随着大模型进入工程化与规模化阶段,资本的目光正越来越多地投向支撑模型高效运转的底层基础设施。近日,人工智能基础设施企业无问芯穹宣布完成新一轮融资,金额超过7亿元软妹币。这家成立于2023年的公司,其创始团队来自清华大学、上海交通大学、阿里云与旷视科技等顶尖机构,如今已成为多家头部大模型公司背后的关键支撑力量。

在模型能力备受瞩目的同时,如何更高效地生产和利用Token,以及如何保障模型在复杂环境下的稳定、高效推理,已成为行业发展的核心挑战之一。无问芯穹的定位,正是解决这些底层工程难题,为AI应用的大规模落地铺平道路。
头部模型背后的“隐形冠军”
当外界关注Kimi、智谱等模型的性能突破时,支撑其日常海量运算的基础设施层同样至关重要。2026年3月,无问芯穹联合创始人兼CEO夏立雪公开表示,公司已成为Kimi、智谱等众多头部大模型企业的核心基础设施与Token服务商。对于这些模型公司而言,持续不断的推理成本是巨大的压力,每一次用户交互都在消耗算力与Token资源。
自建全套推理基础设施意味着巨额且持续的GPU投入、数据中心建设与运维成本。因此,许多公司倾向于将这部分能力外包给专业的第三方。无问芯穹便切入了这一市场,扮演着大模型时代的“Token工厂”角色,负责处理Token的生产、推理资源调度以及跨芯片平台的适配优化。
破解异构算力环境下的部署难题
中国AI行业的算力环境极其复杂,不同公司采用不同的GPU和国产芯片,其软件栈与编译框架各异。一个在英伟达GPU上训练优化的模型,迁移到国产芯片时,常面临算子不兼容、显存调度方式不同等问题,导致性能下降甚至服务不稳定。
无问芯穹的核心价值之一,便是在不同芯片与算力环境之间构建统一的“运行层”。通过底层的调度与优化技术,确保大模型能够在异构算力上高效、稳定地推理运行。目前,其Agentic MaaS平台已对GLM、Kimi、DeepSeek、通义千问、MiniMax等主流国产模型进行了服务优化,实现了精度对齐率超过99.9%,吞吐量提升2-3倍,时延缩减50%的技术指标。
融资背后的产业信号与增长逻辑
本轮融资的领投方为杭州高新金投集团和惠远资本,跟投方包括国兴资本、秦淮数据、广发乾和等多家机构。至此,无问芯穹累计融资规模已超过22亿元。此次资方结构呈现出显著的外扩趋势:从政府产业资本、国家级战略资本,到数据中心运营商、制造业与金融资本均有参与。这反映出AGI基础设施的价值正获得超越科技投资圈的广泛认同,被视为数字经济的关键底座能力。
市场的认可源于实实在在的增长。截至2026年4月底,无问芯穹平台的日均Token调用量相较2025年底增长了超过20倍。夏立雪将这种增速类比为“3G时代移动互联网流量爆发”。与此同时,全国日均Token调用量也已突破140万亿,行业正处于高速扩张期。无问芯穹的增长,意味着其在头部模型与企业级场景中形成了高密度的服务聚集效应。
支撑这一增长的,是公司在多元异构算力整合、软硬件协同优化以及企业级应用转化三个技术方向的持续投入。其目标是在Token调用量指数级增长的背景下,不断提升AI基础设施的整体运行效率,让Token真正转化为各行各业的生产力。随着AI日益深入千行百业,像无问芯穹这样的基础设施提供者,正从幕后支撑角色,演变为决定AI规模化应用能力的核心枢纽。
