广告
加载中

数十家机构 争抢Token供应商

曹玮钰 2026-05-08 11:42
曹玮钰 2026/05/08 11:42

邦小白快读

EN
全文速览

文章重点介绍了无问芯穹公司的融资、业务和市场动态。

1. 融资事件:无问芯穹完成超7亿元融资,由杭州高新金投等多家机构领投,老股东追加投资,融资窗口可能关闭。

2. 公司背景:清华团队创立,汪玉教授领衔,曾成功创办深鉴科技;CEO夏立雪等核心成员均出自清华电子工程系。

3. 业务模式:作为AI基础设施服务商,提供算力优化、大模型调度等“拎包入住”式服务,不自建算力,支持英伟达、华为昇腾等多芯片体系。

4. 市场影响:AI爆发带动Token消耗量增长,日均调用量超140万亿;公司精准踩点市场趋势,如预言Agent爆发,业务估值飙升。

文章涉及品牌定位、产品研发和消费趋势的干货。

1. 品牌营销:通过融资吸引地方国资和产业方,如联想、小米等,增强品牌信誉和资源整合。

2. 产品研发:采用多元异构技术路线,优化算力效率,支持160余种大模型开箱即用,满足AI应用需求。

3. 消费趋势:AI落地推动Token经济兴起,用户行为变化如大模型企业(如Kimi、智谱)依赖基础设施服务,消费需求向高效算力转移。

4. 品牌渠道:融资中资方“带资源进组”,打通地方AI场景,如杭州、天津国资,助力品牌渠道拓展。

文章解读了政策、市场机会和风险提示。

1. 政策解读:十五五规划强调“推进全国一体化算力网”,政策支持AI基建发展。

2. 增长市场:AI推理市场因DeepSeek和OpenClaw爆发增长10倍以上,Token消耗量指数级上升,日均突破140万亿。

3. 机会提示:Agentic Infra需求激增,无问芯穹卡位生态位,提供合作方式如MaaS平台服务。

4. 风险提示:资本周期远快于产业周期,企业需应对落地考验;正面影响是业务增长超20倍,但需规避风向如算力效率竞争。

文章揭示了产品需求和商业机会的启示。

1. 产品生产需求:AI基建需要高效算力解决方案,如多元异构芯片支持设计,满足大模型训练和推理需求。

2. 商业机会:服务头部企业如Kimi、智谱,提供算力优化服务;市场爆发带来Token经济红利,工厂可探索AI相关生产。

3. 数字化启示:软硬协同路径轻资产,推进数字化如算力调度管理;地方国资合作打通落地场景,启发工厂电商化转型。

文章聚焦行业趋势、新技术和解决方案。

1. 行业发展趋势:AI五层架构中基础设施层关键,产业竞争转向算力基建复合化,如电力储备纳入AI实力。

2. 新技术:多元异构算力技术,支持多种海外和国产芯片;软硬协同优化模型训练和推理。

3. 客户痛点:算力与模型发展错位,企业需高效调度管理;痛点如推理成本敏感。

4. 解决方案:无问芯穹提供MaaS平台,开箱即用160余种大模型,解决算力效率问题。

文章分析了平台需求、运营管理和风向规避。

1. 商业需求:企业对算力效率高度敏感,Token成为生产要素,平台需提供高效基础设施。

2. 平台最新做法:构建AGI基础设施平台,打通多元异构算力,支持模型调度;融资中吸引产业方如秦淮数据,带资源进组。

3. 招商与运营:通过融资整合地方国资(如杭州、天津),招商策略明确;运营管理接住流量增长,日均Token调用量增20倍,内功扎实。

4. 风向规避:资本周期快于产业周期,平台需关注落地考验;规避风险如AI竞争转向复合基建。

文章探讨了产业动向、新问题和商业模式。

1. 产业新动向:AI五层架构认证基础设施层重要性;竞争从拼模型转向算力基建复合化,涉及电力等新领域。

2. 新问题:资本周期远快于产业周期,企业面临落地挑战;政策如十五五规划强化算力供给。

3. 政策建议:国家推进算力网建设,启示政策支持AI基础设施发展。

4. 商业模式:轻资产路径卡位生态位,通过软硬协同提供“拎包入住”服务;高校科技创业样本,商业模式可借鉴。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

The article highlights WuWenXinQiong's funding milestones, business operations, and market dynamics.

