单轮23亿，累计43亿，无问芯穹刷新国产AI Infra赛道融资双重纪录|infra|摩尔|无问芯穹|英伟达|融资|语音助手

克雷西发自凹非寺
量子位 | 公众号QbitAI

23亿元，AI原生基础设施服务商无问芯穹已完成C轮融资。加上前几轮，无问芯穹累计融了43亿元，单轮和累计都创下了国产AI原生基础设施赛道的新纪录。

无问芯穹自成立以来投资方阵容汇聚多方知名机构，涵盖国资机构、产业投资方、财务投资机构等多个类别。其中，国资机构包括杭州高新金投、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；产业投资方包括Dabanc Holding、联想、九坤创投、同歌创投、腾讯、百度等；财务投资机构则包括红杉中国、洪泰基金、惠远资本、启明创投、达晨财智、顺为资本、砺思资本等知名机构。无问芯穹已成为AI Infra赛道最受追捧的明星独角兽之一。

这家公司不训模型、不做应用，它做的是模型和芯片中间那一层，具体来说是把模型和芯片连起来，实现多种模型算法与多种芯片硬件间的极致效率与成本优化。

这样做的目标，是高效聚合协同异质、碎片、跨域的算力资源，从每一度电、每一秒芯片运转中，「榨」出低成本、高质量、生产级可用的Token，并推动Token进入真实业务场景。

在海外，市场已经给这门生意标好了价格。做同一门生意的三家公司，过去一年估值全部搭上了火箭。

Fireworks AI从40亿美元涨到175亿美元，涨了337%；Baseten涨了160%；Together AI涨了151%。

这三家背后，还站着同一个我们再熟悉不过的投资人。

英伟达。

靠着卖铲子在GPU产业链最上游赚得盆满钵满的英伟达，亲自下场押注下游的AI Infra，生怕错过AI Infra需求大爆发时代的船票。

卖铲子的都急了，说明这块市场的潜在空间已经大到让上游坐不住了。

英伟达在赌的事情，无问芯穹的投资人显然也想赌。这轮23亿砸进来，押的就是这块市场。

算力缺口，是个无底洞

理解这笔融资的背景，要先看一个事实。

你以为芯片变强、产能提升，AI算力的缺口就会弥合，但实际上算力从来没有够用的那天，因为芯片产能再怎么扩张，也追不上需求的增长。

因此，独立研究分析机构SemiAnalysis创始人Dylan Patel判断，算力短缺会一直持续。

而Agent的爆发，又把这个缺口放大了一个数量级。

一个Agent跑一次任务，背后是几十个推理请求连环调用，Token消耗量跟过去的单轮对话完全不可同日而语。

资本的嗅觉非常灵敏，很快就带着资金杀了进来。

开头提到的三家海外AI基础设施公司，走势已经很能说明问题，整个AI Infra赛道都在被重新定价。

20VC创始人Harry Stebbings聊起对Fireworks AI的投资，说「15分钟就敲定了，是十年投资生涯里最容易的决定之一」。

15分钟，一个管了十年基金的人，只用了不到一顿饭的时间，就投了一家AI Infra公司。

在Agent的催化加速下，算力的缺口非但不会被填上，反而只会越撕越大，这笔生意也就望不到天花板。

同一条赛道，海外已经跑出百亿美元估值的公司，而在国内，也刚刚诞生了这条赛道融资额的新纪录。

而且无问芯穹这家公司没有选择自己建机房，走了一条不同的路。

不建机房，也能做AI Infra

做AI Infra，其实不外乎两条路。

比较传统的做法是自建机房，拿重资产换规模，但这极有可能意味着要背债扩张。

另一条则走向了另一端，机房压根儿不碰，把散落在各处的算力收集起来，靠软件编排把它们织成一张网。

无问芯穹选的就是后者。它自身并不拥有实体数据中心，算力资源散布在各地的算力中心，芯片的厂商更是「万国造」。

无问芯穹的技术体系有三个关键词，多元异构、软硬协同、自主式AI。

先说多元异构，无问芯穹的平台已经适配了英伟达、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，服务着37000P算力。

