无问芯穹累计融资43亿，清华系AI Infra公司筹备IPO

10月12日，一笔23亿元的C轮融资落地。加上此前几轮，无问芯穹的累计融资额达到43亿元——单轮和累计双双刷新国内AI Infra行业的融资纪录。据外媒报道，这家公司正在筹备IPO。

从2023年成立到现在，无问芯穹只用了三年时间就走到资本市场聚光灯下。它脱胎于清华大学电子工程系，背后站着国资机构、产业投资方和市场化财务投资机构。资本看中的，是国产Token工厂的哪些特质？

从清华实验室走出的团队

无问芯穹的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夏立雪的学士和博士均毕业于清华电子工程系，长期从事人工智能系统设计方法学研究，曾在阿里云从事用户增长产品的开发与管理。

另一位联合创始人、首席科学家戴国浩同样毕业于清华电子工程系，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李伯勋拥有清华电子工程系学士和硕士学位，曾任旷视科技算法总监。

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，积累了十余年的技术经验。

AI Infra行业发展之初，逻辑很简单：堆更多算力支撑更大规模的模型。但随着国产芯片不断发展，算力供给逐渐多元化，新问题出现了——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。2024年，公司完成了全球首次“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，吞吐较主流开源框架提升41%至75%，推理成本一年内下降10倍。

前店后厂一中心：不碰模型不碰芯片

2026年世界人工智能大会上，无问芯穹正式提出了“前店后厂一中心”战略布局，分三个部分应对Agent应用加速发展带来的挑战。

“一中心”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，公司打造了面向异构集群的大模型跨域训练系统，已经受过三大类跨域算力聚合训练实践的生产级考验。

• 超远距离聚合：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%。
• 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%。
• 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部署触达超37000P算力、覆盖16种主流芯片。

“Token工厂”对应Agentic MaaS大模型服务平台，负责将模型能力转化为可调用的Token服务。2026年7月，夏立雪在WAIC上披露了无问芯穹首创的新一代推理系统优化成果——跨集群异构PD分离架构PDD。基于Agentic MaaS线上业务长期的大规模实践积淀，该架构在实现首Token延迟降低51.5%的同时，单Token成本可降低37.5%。

过去一年里，无问芯穹的Token工厂通过一系列原始技术创新，推动推理成本10倍下降。公司相信随着跨集群异构PD分离架构的规模化落地，推理成本依然有10倍下降空间。官方数据显示，截至今年7月，该平台单日Token调用量较去年12月实现了40倍爆发增长。

“AI生产力商店”则对应Agentic Infra行业解决方案。对于同一场景，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，面向行业输出Agentic Infra解决方案。

在文娱游戏场景，无问芯穹携手VAST的Tripo 3D大模型联合打造AGENTIC 3D GAME GEN解决方案；在法律终端场景，公司打造律师事务所专属AI合伙人“律盾芯人”，与多家律所及生态伙伴展开合作；在能源电力场景，公司正与南网能源探索基于智能体技术的智算中心能耗智能预测与协同调度解决方案。

“前店后厂一中心”三者分别覆盖底层算力、中间的模型服务与上层产业应用，形成从资源调度到Token生产，再到生产力转化的业务链条。

无问芯穹还有一个值得关注的特点，它采用轻资产运营模式。公司自身并不拥有实体数据中心，而是通过技术服务触达管理分布在全国各地的第三方设施中的算力，同时适配华为昇腾、摩尔线程等不同AI芯片，用更轻的资产负债表换取更快的扩张速度。

同时，独立第三方平台的价值正在显现。无问芯穹并不做模型，也不做芯片，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。

纵观当下行业格局，大厂Infra以服务内部业务为主，芯片厂商Infra绑定硬件生态，模型公司自建Infra受竞争关系限制。而选择中立的独立云厂商，正在成长为Token经济的核心枢纽。

目前，无问芯穹的客户与合作伙伴覆盖头部模型企业、科研机构和产业客户。在模型服务方面，公司与Kimi、智谱等企业开展合作，Agentic MaaS平台已上线百余种大模型，支持客户按需调用。

融资双料第一：全明星资方，估值仍有空间

43亿元累计融资，一举刷新中国AI Infra融资额新高，这是资本对无问芯穹发展路径的一次集中投票。

从公开披露的投资方来看，公司背后已经形成多元化的股东阵容。自成立以来其投资方阵容堪称豪华，涵盖国资机构、产业投资方、市场化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。

资方多元，已成为产业共识标的。国家队看长期复利，地方国资看数字经济基础设施，产业资本看生态协同，头部VC看赛道爆发。不同属性的资金同时下注，指向同一个判断：AI基础设施正在从科技项目变成产业底座。

对比海外，国产AI Infra厂商的估值空间仍然明显。由公开信息可知，Fireworks AI在2025年10月完成2.5亿美元C轮融资，估值达到40亿美元；2026年7月完成15.05亿美元D轮融资后，估值升至175亿美元。Baseten今年连拿两轮融资，估值也在短时间内大幅上升至130亿美元。Together AI则在2026年7月再完成8亿美元融资，估值达到83亿美元。

值得注意的是，英伟达均投资了上述三家公司。对芯片产业链而言，AI基础设施能够帮助更多模型在更大规模上运行，也能进一步释放底层硬件的应用价值。

无问芯穹与它们相似的地方在于，都超前卡位智能体爆发带来的推理市场，都服务模型厂商和AI原生企业。

不同之处在于两点：其一，Fireworks、Baseten、Together AI主要运行在英伟达生态之上，优化对象相对集中；无问芯穹面对的是英伟达、AMD、昇腾、壁仞、摩尔线程等多种芯片并存的现实，必须从底层解决异构协同问题。这在国内是刚需，在海外并非核心命题。

其二，海外Neo Cloud普遍自建或租赁GPU，靠债务扩张，利润依赖算力租赁价差；无问芯穹不拥有数据中心，以软件编排层为核心，赚的是效率提升的钱，资产更轻，扩张更快，对单一硬件体系依赖更低。

这两点共同指向一个海外估值体系尚未充分定价的市场。当前43亿元累计融资，与Fireworks 175亿美元、Baseten 130亿美元的估值相比，仍有明显升值空间。

无问芯穹的融资成功或许释放出一个产业信号：国产AI Infra玩家，开始叩响全球Neo Cloud的主桌大门。通过输出优质、稳定、可持续的Token服务，中国有能力为全球AI发展贡献独特的中国方案。

结语：需求爆发前夜，国产玩家卡位Token经济枢纽

需求端的爆发已经不再是一个远期判断。Agent应用正在推动Token消耗指数级增长，日均调用量两年增长超过1000倍。谁能以更低成本、更高效率生产Token，谁就掌握了AI时代的基础生产要素。

无问芯穹用“前店后厂一中心”给出了国产玩家的答案。算力集散中心汇聚异构算力扩大可用资源规模，Token工厂把推理成本一年压低10倍，提升Token的生产效率，AI生产力商店让Token在游戏、法律、能源等场景中高效转化为生产力。它以中立姿态连接模型、芯片和客户，以轻资产Neo Cloud模式加速扩张，这种All in Infra的定力，在全球范围内都是有代表性的。

43亿元累计融资，单轮与累计双料第一，众多头部模型厂商与算力供应方已经用合作投票。随着多轮融资完成交割、IPO启动筹备，公司也将进入新的发展阶段。中国AI Infra的定义者，正在从世界工厂走向世界Token工厂，站上全球Neo Cloud的主桌。