1. Funding Event: The company secured over ¥700 million in financing, led by Hangzhou High-tech Financial Investment and other institutions, with existing shareholders participating. The funding window may close soon.

2. Company Background: Founded by a Tsinghua University team led by Professor Wang Yu, who previously established DeepPhi Technology. Core members, including CEO Xia Lixue, are Tsinghua Electronic Engineering alumni.

3. Business Model: As an AI infrastructure provider, it offers "plug-and-play" services like compute optimization and large model orchestration, avoiding self-built infrastructure. It supports multi-chip ecosystems including NVIDIA and Huawei Ascend.

4. Market Impact: AI growth has driven token consumption, with daily calls exceeding 140 trillion. The company has accurately anticipated trends like the Agent boom, leading to a surge in valuation.

The article covers brand positioning, product R&D, and consumption trends.

1. Brand Marketing: Financing from local state-owned and industrial investors like Lenovo and Xiaomi enhances credibility and resource integration.

2. Product R&D: A multi-heterogeneous technical approach optimizes compute efficiency, supporting over 160 large models for immediate deployment to meet AI application demands.

3. Consumption Trends: AI adoption fuels the token economy, shifting user behavior toward reliance on infrastructure services from firms like Kimi and Zhipu, with demand pivoting to efficient computing.

4. Brand Channels: Investors contribute resources, enabling access to local AI scenarios (e.g., Hangzhou, Tianjin) and facilitating channel expansion.

The article interprets policies, market opportunities, and risks.

1. Policy Insight: The 15th Five-Year Plan emphasizes "advancing a national integrated computing network," supporting AI infrastructure development.

2. Growth Market: The AI inference market grew over 10x due to breakthroughs like DeepSeek and OpenClaw, with daily token consumption surpassing 140 trillion.

3. Opportunity Alert: Agentic Infrastructure demand is surging; WuWenXinQiong occupies a niche, offering collaboration models such as MaaS platform services.

4. Risk Warning: Capital cycles outpace industry cycles, requiring firms to address implementation challenges. While business grew 20x+, risks include compute efficiency competition.

The article reveals product demands and commercial opportunities.

1. Production Needs: AI infrastructure requires efficient compute solutions, e.g., multi-heterogeneous chip support for large model training and inference.

2. Commercial Opportunities: Serving leading firms like Kimi and Zhipu with compute optimization; market growth offers token economy dividends, prompting factories to explore AI-related production.

3. Digital Insights: Light-asset, hardware-software synergy enables digital advancement (e.g., compute orchestration). Collaboration with local state-owned entities unlocks implementation scenarios, inspiring factory e-commerce transformation.

The article focuses on industry trends, technologies, and solutions.

1. Industry Trends: Infrastructure is critical in AI's five-layer architecture; competition shifts to composite compute infrastructure, including power capacity as part of AI capability.

2. New Technologies: Multi-heterogeneous compute supports diverse chips (overseas/domestic); hardware-software co-design optimizes model training and inference.

3. Client Pain Points: Misalignment between compute and model development necessitates efficient orchestration; issues like inference cost sensitivity are key concerns.

4. Solutions: WuWenXinQiong's MaaS platform offers 160+ pre-integrated large models, addressing compute efficiency challenges.

The article analyzes platform needs, operations, and risk avoidance.

1. Business Demand: Enterprises are highly sensitive to compute efficiency; tokens become production factors, requiring platforms to provide robust infrastructure.

2. Platform Strategy: Building an AGI infrastructure platform with multi-heterogeneous compute support and model orchestration. Financing attracts industrial partners like Chindata Group, bringing resources.

