直击WAIC 2025｜无问芯穹CEO夏立雪：算力紧缺根源在“供需错配”，要让国产算力即插即用、像超市商品般可自由挑选

在人工智能（AI）算力需求激增的当下，算力资源的多元化与国产化成为行业焦点。

7月28日，在“2025世界人工智能大会暨人工智能全球治理高级别会议”（WAIC 2025）上，无问芯穹联合创始人兼CEO（首席执行官）夏立雪向《每日经济新闻》等媒体的记者表示，当前国内芯片与算力设施种类繁多，形成了多个独立生态。他认为，不同厂商的硬件架构、接口协议差异显著，导致开发者往往需要花费大量精力学习不同芯片的使用方法，这种情况严重制约了人工智能（AI）技术的落地效率。

为解决这一难题，无问芯穹打造了一套产业链上的“世界通用语言”，据称，可以实现不同芯片之间的无缝通信与协同，让开发者无需再为不同的芯片使用习惯而烦恼。这种“插座式”赋能模式，使得算力资源即插即用，且如同超市商品般可自由挑选。

夏立雪强调，这种优化让AI开发者能够像挑选衣服一样，根据需求选择最适合的算力资源，从而实现算力资源的高效利用与灵活调度。

无问芯穹联合创始人兼CEO夏立雪 图片来源：主办方提供

无问芯穹被视为业内最有可能突破国内算力瓶颈的AI算力运营商之一，去年9月，无问芯穹成功完成近5亿元的A轮融资，意为着公司在成立后的16个月时间里，累计融资额已接近10亿元大关。

国产算力的崛起扩充了可用资源池

面对全球算力供应链的不确定性，国产算力的重要性日益凸显。

夏立雪表示，当前国产算力在整体部署中已接近“半壁江山”，尤其在推理和部分训练场景中表现突出。随着AI应用从模型研发转向产业落地，国产算力的市场空间将持续扩大。

国产算力的应用不仅缓解了“卡脖子”风险，更通过提升算力使用效率，扩充了可用资源池。

夏立雪认为，算力紧缺的根本在于供需错配：一方面是高端算力被哄抢，另一方面是部分优质国产算力因生态不成熟而被闲置。无问芯穹在借助技术手段破解这一错配，让国产算力被真正“用起来”，从而提升整个产业的算力供给能力。

当被问及如何在这一结构中定位自身角色时，他对记者表示，无问芯穹凭借源自清华大学电子系的、近20年的软硬件协同优化经验，专注于在资源受限的终端设备上实现高效AI计算。

不同于行业内“大集群打包售卖”的传统商业模式，无问芯穹的商业模式带着鲜明的“普惠”基因。“我们要为中小企业的产品在成长初期提供精准保障。”夏立雪强调，这种保障的核心在于弹性灵活的算力服务。

对此，夏立雪进一步解释称，无问芯穹提供弹性、灵活的算力服务，这种服务尤其有利于中小企业。其服务计费方式多样，既可按卡、按小时计费，也可按调用量（如Token）或服务稳定性付费。

夏立雪解释道：“这让用户用的不是‘毛坯房’，而是‘精装修、带服务的产品’。”这种模式将零散算力整合为标准化服务，让原本无法服务中小企业的碎片化资源产生价值。

服务形态的分层化同样关键。无问芯穹构建了“大盒子、中盒子、小盒子”的产品矩阵：“大盒子”是“无穹AI云”，其聚焦全国级算力调度，通过供需调配和资源优化获取算力服务收益；“中盒子”和“小盒子”则提供完整解决方案，将算力服务能力集成到AI集群和终端设备中，以打包服务的形式获取收益。夏立雪总结说：“无论哪种形态，核心都是提升算力的生产价值，并将其转化为实实在在的收益。”

AI算力正从技术红利期向价值闭环期过渡

2025年，端侧AI推理迎来爆发式增长。

夏立雪观察发现，中国庞大的用户基数与强大的制造能力为端侧AI提供了广阔市场，但硬件限制仍是主要矛盾。在市场机遇驱动下，无问芯穹正联合行业伙伴探索如何为端侧场景定制更高性价比、更高能效的专用芯片，以支撑更多AI应用落地。

在生态构建方面，无问芯穹致力于打造从模型、系统到硬件的闭环。

夏立雪以国外主流芯片厂商为例，指出其成功的关键在于让开发者生态与硬件迭代紧密联动。相比之下，国内产业链上目前仍存在模型与硬件脱节的问题。为此，无问芯穹推出中试平台，连接芯片厂商、整机制造商与算法开发者，推动全链条协同创新。

谈及行业趋势，夏立雪认为，AI算力正从“技术红利期”向“价值闭环期”过渡。当前产业的核心矛盾已从“AI好不好用”转向“AI值不值得用”，性价比成为关键突破口。

“只有让更多AI应用场景‘算得过账’，产业才能真正蓬勃发展。”他认为，国产算力的崛起将是未来的重要变量。尽管当前国产芯片在训练场景中的应用比例仍待提升，但在推理场景中已形成商业化闭环。

“随着软硬件协同优化的深入，国产算力的适用场景将持续扩大。”夏立雪预测，未来在端侧设备、垂直行业等领域，国产芯片将占据更重要的地位。

夏立雪判断，笔记本电脑、手机、汽车、机器人等作为人机交互的核心接口，将优先实现AI能力落地。“这些设备的智能化水平，将直接决定用户对AI的感知体验。”无问芯穹正结合模型压缩等前沿技术，通过终端模型结构创新进一步解决端侧能效问题，为数十亿设备的AI升级铺路。

在夏立雪看来，生态飞轮的构建是长期目标。借鉴美国“芯片—模型—应用”的协同经验，无问芯穹正推动国内形成“硬件迭代—模型优化—场景落地”的正向循环。

“让硬件厂商知道下代产品该怎么造，让模型开发者清楚能调用什么算力，也让应用创业者聚焦场景创新。”夏立雪表示，这种生态闭环需要产业链上各方共同努力，而平台愿成为连接各方的桥梁。

展望未来，夏立雪认为，AI发展的下一个节点将从技术突破转向产品创新。随着大模型智能性达到应用门槛，如何将其转化为用户满意的产品就成为了关键。