AI原生基础设施服务商无问芯穹完成23亿元C轮融资，累计融资额达43亿元，刷新国产AI基础设施赛道纪录。本轮投资方阵容豪华，涵盖杭州高新金投、社保中关村基金等国资机构，腾讯、百度、联想等产业资本，以及红杉中国、顺为资本等顶级财务投资机构。
作为不训模型、不做应用的中间层平台，无问芯穹致力于连接模型与芯片，通过聚合协同异质、碎片化算力资源，实现从底层硬件到高质量Token的高效转化。在海外Fireworks AI、Baseten等同类企业估值飙升、英伟达亲自下场布局的背景下，无问芯穹凭借独特的技术路径与商业模式，成为国内AI Infra赛道的领军者。
算力缺口持续扩大，Agent催化新需求
尽管芯片产能不断扩张，但AI算力短缺仍是长期趋势。SemiAnalysis创始人Dylan Patel指出，算力缺口将长期存在。随着AI Agent的爆发式增长，单次任务涉及数十个推理请求连环调用，Token消耗量呈数量级增长，进一步撕大了算力缺口。
资本市场对此反应迅速，海外AI Infra企业估值在过去一年大幅上涨，Fireworks AI估值涨幅更是高达337%。这表明，在Agent时代，算力的稀缺性与重要性被重新定义，具备高效算力调度能力的 infra 厂商拥有广阔的市场空间。
轻资产模式：多元异构与软硬协同
不同于传统自建数据中心的重资产模式，无问芯穹选择了一条“轻资产、重软件”的路径。其核心技术体系围绕多元异构、软硬协同、自主式AI三大关键词展开。
多元异构：打破芯片绑定
无问芯穹平台已适配英伟达、AMD、华为昇腾、海光、摩尔线程等16种芯片，服务算力规模达37000P。团队实现了新芯片2个工作日内完成适配，使国产芯片适配成本降低70%以上。作为中立平台，无问芯穹率先实现千卡规模异构芯片混合训练，算力利用率高达97.6%，并完成了国内首例超4000公里的大模型跨域混训，显著提升了性能。
软硬协同：极致效率优化
通过自动化并行编排、算子优化及动态调度等技术，无问芯穹将万亿参数MoE模型的训练吞吐提升41%至75%。在推理侧，一年内将成本降至原来的十分之一。2026年WAIC发布的跨集群异构PD分离架构PDD，进一步将首Token延迟降低51.5%，单Token成本降低37.5%，未来仍有十倍下降空间。
自主式AI：智能体蜂群驱动
针对Agent时代任务复杂多变的特点，无问芯穹引入大小模型自适应协同机制，并部署了包含平台管家、运维及算子生成的“智能体蜂群”。这套系统能根据任务复杂度动态切换模型，驱动基础设施实现自主迭代与自我优化，形成越用越强的闭环。
“前店后厂一中心”三层商业布局
无问芯穹构建了清晰的三层商业化战略，旨在将算力转化为可交付的行业生产力。
底层：算力集散中心
作为Agentic Infra自主式基础设施平台，汇聚散落、异构的算力资源，提供弹性调度与按需分发服务，为客户屏蔽底层硬件差异，筑牢稳定可扩展的算力底座。
中层：Token工厂
即Agentic MaaS大模型服务平台，通过与智谱、月之暗面等头部厂商合作，上线百余款大模型，提供开箱即用的高质量Token生产服务。目前，该平台日均Token使用量半年增长超40倍，95%以上的推理任务来自Agent。
上层：AI生产力商店
面向文娱游戏、医疗健康、法律服务等行业提供Agentic Infra解决方案。利用智能体场景自适应技术，优化不同模型与硬件配置下的Token成本，将Token转化为可执行、可交付的行业应用。
清华系团队引领，冲刺IPO
无问芯穹的核心团队源自清华大学电子系，包括发起人汪玉教授及CEO夏立雪、首席科学家戴国浩、CTO李伯勋等。团队在深度学习硬件加速与异构系统优化领域拥有深厚积累，兼具顶尖研发与工程落地能力。
随着模型能力差距收窄，竞争焦点转向运行效率与成本控制。无问芯穹凭借在真实业务场景中积累的优化经验，已形成技术与商业的正向循环。据悉，公司近期已向港交所递交IPO申请。在AI基础设施规模战开启之际，无问芯穹凭借技术壁垒与市场先机，正稳步迈向资本市场。
