国产AI原生基础设施赛道单轮及累计融资额的全新纪录，成为该赛道最受资本追捧的独角兽企业之一。

自成立以来，无问芯穹的投资方阵容覆盖了国资机构、产业投资方、财务投资机构等多个类别。其中国资方包括杭州高新金投、社保中关村基金（君联资本管理）、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、国开科创等；产业投资方涵盖Dabanc Holding、联想、九坤创投、同歌创投、腾讯、百度等；财务投资机构则包含红杉中国、洪泰基金、惠远资本、启明创投、达晨财智、顺为资本、砺思资本等一众知名投资机构。

要理解这笔融资的行业背景，首先要看到AI算力的永恒缺口：即便芯片性能不断提升、产能持续扩张，算力需求的增长速度始终远超供给，独立研究机构SemiAnalysis创始人Dylan Patel曾判断，算力短缺的局面将长期持续。而智能体（Agent）的爆发式发展，更是将算力缺口放大了一个数量级——单个智能体执行一次任务，背后需要数十个推理请求的连环调用，Token消耗量远超传统单轮对话场景。

资本市场早已敏锐捕捉到这一赛道的巨大潜力。海外同赛道的三家企业在过去一年估值均实现大幅上涨：Fireworks AI从40亿美元增长至175亿美元，涨幅达337%；Baseten上涨160%；Together AI上涨151%。值得注意的是，这三家企业背后都有英伟达的投资——作为GPU产业链上游的“卖铲子”玩家，英伟达亲自下场布局AI基础设施赛道，生怕错过这一轮需求爆发的机遇，也侧面印证了该市场的巨大潜在空间。

无问芯穹的投资方选择加注该赛道，正是看中了这一市场的长期增长潜力。与传统AI基础设施厂商不同，无问芯穹并未选择自建数据中心的重资产模式，而是通过软件编排整合散落在各地的异构算力资源，打造中立的算力调度平台。

无问芯穹的技术体系围绕三个核心关键词展开：多元异构、软硬协同、自主式AI。

在多元异构适配方面，无问芯穹的平台已完成英伟达、AMD、华为昇腾、壁仞、海光、摩尔线程、沐曦、燧原科技、平头哥等16种芯片的适配，服务总算力规模达37000P。即便新增一款芯片，团队仅需2个工作日即可完成适配，国产芯片的适配成本降低70%以上。这种跨芯片自由切换的能力，让客户无需绑定单一硬件厂商，大幅降低了采购和迁移成本。

作为国内率先实现千卡规模异构芯片混合训练的企业，无问芯穹的算力利用率可达97.6%。团队曾联合华为昇腾、天数智芯、沐曦、摩尔线程四款国产芯片与AMD、NVIDIA两款进口芯片，完成700亿参数大模型的异构混合训练，这在行业内尚属首次。此外，公司还完成了多项行业领先的跨域训练项目：联合中国电信实现国内首例超4000公里的大模型跨域混训，将新疆哈密与广东深圳的算力资源打通，在300亿参数模型的联合训练中性能提升165%；同时打通了4个不同代际、不同型号GPU集群的多数据中心联合训练，以及本地私有集群与公有云算力的混合云混训，性能分别提升41%和68%。

除了硬件适配，软硬协同的软件栈优化也是无问芯穹的核心竞争力之一。公司从自动化并行编排与搜索、算子及计算图优化，到计算与通信重叠、动态编排与调度，构建了完整的软件优化体系，将底层计算资源高效转化为高质量的模型性能与Token服务能力。

在训练场景中，经无问芯穹优化后的基础设施，万亿参数MoE模型的训练吞吐比主流开源框架高出41%至75%；在推理场景中，通过一系列技术创新，公司在一年内将推理成本降至原来的十分之一。2026年WAIC上，无问芯穹发布了业内首创的跨集群异构PD分离架构PDD（Prefill-RelayDecode-MainDecode），将首Token延迟降低51.5%，单Token成本降低37.5%，随着该架构的规模化应用，未来推理成本还有十倍的下降空间。

