10月12日，国内领先的AI原生基础设施企业无问芯穹已完成C轮融资，本轮融资金额23亿元，公司创立以来累计融资额达43亿元，单轮及累计融资额均创下中国AI原生基础设施赛道最高纪录。

　　作为AI Infra赛道最受关注的明星独角兽，无问芯穹是清华大学和上海交通大学两大顶尖高校的科技成果转化企业，自成立以来其投资方阵容汇聚多方知名机构，涵盖国资机构、产业投资方、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。多元资本的持续参与，体现出不同类型资金对AI Infra赛道龙头的一致认可，为企业持续开展技术创新和产业应用落地提供了有力支撑。

　　无问芯穹成立于2023年，是中国AI原生基础设施领域的代表性企业。依托多元异构、软硬件协同和自主式AI三项核心技术，公司已形成前店后厂一中心的Agentic Infra战略布局，贯通算力资源、Token生产与行业应用三层价值链。

　　“一中心”是算力集散中心，即Agentic Infra自主式基础设施平台。目前该平台已部署触达37,000P算力，覆盖16种主流芯片。无问芯穹此前发布了全球首个千卡规模异构芯片混训平台，具备万卡扩展性，已实现了华为昇腾、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%。在跨域场景中，公司联合中国电信完成国内首例超4,000公里的大规模跨域混训技术验证，圆满落地新疆哈密至广东深圳推理集群的跨域训练任务，实现300亿参数模型的高效稳定训练，将分散在不同区域的算力转化为可协同使用的计算资源。

　　“后厂”是Token工厂，对应Agentic MaaS大模型服务平台。2026年7月，无问芯穹在 WAIC 上发布了首创的新一代推理系统优化成果——跨集群异构PD分离架构（Prefill-RelayDecode-MainDecode, PDD），基于Agentic MaaS线上业务长期的大规模实践积淀，该架构在实现了首Token延迟（TTFT）降低51.5% 的同时，单Token成本可降低 37.5%。这不仅意味着用户端速度体验的显著提升，更意味着每一个集群都能被充分利用起来，最大化释放全域异构算力的产业应用价值。过去一年里，无问芯穹的Token工厂已通过一系列原始技术创新，推动了推理成本的10倍下降，截至7月，无问芯穹Agentic MaaS平台单日Token调用量较去年12月，已实现了40倍的爆发增长。

　　“前店”是AI生产力商店，面向企业提供Agentic Infra行业解决方案。对于同一个行业场景，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。此前打造的基础设施智能体蜂群已包含面向用户的平台管家智能体、面向集群的智算运维智能体及面向芯片的算子生成智能体KernelMind三大子集。基础设施智能体蜂群可协同完成模型组合、任务管理和执行保障，实现性能、成本及可靠性的综合优化，并根据任务复杂度、时延要求和Token成本，动态选择模型与算力资源，使Token进一步转化为可执行、可交付的行业生产力。

　　从行业背景来看，2026年大模型逐渐进入真实应用场景，推理侧的计算需求持续爆发式增长，无问芯穹早在去年已极具前瞻性地布局“Agentic Infra”，并提出AI生产力公式，将AI生产力拆解为智能资源规模、Token生产效率和Token价值转化三个变量。前店后厂一中心分别对应这三个环节：算力集散中心扩大可利用的智能资源规模，Token工厂提升算力向Token的转化效率，AI生产力商店则推动Token进入真实业务场景。

　　目前，无问芯穹已与智谱、月之暗面等头部大模型企业达成了密切合作，在真实业务场景中持续打磨、积累了大量优化经验。在行业应用层面，无问芯穹已推出覆盖文娱游戏、医疗健康、法律服务、能源电力等领域的Agentic Infra行业解决方案。而海量业务经验又能反哺技术快速迭代，催动平台性能与可靠性的同步跃升，形成“业务带技术，技术提效率，效率促增长”的正向循环。

　　人工智能产业的持续发展，需要底层技术创新、基础设施建设与行业应用相互促进。一方面，国产芯片与基础模型的进步为产业发展提供了更多技术选择；另一方面，异构算力协同、推理优化和智能体基础设施等技术，有助于将不同环节的能力连接起来，进一步释放产业链整体效能。无问芯穹围绕算力资源、Token生产与行业智能体应用开展的探索，体现了我国AI基础设施企业从实际产业需求出发，通过自主技术创新解决算力利用、服务成本和应用转化等问题的实践。随着技术能力持续提升、产业协作不断深化，AI基础设施有望进一步推动人工智能应用普及，促进技术创新与实体经济需求深度融合，为中国人工智能产业发展新质生产力提供重要支撑。（柯岩）