3. Recruitment & Operations: Integration with local state-owned capital (e.g., Hangzhou, Tianjin) aids merchant acquisition; operations handle 20x growth in daily token calls, demonstrating solid execution.

4. Risk Mitigation: Capital cycles exceed industry cycles; platforms must focus on implementation tests and avoid pitfalls like overemphasis on composite infrastructure competition.

The article explores industry movements, emerging issues, and business models.

1. Industry Dynamics: AI's five-layer framework underscores infrastructure importance; competition evolves from model superiority to composite compute infrastructure, involving domains like power supply.

2. New Challenges: Capital cycles outstrip industry cycles, posing implementation hurdles; policies like the 15th Five-Year Plan reinforce compute supply.

3. Policy Implications: National computing network initiatives highlight support for AI infrastructure development.

4. Business Model: Light-asset positioning via hardware-software synergy offers "turnkey" services; as a university tech spin-off, it provides a replicable entrepreneurial template.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

AI基础设施融资纪录再次刷新。

投中网独家获悉,AGI基础设施服务商无问芯穹获得超7亿融资,由杭州高新金投、惠远资本联合领投,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)跟投,老股东君联资本、上海国投孚腾和元智未来追加投资。

作为背景最强、最受瞩目的AGI基础设施,叠加一级资金对上游“卖水人”环节日益增长的热情,无问芯穹本轮仍是投资意向远大于目标金额,融资在一个季度内完成。

过往几轮的颗粒度都在5亿上下,COO王梦菲透露,之所以选择超募,除了AI基建仍处于高强度投入期之外,另一重要原因是AI算力爆发的场景需求。从资方背景来看,地方国资和产业方占到大头。事实上,每家资方都是“带资源进组”,纯财投方基本为零。

另外值得注意的是,无问芯穹已完成股改。一个可能的信号,只融了四轮的无问芯穹,融资窗口可能即将或已经关闭。

清华师徒联手,爆发前夜又一轮

我在过往报道曾评价,无问芯穹的融资是“教科书级别”,排面是一方面,关键是思路清晰,在各个阶段都能做到,将融资为企业服务。

无问芯穹成立于2023年5月,是典型的“教授+学生”创业组合。发起人清华大学电子工程系汪玉教授在一级市场享有很高口碑,业内评价“少见的学术水平和产业认知都非常高的学者”。在无问芯穹,汪教授的得意门生包括:联合创始人兼CEO夏立雪、联合创始人兼首席科学家戴国浩、首席技术官李伯勋等,他们都出自清华大学电子工程系。

汪玉教授先前有过成功的企业经验。2016年,汪玉教授牵头创办深鉴科技,两年后被成功收购。按照官方口径,这是中国人工智能行业风投退出第一单,也是清华有规定以来第一家科技成果作价入股、产品化、实现现金回报的公司。

2023年,成立3个月的无问芯穹完成首轮正式融资。最早入局的红杉继续加码,北极光、金沙江创投、SeeFund、徐汇资本以及砺思资本创始合伙人曹曦成为第一批投资人。

该轮仅用1个月就完成,是典型的“3F”操作,均为一线市场化机构。

2024年9月,成立一年半的无问芯穹完成A轮融资,典型的club deal,这是最“聚气”策略的一轮。5亿规模不算最大,但资方多达15家,类型主要三种:

国家队和地方国资:社保中关村基金(首次领投),国家开行旗下的国开科创,上海人工智能产业投资基金和徐汇科创投;

产业方:联想创投、小米顺为、软通高科等;

财务机构:达晨财智、德同资本、尚势资本、森若玉坤、申万宏源、正景资本等等。

在一轮“满贯”之后,2025年11月,无问芯穹完成5亿A+轮融资,由珠海科技集团、孚腾资本(元创未来基金)领投,惠远资本、尚颀资本和弘晖基金跟投,老股东洪泰基金、达晨财智、尚势资本&海棠资金、联想创投、君联资本、申万宏源、徐汇科创投、元智未来追投。