在智能体时代，不同模型的能力各有侧重，如何根据任务需求选择合适的模型、调度恰当的算力，成为新的挑战。无问芯穹通过“自主式AI”机制解决了这一问题：引入大小模型自适应协同机制，将复杂任务交给大模型完成规划与推理，轻量级实时响应则由小模型处理，系统会根据任务复杂度、时延要求和Token成本动态切换模型。

在此基础上，公司还部署了一组智能体蜂群，包含面向用户的平台管家智能体系统、面向集群的运维智能体系统，以及面向芯片的算子生成智能体系统。通过Agent能力驱动整套AI基础设施形成自主迭代、自我优化的闭环，让平台性能随使用时长不断提升。

三层业务架构，打通算力到产业的全链路

在技术验证成熟后，无问芯穹提出了“前店后厂一中心”的战略布局，将业务拆分为三个层级：

最底层的算力集散中心（Agentic Infra自主式基础设施平台），负责汇聚散落的异构算力资源，实现弹性调度与按需分发，为模型与应用层提供充足、稳定、可扩展的算力底座，客户无需关心底层硬件差异，接入即可使用；中间层的Token工厂（Agentic MaaS大模型服务平台），通过极致效率实现Token的规模化、高质量生产，目前已与智谱、月之暗面等头部大模型企业达成深度合作，上线百余款大模型，客户无需自行部署即可开箱即用；最上层的AI生产力商店（行业解决方案），面向企业提供垂直领域的Agentic Infra解决方案，针对文娱游戏、医疗健康、法律服务、能源电力等多个行业，通过智能体场景自适应技术，将Token高效转化为可落地的行业生产力。

随着智能体应用的爆发，无问芯穹的大模型服务平台日均Token使用量在半年内增长超过40倍，其中95%以上的推理任务都来自智能体场景。这套三层业务架构，分别从算力底座、Token生产、产业落地三个维度，完成了从底层资源到AI生产力的完整转化闭环。

23亿融资背后，资本看中的三大核心

此轮23亿元C轮融资，加上累计43亿元的募资总额，为无问芯穹的规模化扩张提供了充足的资金支持。据彭博社援引知情人士消息，无问芯穹已于近几个月以保密形式向港交所递交了IPO申请，正式启动上市进程。

投资方愿意在此时给出如此高的估值，主要看中三个核心因素：团队、产业链位置与行业时机。

首先是团队背景：无问芯穹是典型的清华系企业，发起人汪玉为清华电子系长聘教授、时任系主任、IEEE Fellow；CEO夏立雪、首席科学家戴国浩、CTO李伯勋均毕业于清华电子系。该团队从博士阶段就开始研究深度学习硬件加速与异构系统优化，兼具顶尖的软硬件研发能力与产业落地经验，清华系AI赛道的成功案例也为公司的发展提供了良好的基因基础。

其次是产业链的枢纽位置：无问芯穹连接着底层的能源与芯片厂商，向上支撑模型与应用开发，覆盖千行百业的真实业务负载，每新增一个客户都会带来更多的调度与场景适配经验，形成正向循环的技术壁垒。

最后是行业时机：过去两年行业竞争聚焦于模型性能，但当前不同模型之间的差距正在逐步收窄，当各家都能训练出性能相近的模型时，竞争的核心将转移到算力调度与服务效率上——能够将模型跑得更快、更便宜、更稳定的企业，才能真正实现商业化盈利。而先发玩家积累的业务数据与优化经验，更是后来者难以通过砸钱追赶的核心壁垒。

无问芯穹在真实业务场景中持续打磨技术，已推出覆盖多个行业的Agentic Infra解决方案，海量的业务经验反过来又推动了技术的快速迭代，形成了技术优化与商业落地的正向循环。成立三年来，公司围绕算力资源、Token生产与行业智能体应用不断探索，凭借自主创新解决了算力利用、服务成本与应用转化等核心问题，最终创下国产AI基础设施赛道的融资纪录。

当前AI基础设施的规模战才刚刚拉开序幕，无问芯穹已经站在了赛道的最前沿。