哪怕新来一款芯片，团队也只用2个工作日就能适配完，国产芯片的适配成本砍掉了70%以上。

如今芯片供应链越来越复杂，能在不同芯片之间自如切换，客户不用绑定在一款芯片上，这个能力可谓是相当硬核。不仅是不绑定，无问芯穹还保持中立，作为连接模型、芯片和客户需求的独立平台，将分散的模型能力和异构算力组织起来，持续优化从底层资源到AI生产力的转化效率。

无问芯穹率先做到了千卡规模的异构芯片混合训练，算力利用率达到97.6%。更具体一点，无问芯穹运用了华为昇腾、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，完成了700亿参数大模型异构芯片混合训练。这在行业里是头一个。

跨域训练也是一个硬指标。

无问芯穹联合中国电信完成了国内首例超4000公里的大模型跨域混训，把新疆哈密和广东深圳的算力拉通，在300亿参数模型上做联合训练，性能提升了165%。

除此之外，团队还打通了4个不同代际、不同型号GPU集群的多数据中心联合训练，以及本地私有集群和公有云算力的混合云混训，性能分别提升41%和68%。

当然了，适配只是其中一步，实际运行起来，速度也是一项重要指标。

毕竟Agent可没时间等着模型一个字一个字地往外蹦。

这就是软硬协同要解决的问题。

无问芯穹在软件栈上做了一整套优化，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，将计算资源高效转化为高质量的模型性能与Token服务能力。

最终的结果是，在无问芯穹优化后的基础设施上，万亿参数MoE模型的训练吞吐比主流开源框架高了41%到75%。

推理这边，无问芯穹通过一系列技术创新，一年内把推理成本降到了原来的十分之一。

2026年WAIC上，公司又发布了业内首创的跨集群异构PD分离架构PDD（Prefill-RelayDecode-MainDecode），首Token延迟降低51.5%，单Token成本降低37.5%。

随着PDD的规模化应用，未来推理成本还有十倍的下降空间。

但Agent时代还有一个问题，模型擅长的能力并不相同，所以具体任务该调哪个模型、用多少算力就成了需要操心的事。

无问芯穹把这道判断题交给了系统，也就是他们所说的「自主式AI」。

具体来说，引入大小模型的自适应协同机制，系统把复杂任务交给大模型做规划和推理，轻量级的实时响应则丢给小模型，系统根据任务复杂度、时延要求和Token成本动态切换。

在这套机制之上，无问芯穹还部署了一组智能体蜂群，目前已包含三个子集：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 Infra形成自主迭代、自我优化的闭环，让基础设施越用越强。

把这些能力放在一起看，无问芯穹做的事情就很好理解了。

他们立足基础设施，向下汇聚能源和芯片，向上支撑模型和应用，不仅极致提升底层资源向AI生产力转化的规模和效率，更有着Agentic AI时代最显著的AI原生能力——用基础设施智能体蜂群赋能资源规模扩展、提效Token生产，并支持Agentic AI的持续进化，具备业务前瞻性。

算力、模型、行业，三层生意一起做

技术这边的账算完了，再看商业化。

无问芯穹提出了「前店后厂一中心」的战略布局，具体来说就是把业务拆成三层。

最底下一层是算力集散中心（Agentic Infra自主式基础设施平台），干的活就是把散落的、异构的算力资源统一汇聚、弹性调度、按需分发，为模型与应用层筑牢充足、稳定、可扩展的算力底座，客户不用操心底层硬件差异，接进来就能用。

中间一层是Token工厂（Agentic MaaS大模型服务平台），用极致效率服务Token的规模化、高质量生产。目前该平台已经和智谱、月之暗面等头部大模型公司达成密切合作，上线了百余款大模型，客户不用自己部署，选好模型就能开箱即用。

最上面一层是AI生产力商店（行业解决方案），面向企业提供Agentic Infra行业解决方案。对于同一个行业场景，不同模型规模和不同硬件配置可能对应完全不同的Token成本，无问芯穹以智能体场景自适应技术作为提升AI生产力转化效率的核心技术路径，已推出覆盖文娱游戏、医疗健康、法律服务、能源电力等领域的Agentic Infra行业解决方案，使Token进一步转化为可执行、可交付的行业生产力。