无问芯穹完成23亿元C轮融资：异构建力调度打通16种芯片

无问芯穹完成23亿元C轮融资，累计融资43亿元，创中国AI原生基础设施赛道双纪录。消息由多家财经媒体在2026年10月12日同步披露，本轮资金来自国资机构、产业投资方与市场化财务机构三类主体。

这家公司成立于2023年，是清华大学和上海交通大学的科技成果转化企业。它不训练自己的通用大模型，而是把不同厂商、不同架构的AI芯片整合在一套调度系统里，让上层模型和 Agent 应用按需取用。这条路径在过去一年里从边缘走向主流，本轮融资的定价方式也随之改变。

三个关键数字

要判断这笔融资的分量，需要把三个数字放在一起看。第一个是23亿元的本轮金额，第二个是43亿元的累计融资额，第三个是一组运营指标：已部署并触达37000P算力，覆盖16种主流芯片。

前两个数字构成纪录。中国AI原生基础设施赛道此前没有出现过单轮超过20亿元的案例，也没有哪家公司的累计融资突破40亿元关口。第三个数字则解释了资金为什么愿意给出这个价格，因为纳管算力规模和芯片种类直接决定了这套系统的议价能力。

指标	数值	说明
本轮融资	23亿元	C轮，2026年10月12日披露
累计融资	43亿元	2023年成立起算
触达算力	37000P	AgenticInfra平台纳管规模
覆盖芯片	16种	含国产与进口主流AI芯片
混训算力利用率	最高97.6%	千卡规模异构混训实测
首Token延迟降幅	51.5%	PDD架构上线后实测
单Token成本降幅	37.5%	PDD架构上线后实测

把37000P换算成更直观的说法，相当于三万七千PetaFLOPS级别的算力池。芯片种类达到16种则意味着上层应用几乎不用关心自己跑在哪张卡上，这正是中间层最核心的价值。

投资方名单里的三方力量

本轮投资方可以按性质分成三类。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。这类资金通常带着地方算力基础设施建设的诉求入场，看重的落地属性大于财务回报。

产业投资方包括Dabanc Holding、联想、九坤创投、同歌创投、腾讯、百度。腾讯和百度同时出现在名单里值得留意，两家既是云厂商也是模型厂商，理论上和无问芯穹存在业务交叉。它们选择投资而不是自建，说明异构调度的工程复杂度已经高到连头部云厂商都倾向于外包。

市场化财务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。砺思资本、启明创投这类机构在半导体和AI基础设施领域布局密集，它们的尽调结论往往对后续轮次有参考意义。

前店后厂一中心的运转方式

无问芯穹把自己的战略布局概括为「前店后厂一中心」，对应算力到Token再到行业应用的三层价值链。

所谓一中心，是算力集散中心，落到产品上就是AgenticInfra自主式基础设施平台。它把不同芯片的计算资源统一纳管，向上提供一致的调度接口。公司此前发布的全球首个千卡规模异构芯片混训平台就属于这一层，具备万卡扩展性。

后厂是Token工厂，对应AgenticMaaS大模型服务平台，任务是提升单位算力的Token产出效率。前店是AI生产力商店，面向企业提供AgenticInfra行业解决方案。同一个行业场景里，模型规模不同、硬件配置不同，对应的Token成本可能相差数倍，前店负责用智能体场景自适应技术把这笔账算到最优。

异构混训的实际难度

异构混训听起来像是一个资源调度问题，实际的难点在工程细节。无问芯穹已经实现华为昇腾、天数智芯、沐曦、摩尔线程四种国产芯片，分别与AMD、NVIDIA两种进口芯片进行大模型混合训练，算力利用率最高达到97.6%。

不同厂商的芯片在显存带宽、互联拓扑、算子支持范围上都有差异。要让它们参与同一个训练任务，需要解决通信协议对齐、梯度同步节奏、算子降级兼容等一系列问题。97.6%的利用率意味着调度损耗被压到很低水平，这是区别于一般集群管理软件的硬门槛。

横向对比可以更清楚地理解这一点。本站此前追踪的 Fractile 走的是自研推理芯片路线，融资6亿美元、估值65亿美元，而博通为OpenAI定制芯片的项目融资规模更大。相比之下无问芯穹完全不碰芯片硬件，只做中间软件层，资本开支压力小得多。

PDD架构做了什么

2026年7月，无问芯穹发布了跨集群异构PD分离架构，名称是Prefill-RelayDecode-MainDecode，简称PDD。这套架构源于AgenticMaaS线上业务的长期大规模实践。

PD分离本身不是新概念，思路是把大语言模型推理拆成Prefill（处理输入）和Decode（生成输出）两个阶段，分别优化批处理策略。传统做法要求两个阶段跑在同一个集群里，PDD在中间引入了RelayDecode环节，让Prefill和Decode可以分布在不同地域、不同芯片架构的集群上。

实测结果是首Token延迟降低51.5%，单Token成本降低37.5%。对对话类应用来说首Token延迟直接决定主观流畅度，对 Agent 类应用来说单Token成本决定能不能规模化跑起来，两个指标都打在痛点上。

客户名单与下一步

无问芯穹已与智谱、月之暗面等头部大模型企业达成合作，在真实业务场景里持续打磨优化能力。月之暗面近期刚完成IPO前最后一轮融资，估值约500亿美元；智谱的GLM-5.3也已上线Amazon Bedrock按调用量分成。这两类客户对推理成本的敏感度极高，是中间层最好的试验田。

行业应用层面，公司推出了覆盖文娱游戏、医疗健康、法律服务、能源电力等领域的解决方案。联合创始人兼CEO夏立雪在2025年4月接受采访时表示，希望实现算力的标准化和服务化，帮助异构的国产芯片提升使用效率，推动算力像电力那样以标准应用的方式提供给千行百业。

2026年9月，夏立雪在腾冲科学家论坛曼谷专题活动的报告中提出了新的方向。他希望把全球技术合作与本地治理运营结合起来，为不同国家和地区构建可落地、可运营、可治理的本地AI能力，把中国形成的AI基础设施能力带向海外。这条出海路线会是下一阶段的观察重点。

FAQ

无问芯穹的核心业务到底是什么？
它做的是AI原生基础设施，通俗讲就是异构算力的调度与优化层。上游连接各类芯片厂商，下游服务模型公司和行业客户，中间不生产硬件，也不训练通用大模型。

23亿元的C轮融资在同类公司里算什么水平？
这是中国AI原生基础设施赛道目前最高的单轮金额，累计43亿元同样是最高纪录。参照同期案例，做推理芯片的Fractile单轮融资6亿美元，估值65亿美元，两者商业模式不同，但都指向算力效率这件事。

异构混训对普通开发者有什么直接影响？
最直接的影响体现在价格和可用性上。当同一批训练任务可以自由组合国产与进口芯片，算力供给不再受单一厂商产能约束，云上推理服务的定价就有下降空间，缺货时的排队时间也会缩短。

小结

这笔融资把AI基础设施赛道推到了新的估值锚点上。过去市场给模型公司高估值，是因为模型能力稀缺；现在给中间层高估值，是因为算力效率稀缺。无问芯穹接下来要回答的问题是，37000P的纳管规模还能增长多少，以及这套系统走出国门之后能否适配完全不同的芯片供应环境。

延伸阅读

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。

无问芯穹完成23亿元C轮融资：异构建力调度打通16种芯片，累计融资43亿元