巨头神仙打架买来几万张显卡跑不动这帮清华学霸靠拉电线反赚几十亿如果你手握几十亿元资金准备押注人工智能大概率会先看看那些大红大紫的模型公司或者奔向造芯片的硬件新贵。但在2026年10月12日国内人工智能赛道却诞生了一笔打破行业纪录的巨额融资主角既不造半导体芯片也不自己研发底层大模型。这家名叫无问芯穹的企业刚刚完成了二十三亿元的最新一轮融资成立至今累计拿下的融资额已经达到四十三亿元。这两个数字直接刷新了国内人工智能原生基础设施领域的单轮与累计融资金额最高纪录。更让人好奇的是腾讯、百度、联想、小米、红杉中国、启明创投以及多家国资机构竟然整整齐齐地站在这家公司的股东名单里。一家夹在芯片和大模型中间的软件调度公司凭什么拿下这笔巨款一、为什么买了那么多芯片算力还是不够用要看懂这笔融资背后的逻辑得先看看国内人工智能行业眼下一个让人头疼的怪现象大家手里的算力看似不少但真正跑起大模型时却卡得要命。根据国家数据局公布的数据国内人工智能每天调用的基本单位从2024年初的千亿级别一路飙升到2025年底的一百万亿到了2026年3月更是突破了一百四十万亿。算力需求像滚雪球一样暴涨但算力供给却极其碎片化。市面上有各种各样不同架构的硬件互联网大厂的基础设施往往优先服务自己的内部生态芯片厂商开发的工具只紧紧绑定自家的硬件而大模型企业之间又存在激烈的业务竞争与同业壁垒。这就好比一个大型后厨里面招募了来自天南地北的十几位厨师每个厨师只听得懂自己的家乡方言手里的炊具尺寸也完全不通用。洗菜的、切配的、掌勺的各忙各的整套做菜流程经常因为等待某种特定的工具而彻底停摆。硬件买了一大堆但因为彼此无法协同大部分计算能力只能白白闲置。全行业都缺一个通用、中立、开放的第三方底座。如果一家公司自己也做大模型别的模型团队绝不敢把底牌交给他调度如果它自己造芯片其他芯片厂商就会把它当成死对头。整个产业链在这里形成了一个狭窄的瓶颈谁能在这个关键关口把不同厂家的软硬件顺畅串起来谁就能成为整个生态里不可或缺的枢纽。无问芯穹看准的正是这个位置。这家公司由清华大学与上海交通大学的科研成果转化而来源自清华大学电子工程系实验室团队孵化发起人汪玉是清华大学长聘教授管理团队涵盖了首席执行官夏立雪、首席科学家戴国浩、技术负责人李伯勋等人。他们从2023年5月成立起就定下了一条极具克制力的规矩不自研芯片硬件不直接开发底层大模型坚决不与客户竞争。他们把自己比作半导体领域的台积电专心致志做整条产业链里的算力代工中介。二、把六种不同牌子的芯片绑在一起怎么做到不打架不造硬件也不做模型的中间层听起来像个轻松的生意但真正要做起来技术门槛高得吓人。如果不能把不同品牌、不同架构的芯片捏合成一个高效的整体所谓的代工就只是一句空话。在传统的算力集群里哪怕是同一种芯片几千张卡连在一起协同工作都会产生严重的通信损耗。如果在同一个机房里训练同一个大模型把华为昇腾、天数智芯、沐曦、摩尔线程这四种国产硬件与两种主流进口芯片混在一起难度就像让六个语言完全不通的人在几毫秒内同步跳完一支极其复杂的芭蕾舞。稍微有一块芯片计算慢了半拍整批机器都得停下来等它整套集群的效率会瞬间跌落谷底。无问芯穹拿出的解法是一套连接多种模型与多种芯片的软硬件协同技术范式。他们做出了全球首个千卡规模的混合训练平台直接把这四种国产硬件与两种进口芯片拉到了同一个训练场里。在这套复杂的调度系统下混合集群的综合计算能力利用率最高达到了惊人的百分之九十七点六。在万亿参数混合专家模型的训练任务中整体吞吐表现比主流开源框架提升了百分之四十一到百分之七十五。不仅如此他们把一款新芯片的软件适配周期从几个月死死压缩到了两个工作日直接让国产硬件的适配成本下降了百分之七十以上。更让人感到不可思议的是物理空间上的距离跨越。