AI原生基础设施服务商无问芯穹已完成23亿元C轮融资，加上此前各轮，公司累计融资额达到43亿元，单轮与累计金额均刷新国产AI基础设施赛道的融资纪录。据彭博社援引知情人士报道，无问芯穹近几个月已以保密形式向港交所递交IPO申请。
这家公司不训练模型、也不做应用，而是卡在模型与芯片之间的中间层：把多种模型算法与多种芯片硬件连接起来，做效率与成本优化。其目标是聚合异构、碎片、跨域的算力资源，从每一度电、每一秒芯片运转中产出低成本、生产级可用的Token，并推动Token进入真实业务场景。
从投资方阵容看，无问芯穹汇聚了国资机构、产业投资方与财务投资机构等多类资本。国资方面包括杭州高新金投、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。
海外市场已为这门生意给出定价参照。做同类业务的三家公司过去一年估值大幅攀升：Fireworks AI从40亿美元涨到175亿美元，涨幅337%；Baseten涨160%；Together AI涨151%。连在GPU产业链上游赚得盆满钵满的英伟达，也亲自下场押注下游AI Infra。独立研究机构SemiAnalysis创始人Dylan Patel判断，算力短缺会一直持续——一个Agent跑一次任务，背后是几十个推理请求连环调用，Token消耗量与单轮对话不可同日而语。20VC创始人Harry Stebbings谈及对Fireworks AI的投资时称，15分钟就敲定了，是十年投资生涯里最容易的决定之一。
无问芯穹选择的路径是「不碰机房」：自身不拥有实体数据中心，而是把散落各处的算力通过软件编排织成一张网。其平台已适配英伟达、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；新芯片的适配周期约2个工作日，国产芯片适配成本砍掉70%以上。公司称已率先实现千卡规模异构芯片混合训练，算力利用率达97.6%，并用华为昇腾、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，完成700亿参数大模型的异构混合训练。此外，无问芯穹联合中国电信完成国内首例超4000公里的大模型跨域混训，把新疆哈密与广东深圳的算力拉通，在300亿参数模型上联合训练，性能提升165%；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，以及本地私有集群与公有云的混合云混训，性能分别提升41%和68%。
在软件栈层面，公司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、动态编排调度做了一整套优化。据其披露，在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41%到75%。2026年WAIC上，公司发布跨集群异构PD分离架构PDD，首Token延迟降低51.5%，单Token成本降低37.5%。
面向Agent时代，无问芯穹引入大小模型自适应协同机制：复杂任务交给大模型做规划推理，轻量级实时响应交给小模型，系统按任务复杂度、时延要求与Token成本动态切换。其还部署了智能体蜂群，包含面向用户的平台管家、面向集群的运维、面向芯片的算子生成三个子集，试图让基础设施形成自主迭代、自我优化的闭环。
业务结构上，无问芯穹分为三层：底层是算力集散中心，统一汇聚、弹性调度、按需分发异构算力；中间是Token工厂，即Agentic MaaS大模型服务平台，已与智谱、月之暗面等头部大模型公司合作，上线百余款大模型；顶层是AI生产力商店，面向企业提供覆盖文娱游戏、医疗健康、法律服务、能源电力等领域的行业解决方案。公司称，Agent应用爆发后，其大模型服务平台日均Token使用量半年涨了超过40倍，95%以上的推理任务来自Agent。
团队方面，无问芯穹是典型的清华系公司：发起人汪玉为清华电子系长聘教授、时任系主任、IEEE Fellow；CEO夏立雪、首席科学家戴国浩、CTO李伯勋均毕业于清华电子系。团队从博士阶段起研究深度学习硬件加速与异构系统优化。
从产业视角看，这笔融资的意义不止于金额本身。当模型能力逐渐趋同，竞争重心正转向「把差不多的模型跑得又快又便宜又稳」的中间层。无问芯穹向下连接能源与芯片、向上支撑模型与应用，客户越多，调度与场景适配的复杂度越高，这既是壁垒也是挑战。海外同类公司估值已跑出百亿美元量级，国内赛道刚诞生融资额新纪录，资本对AI Infra的重新定价正在两地同步展开。