超7亿元!清华教授再创业,做AI基建,国资扎堆疯抢

5月7日，无问芯穹宣布完成B轮融资，金额超7亿元，持续稳居中国AI原生基础设施公司融资规模之首。

本轮联合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、力合清瞳、中保投资、AEF NextGen、腾瑞资本、卡莱特、中信建投资本和宽德智能学习实验室 (Will)，老股东君联资本、上海国投孚腾和元智未来追加投资。超过70％的资金来自地方国资与产业方，纯财务投资为零。

过去两年，AI赛道的融资逻辑正在重构。纯财务投资人越来越谨慎，国资和产业资本成了主角。但国资的钱从来不好拿，他们要的不只是财务回报。

无问芯穹凭什么获得他们的青睐？

无问芯穹的创始人汪玉，是清华大学电子工程系的长聘教授。注意，这已经是他第二次创业了。2016年，汪玉创办了深鉴科技，专注神经网络加速芯片。三年后，深鉴科技被赛灵思（后来被AMD收购）收购。清华大学电子系教授创办的公司被国际巨头收购，这个案例当时在圈内传了很久。

第一次创业成功卖掉公司，第二次创业从底层基础设施切入。汪玉没接着做芯片，而是选择做那个"让芯片和模型之间没有隔阂"的角色。

CEO夏立雪是汪玉的学生，清华电子系博士。说起来，夏立雪有个挺大胆的判断——2026年3月中关村论坛上，他首次提出"中国特色Token经济学"理念。在他们看来，AI生产力可以用一个公式概括：智能规模乘以Token生产效率，再乘以Token价值转化。

"在Token经济时代，AGI基础设施如同石化产业链中的炼化厂，把能源转化为数字石油。"夏立雪这样描述到。

首席科学家戴国浩、CTO李伯勋组成了完整的技术铁三角。学术背景有，产业实战经验也有。在当下的AI创业语境里，这种组合挺稀缺。

技术壁垒，有时候体现在"不做什么"上。

无问芯穹给自己的定位是"不建算力、不造芯片"。这两件事是行业里最重的投入——英伟达卖GPU、阿里云建数据中心，每一条路都是重资产、长周期、强者恒强的游戏。换你，你会选这条路吗？我猜大多数人不会。

无问芯穹选择做芯片与模型之间的"翻译官"。

具体怎么翻译？核心技术可以分为三层：

第一层是多元异构算力调度。中国的AI芯片市场极度碎片化——华为昇腾、寒武纪、海光、燧原、摩尔线程……每家芯片都有自己的架构和接口，模型要跑在不同的芯片上，需要大量适配工作。无问芯穹的平台已经支持10种以上不同芯片。这个数字还在增加。

第二层是软硬协同优化。光能调度还不够，还要让芯片跑出效率。无问芯穹的团队能把模型推理效率优化到接近硬件的理论峰值，实现算力利用率高达97％以上。这个数字什么概念？行业平均水平大概在60％－70％。差了快30个百分点，换算成成本，是很大一笔钱。

第三层是Agentic MaaS平台。MaaS已经不新鲜了，但"Agentic"意味着这套平台不只是托管模型，还能让模型自主调用工具、完成任务。

截至今年4月底，平台已上线160余种大模型，包括Kimi、智谱、DeepSeek、通义千问、MiniMax等行业主流玩家。日均Token调用量较去年底增长超过20倍，每两周翻一番。

基础设施公司怎么赚钱？核心就是卖"加工能力"。

无问芯穹的商业模式，本质上是"算力中介"加"效率优化服务"。客户把模型部署到平台上，平台负责找到最合适的芯片组合、跑出最高效的推理速度，客户按Token调用量付费。

在这个模式中，优势不言而喻。

第一就是轻资产。不自建算力，不囤芯片，风险全在芯片厂商那边，无问芯穹赚的是整合和优化的钱。说白了，就是用技术能力换利润，不用操心硬件的折旧和库存。

第二，网络效应。上线的模型越多，调用的Token量越大，平台积累的调度经验就越丰富，效率优势越明显。160余种模型、25，000P＋的算力纳管规模，构成了天然的壁垒。后来者想追，光是积累这些经验就需要很长时间。

第三，黏性高。一旦企业的AI应用跑在某个平台上，迁移成本不低。尤其是Agent产品，单次任务Token消耗动辄十万甚至百万级，客户不会轻易换平台。

服务客户的名单印证了这一点——Kimi、智谱、百川智能、生数科技、联想集团、理想汽车、新华三、中国移动、上海人工智能实验室、之江实验室……既有互联网大厂，也有传统IT巨头，还有国家级科研机构。

这个覆盖面也进一步说明，无问芯穹的"最大公约数"定位是成立的。

无问芯穹所在的赛道，目前我认为没有直接对标的竞争者。

国内做MaaS的平台不少，但大多数是云厂商的附属业务——阿里云有通义千问、百度智能云有文心一言、腾讯云有混元。这些平台的逻辑是"自己的芯片跑自己的模型"，封闭生态，服务自己生态里的客户。

无问芯穹是开放生态，只做中间层，跟谁都不竞争。

这是战略智慧，但也是无奈之举。正面跟云厂商抢客户，以无问芯穹目前的体量还打不起。

真正的风险来自两个方向：

一是芯片厂商自己做生态。华为昇腾、寒武纪等头部芯片厂商，有动力把软件栈做完整，减少对第三方中间层的依赖。这会侵蚀无问芯穹的部分市场空间。

二是大模型厂商自建推理能力。随着模型能力越来越强、推理成本越来越低，大客户可能会选择直接跟芯片厂商签长期协议，绕过中间层。

应对这些威胁，无问芯穹的策略是"比芯片厂商更懂模型，比模型厂商更懂芯片"。这要求团队持续保持技术敏感度和执行力。说实话，这个要求不低，难度也不小。

中国AI产业走到今天，缺芯片、缺模型的时代正在过去。

国家统计局的数据显示，截至2026年3月，中国日均Token调用量突破140万亿，比上年末增长超40％。这个数字背后，是AI应用在实实在在地渗透进各行各业。

但瓶颈也在转移。模型越来越多，芯片越来越杂，如何高效地把算力转化成生产力，成为新的核心问题。

无问芯穹押注的，正是这个痛点。

从全球范围看，美国对标的是CoreWeave。这家专注GPU云计算的公司，IPO后市值从230亿美元飙升至660亿美元。数字挺吓人的，验证了"AI基础设施"赛道的资本价值。

但CoreWeave的逻辑是"重资产囤卡"，跟无问芯穹的"轻资产做中间层"完全不同。两条路谁走得更远，还需要时间验证。

有一点是确定的：2027年后，机器自主消费的Token规模将开始超越人类。AI不再只是人类的工具，而会成为自主消费算力的"数字生命"。

届时，谁来调度这些算力、谁来做"炼化"这个环节，将是价值万亿的问题。

无问芯穹正在提前布局这个终局。