中国的AI芯片大多"说不同的方言"。一次训练任务可能横跨十几家厂商的芯片，每家都有自己的软件栈和脾气。一家上海创业公司刚说服投资人：把这一切缝在一起的"中间层"，值得用真金白银下注。
一笔创纪录的融资
据科技日报、中国证券报等媒体2026年10月12日披露，AI原生基础设施企业无问芯穹（Infinigence）完成23亿元C轮融资。叠加此前各轮，公司自2023年成立以来的累计融资达到43亿元。无论单轮还是累计，都被描述为国内独立AI基础设施（AI Infra）企业的最高纪录。
投资方阵容也折射出这条赛道的"共识"：国资背景包括杭州高新金投、社保中关村基金、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；产业方包括联想、九坤创投、同歌创投、腾讯、百度；财务投资方则有红杉中国、洪泰基金、惠远资本、启明创投、达晨财智、顺为资本等。不同类型资本同时加注，说明市场把AI Infra从"辅助赛道"重新定义为产业链的"窄腰"环节。
它到底在做什么
无问芯穹由清华大学与上海交通大学科技成果转化而来，由清华电子工程系教授汪玉发起、夏立雪任CEO，做的是它自称为"Agentic Infra"的活——芯片与可用AI之间的管道。
它的"一中心"算力集散平台负责调度异构硬件。公司称该平台已触达约37000P算力、覆盖16款主流芯片，包括华为昇腾、天数智芯、沐曦、摩尔线程等国产卡与NVIDIA、AMD进口卡同场训练。它还联合中国电信完成国内首例超4000公里跨域混训验证，把新疆哈密与广东深圳的算力协同起来，稳定训练300亿参数模型——这正是碎片化算力被盘活的具体案例。它的"后厂"是MaaS大模型服务平台：无问芯穹称平台推理成本过去一年下降约10倍，单日Token调用量从2025年12月到2026年7月增长约40倍。这些是公司口径的数据，看趋势即可，不宜当作审计结果。
为什么资本盯着中间层
中国的算力供给格外碎片化：芯片厂商多、代际多、地域多，软件还常常互不兼容。这种碎片化对大规模训练与推理是头疼事，却也催生了一个本土独有的赛道——中立的第三方AI基础设施（AI Infra）层，它站在芯片之上、应用之下。
无问芯穹把自己定位为这个中立底座，已与智谱、月之暗面等大模型实验室合作。底层逻辑是：当AI从一次性训练转向持续、海量的推理，瓶颈就从"谁集群最大"转向"谁能把算力最高效、最可靠地变成Token"。碎片化越严重，对统一软件层的需求就越刚性。
这并非中国独有。海外的Fireworks AI、Baseten、Together AI等"新云"公司同样拿到大额融资，说明全球资本已把推理基础设施视作核心成长市场，而非后台成本。无问芯穹的特别之处在于，它要调度的是一套高度异构、本土特有的算力拼盘——这正是海外方案难以直接复制的场景。
一个未证实的IPO传言
彭博社援引知情人士称，无问芯穹已秘密向港交所递交上市申请，上市前估值约143亿元，最早可能2027年登陆。公司未予确认。本文将其视为"据报导但未证实"，不写入任何硬结论。
诚实的局限
融资数字（23亿元C轮、累计43亿元）由科技日报、中国证券报及地方政府发布交叉印证，可信度较高。而37000P、16款芯片、成本降10倍、Token增40倍等是公司在同一批报道中给出的口径，反映趋势而非审计业绩，我未独立核验。IPO传言仅来自单一的彭博未证实报道。本轮具体领投方与完整股东结构未公开，我因此不点名领投，避免猜测。
普通人现在能做什么
- 关注无问芯穹"Token成本"能否出现在第三方基准测试中——那才是Infra公司的真考，而非融资标题。
- 把港交所IPO传言当作观察信号而非定论，等官方递表再下判断。
- 如果你在国内AI技术栈上开发，碎片化的确是真实痛点；评估中立聚合层时看兼容广度与可验证成本，别只看话术。