AI基础设施赛道诞生了一笔刷新纪录的融资。据科技日报、证券时报等多家媒体报道，AI原生基础设施企业无问芯穹于10月12日确认完成C轮融资，金额达23亿元，公司创立以来累计融资额达到43亿元，单轮与累计融资额均创下中国AI原生基础设施赛道的最高纪录。更早前的10月初，这家公司已被曝以保密形式向港交所递交上市申请，计划募资数亿美元，最早于2027年上半年挂牌。资本与资本市场的同时下注，指向了同一个判断：智能体时代的算力调度，正在成为一个独立的产业级机会。
无问芯穹的出身带着浓厚的学院印记。公司成立于2023年5月，由清华大学电子工程系长聘教授汪玉联合学生夏立雪、戴国浩等人共同创立，夏立雪出任联合创始人兼首席执行官，同时依托清华大学与上海交通大学两所高校的科技成果转化体系。汪玉并非第一次创业，他此前联合学生创办的AI芯片公司深鉴科技在2018年被国际芯片厂商收购，这段经历为无问芯穹的工程底色埋下了伏笔。本轮投资方阵容横跨三类资本：国资机构、产业资本与财务投资机构悉数在列。
细看这份投资方名单，能读出资本对AI基础设施赛道的共识浓度。国资阵营包括杭州高新金投、社保中关村基金、珠海科技产业集团、徐汇资本、国开科创等，押注的是算力基础设施的战略属性；产业资本里有腾讯、百度、联想、九坤创投等，看中的是与其自身AI业务的协同；财务投资机构则有红杉中国、启明创投、顺为资本、达晨财智等老牌力量。三类资本在同一轮融资里齐聚，在当下的融资环境中并不多见，也说明算力运营这门生意的价值正在被不同诉求的资金共同确认。
融资纪录背后还有一个行业背景：2026年大模型加速进入真实应用场景，推理侧算力需求持续爆发式增长，而芯片供给的碎片化与推理成本的高企成为全行业痛点。不直接服务终端用户的算力中间层，恰恰卡在了供需匹配的关键位置上。资本寻找的，正是这个位置上的头部玩家。
无问芯穹的定位在AI产业链里相当独特：不造芯片，也不做模型，只做算力的调度者和运营商。公司自身不持有大规模数据中心，而是通过软件层打通分布在数十个第三方设施中的异构算力，把分散的、规格不一的芯片资源聚合成可统一调度的池子。这种轻资产模式与重金自建数据中心的路径形成鲜明对照：不背基础设施的重资产包袱，把核心壁垒押在调度软件与工程know-how上。在国内算力生态高度碎片化的现实下，这种模式恰好命中了市场的结构性需求。
证券时报的报道把行业趋势概括为从堆规模转向精管理：当芯片体系碎片化、推理成本高企成为共同痛点，一批既不造芯片、也不做模型的算力运营商站到了产业链的关键位置。这个判断的潜台词是，算力的稀缺正在从总量稀缺转变为有效供给稀缺，手里有芯片不等于能用好芯片，跨芯片、跨地域、跨负载的调度能力才是稀缺资产。
技术成色是这个故事里最实的部分。公司的算力集散中心目前已部署触达3.7万P算力，覆盖16种主流芯片；其发布的全球首个千卡规模异构芯片混训平台具备万卡扩展能力，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、英伟达两种进口芯片的大模型混合训练，算力利用率最高达到97.6%。异构混训是算力调度皇冠上的明珠：不同架构的芯片指令集、通信协议与计算特性各异，要让它们在同一个训练任务里高效协同，难度远超同构集群的堆叠。
跨域场景的验证更具标志意义。公司联合中国电信完成了国内首例超4000公里的大规模跨域混训技术验证，把新疆哈密与广东深圳两地的推理集群连成一个整体，完成了300亿参数模型的高效稳定训练。地理跨度带来的网络时延与稳定性挑战，正是分布式算力调度最难啃的部分。这组实验证明，分散在不同区域的算力可以被转化为可协同使用的计算资源，算力的地理边界正在被软件重新定义。
公司的业务布局被概括为前店后厂一中心，分别对应智能资源规模、Token生产效率与Token价值转化三个变量。一中心是算力集散中心，解决智能资源从哪里来的问题；后厂是Token工厂，对应大模型服务平台，过去一年通过一系列原始创新推动推理成本实现10倍下降，截至今年7月，平台单日Token调用量较去年12月已实现40倍的爆发式增长；前店是AI生产力商店，面向企业提供行业解决方案，核心逻辑是同一个业务场景下，不同模型规模与硬件配置对应的Token成本差异巨大，智能体场景的自适应调度可以显著提升投入产出比。
Token调用量40倍的曲线，是智能体时代推理需求爆发的直接注脚。对话式应用消耗的Token是线性的，而智能体为了完成一项任务要反复思考、调用工具、自我校验，消耗的Token呈几何级增长。推理侧的算力需求超过训练侧，正在从预测变成现实，这也是算力运营商业价值重估的根本原因：训练需求集中在少数巨头，推理需求却散落在千行百业，中间层平台的杠杆空间大得多。
10月初的保密递表，让无问芯穹成为AI基础设施赛道资本化的风向标。拟募资数亿美元、最早2027年上半年挂牌的时间表，与当前港股对硬科技资产的窗口期高度契合。对一级市场的投资人而言，上市通道的打开意味着这类重技术、长周期的资产有了退出路径，反过来又会激励更多资金进入赛道；对公司而言，上市募集的资金将用于算力网络扩张与技术迭代，规模化的窗口期稍纵即逝。
纪录之后，考验才真正开始。融资与递表解决的是弹药问题，接下来的竞争要看执行：异构调度的技术领先能否持续扩大，Token工厂的成本曲线能否继续陡降，行业解决方案能否在更多垂直场景复制。当智能体把算力需求推向新高地，这家不造芯片不做模型的公司，正在用软件证明一件事：算力的下一座金矿，藏在调度的艺术里。