在实际业务中算力往往分散在不同的地理位置机房建在西部而用模型的人在沿海。无问芯穹联合中国电信硬生生完成了一次跨越四千公里的大规模跨域混合训练。这场实验的一端架在新疆哈密另一端落在广东深圳中间隔着数千公里却协同跑起了一个三百亿参数的大模型。通过对通信网络与任务切分的重新设计整套系统的执行性能反而提升了一点六五倍。他们还把四个不同代际的计算集群直接聚合在一起让性能提升了百分之四十一在混合云算力聚合的场景下也实现了百分之六十八的性能提升。这套技术直接打破了以往算力必须堆在同一个机房、插在同一种机架上的物理限制。三、一年把调用成本打掉九成这家「代工厂」怎么赚钱对于真正掏钱使用算力的客户来说技术指标再好看最终还是要算经济账。如果模型推理的成本居高不下任何聪明的算法都无法大规模走入商业场景。无问芯穹把自己的商业架构梳理成了一套前店后厂一中心的清晰体系。中心是他们的自主式基础设施平台后厂是大模型服务平台前店则是面向具体产业的生产力商店。他们本身并不重资产购买或自建大型数据中心而是作为一个轻资产平台去调度各方现成的计算资源。截至目前这套调度中心已经部署并触达了超过三万七千个特定计算单位覆盖了十六种主流芯片能够支持十万卡级别的大规模模型训练、推理与强化学习。在具体的成本控制上他们开创了一种把模型的输入预处理阶段与输出生成阶段彻底解耦的新架构。以往大模型在回答问题时用户往往要忍受漫长的初始等待机器内部的硬件资源也会被这种断断续续的节奏拖垮。采用这种新的拆分架构后生成第一个输出单位的等待延迟直接降低了百分之五十一点五每一个基本单位的消耗成本下降了百分之三十七点五。反映在实际运营账本上的变化更为剧烈。在过去一年里他们的模型工厂直接推动推理成本实现十倍下降并且按照团队的测算未来依然保留着再降十倍的空间。极低的成本迅速带来了调用规模的爆发截至2026年7月平台单日处理的基本单位调用量比前一年12月暴涨了整整四十倍。低成本调度能力很快吸引了市场上的头部选手。智谱、月之暗面等知名大模型公司以及中国移动、中国联通、南方科技大学、咪咕文化科技等企业和机构纷纷接入了这套底座。其落地的行业方案也迅速铺开广泛进入文娱游戏、医疗健康、法律服务、能源电力等多个实体领域。四、资本疯狂下注的背后其实是在押注下一个时代的公共电网从资本市场的视角来看这笔二十三亿元的投资并不单纯是一笔技术扶持资金更像是在押注未来整个人工智能产业的水电煤调度权。在海外市场上类似定位的中立基础设施服务商早已经享受到了资本的极高溢价。提供类似模型优化与调度服务的海外企业里估值超过百亿美元的独角兽已经屡见不鲜海外芯片巨头英伟达自己都亲自出资同时投资了多家这一赛道的第三方调度公司。随着模型竞争进入深水区没有任何一家大厂能垄断所有的算力和所有的模型大家都需要一个绝不反水的中立平台。翻开无问芯穹这一轮的投资人名册这种行业共识展现得淋漓尽致。领投和跟投的阵营里既有杭州高新金投、社保中关村基金、珠海科技产业集团、厦门国兴投资、徐汇资本等具有雄厚地方产业背景的国资机构又有腾讯、百度、联想、小米等产业巨头再加上红杉中国、启明创投、洪泰基金、达晨财智、顺为资本等一线财务投资机构。多方势力的同时入局本质上是在用真金白银给这位中立裁判投票。回顾整个融资路径这家年轻的公司在2024年9月完成了近五亿元的融资2025年11月再拿近五亿元2026年5月又获得超过七亿元注资直到如今单轮砍下二十三亿元。随着业务规模扩大市场也传出了这家公司正在筹备上市的消息。人工智能时代的淘金热还在继续有人忙着炼制更聪明的头脑有人忙着烧制更硬核的铁锹。但不管是哪路玩家最终都要接入同一张电网才能运转。对于站在中间层的人来说不抢着当舞台中央的淘金客转去给所有挖矿的人架电线、通水管或许才是这场浪潮里最隐秘也最赚钱的生存法则。