智东西 作者 李水青 编辑 漠影 智东西10月12日获悉，国内领先的AI原生基础设施企业 无问芯穹 近日已完成 C轮融资 ，融资额 23亿元 ，累计融资额达 43亿元 ，单轮融资额与累计融资额均创国内AI Infra（人工智能基础设施） 行业新高。 据了解，本轮融资已完成交割，公司正在 筹备IPO。 从2023年成立至今，这家脱胎于清华大学电子工程系的创业公司，已经走到资本市场聚光灯下。背后既有 国资机构 ，也有 产业投资方、市场化财务投资机构 等对AI基础设施赛道的押注。 放眼海外，AI基础设施公司的估值也在快速攀升。 Fireworks AI 最新估值达到175亿美元， Baseten 达到130亿美元， Together AI 达到83亿美元。 英伟达 对这三家公司的投资，更凸显了算力产业链对AI基础设施的重视。 当下，全球AI产业的竞争正沿着算力、模型向Token生产效率和应用生产力延伸。 如何把多元算力转化为稳定、高效、低成本的Token服务，正在成为一门重要生意。 23亿元融资背后，资本究竟看中了国产Token工厂的哪些特质？无问芯穹的竞争力，是踩中了市场的风口，还是已经构建起足够深的技术壁垒？让我们一探究竟。 一、从清华电子工程系出发，啃下异构算力硬骨头 很多人知道，中国AI大模型领域有不少企业都脱胎于清华，智谱、月之暗面、生数科技等头部企业皆是其中的代表。 无问芯穹的创立，同样深深植根于 清华大学电子工程系 的学术脉络。 公司发起人 汪玉 是清华大学电子工程系长聘教授，时任系主任，IEEE Fellow；联合创始人兼CEO 夏立雪 的学士、博士均毕业于清华大学电子工程系，长期从事人工智能系统设计方法学研究，并曾在阿里云从事用户增长产品的开发与管理，经历横跨底层系统研究与产业产品实践。 ▲无问芯穹联合创始人兼CEO夏立雪 另一位联合创始人、首席科学家 戴国浩 同样毕业于清华大学电子工程系，目前任上海交通大学副教授，获多项国际学术会议最佳论文奖；CTO 李伯勋 则拥有清华大学电子工程系学士、硕士学位，曾任旷视科技算法总监，长期深耕AI算法及软硬件协同优化。 这支团队的共同积累，源自清华大学汪玉老师的“ 纳米集成电路与系统实验室高能效计算组（NICS-EFC） ”。自 2008年 起，实验组便持续扎根于软硬件协同、AI算力系统研究的前沿，在相关领域积累了十余年的技术经验。这段长期的科研积累，也为无问芯穹的出现奠定了基础。 AI Infra行业发展之初，行业的发展逻辑十分简单，就是堆更多算力支撑更大规模的模型。随着国产芯片不断发展，算力供给逐渐呈现多元化，新的问题随之出现：不同品牌、不同架构的芯片如何协同工作？如何将分散的算力资源转化为稳定、高效、可持续使用的模型训练与推理能力？ 这正是无问芯穹团队长期深耕的方向。公开资料显示，无问芯穹在 2024年 便完成了 全球首次“4+2”式700亿参数大模型异构芯片混合训练 ，运用华为昇腾、天数智芯、沐曦、摩尔线程四种国产芯片与AMD、NVIDIA两种进口芯片，算力利用率达 97.6%。 目前其已可以实现2个工作日完成新芯片适配，国产芯片适配成本 降低70% 以上；在万亿参数级MoE模型训练中，其吞吐较主流开源框架提升41%至75%，在推理上更是实现成本一年内 下降10倍。 这些指标的背后，是团队从实验室到产业一线，始终深耕 多元异构 与 软硬件协同创新 的技术积累。 从长期看，国产化与算力供给多元化、碎片化，将使异构协同成为持续性的产业需求。无问芯穹提前围绕“M种模型×N种芯片”构建技术体系，恰好覆盖了这一长期需求。 这种先发优势，让它在国产异构布局中占据了有利位置。 二、前店后厂一中心：不碰模型不碰芯片，中立平台卡位Token需求爆发 随着Agent应用加速发展，AI基础设施需要处理的任务更加复杂。无问芯穹在2026年世界人工智能大会中正式提出了“ 前店后厂一中心 ”战略布局，分三个部分应对这些挑战。 1、算力集散中心：37000P异构算力，跑通生产级混训 一中心是指“算力集散中心”，对应Agentic Infra自主式基础设施平台，负责汇聚、管理和调度多元异构算力。 针对分散的、碎片化的异构算力现状，无问芯穹打造了面向异构集群的大模型跨域训练系统。该系统已经受过三大类跨域算力聚合训练实践的生产级考验。 第一是超远距离聚合。公司联合中国电信完成国内首例超4000公里距离的大模型跨域混训，在新疆哈密与广东深圳两地集群间实现联合训练性能提升165%。 第二是多数据中心聚合。打通4个不同代际、不同型号的GPU集群，联合训练近百亿参数大模型，四集群协同性能提升41%。 第三是混合云算力聚合。实现本地私有集群与公有云算力的安全互通混训，整体性能提升68%。目前这套跨域训练系统已在全国