在覆盖国家队以及北京、上海国资之后,新增了发力人工智能的珠海。

再到本次融资,AI算力迎来新一轮爆发,正是拓展场景的好时机,无问芯穹的策略是一轮“带资源进组”阵营,利落卡位AI基建场景。地方国资+产业方的基本盘,新增杭州、天津和山东地方国资,打通了地方AI基础设施和落地场景,秦淮数据、卡莱特等产业方则有实际业务场景。

据了解,本轮融资实际完成时间是今年年初,正值龙虾爆发前夜。本轮之后,无问芯穹因agent爆火,业务和估值都迎来了爆发增长。

AI“预言家”,生态红利爆发

作为AI时代的新物种,卡位AGI Infra的无问芯穹,作为中间层一直难以被感知和了解。

几个月前,黄仁勋从产业视角提出了“AI的五层架构”,自下而上分别是能源层、芯片层、基础设施层、模型层和应用层。

放在这一框架理解无问芯穹的业务模式,算是有了权威认证的产业身份,就是卡位在芯片与模型层之间的基础设施层。

具体来看,与传统云厂商或算力供应商不同,无问芯穹选择一条很“轻资产”的路径,不自建算力,也不做应用终端,而是围绕算力优化、大模型、智能体等多个环节,通过软硬协同,打通多元异构算力、加速模型训练和推理以及多模型调度管理,构建一套面向企业和开发者的“拎包入住”式的AGI基础设施。

半年前我和无问芯穹CEO夏立雪一次对话,他提到选择这一切口的逻辑在于模型和算力的发展仍存在错位,尚未形成闭环,与其去做两端,从中间去打通两股力量的价值和空间更大。

几年过去,无问芯穹的业务进展飞速。按最新的企业口径,在算力优化方面,无问芯穹的“多元异构”技术路线同时支持英伟达、AMD、华为昇腾、壁仞、海光、摩尔线程、沐曦等多种海外、国产芯片体系。在模型/应用层,按照夏立雪今年3月在中关村论坛的披露,无问芯穹已经是Kimi、智谱等众多头部大模型企业的基础设施服务商。此外,无问芯穹MaaS平台已上线160余种大模型,均支持开箱即用。

两年前谈这家企业势能强,谈的是清华顶尖背景,是“一旦国内人工智能爆发,AI基础设施将是最佳生态位”。这两年中国人工智能迎来DeepSeek引爆的大模型爆发,OpenClaw引爆的agent推理爆发,“推进全国一体化算力网、强化算力供给”写进十五五规划,无问芯穹的生态红利正在一步步兑现。

企业在融资、开展业务,都要讲故事,有高明的故事,普通的故事,更多是听不懂的故事,甚至流于表面的话术,一般来说参考性并不强。但无问芯穹一个值得玩味的现象是,每一轮融资时的企业叙事,都恰好踩在两波爆发前夜,颇有点“预言家”的意味。

2024年9月,A轮之际,无问芯穹在的企业叙事是“大模型时代的算力运营商”。当时国内大模型走势并不明朗,CEO夏立雪在对话中表示对AI在中国的落地“有绝对信心”。几个月后的春节,DeepSeek引发国产大模型爆发,直接带动推理市场增长至少10倍以上,一个开源模型在社会范围拉齐了人工智能产业化的共识。

2025年11月,A+轮之际,无问芯穹的定位更为清晰:智能体时代的agentic infra。几个月后,以OpenClaw龙虾为主的agent爆火,Token消耗量出现指数级爆发。国家统计局最新发布的数据显示,截至今年3 月,我国日均Token调用量突破140万亿,比上年末增长超40%。

无问芯穹的实感更直接,截至今年4 月底,无问芯穹MaaS平台的日均Token调用量相较于去年底增长超20倍。另一隐含信息是,这波泼天流量,无问芯穹稳稳接住了,说明晴天没少修房顶,内功和落地都做得不错。

COO王梦菲透露,“在本轮融资沟通时,无问芯穹向投资人预判Agent会很快落地,智能体很快会走入千家万户,以及什么是Agentic Infra。但当时投资人的问题是,到底什么是智能体?直到龙虾出来,大家一下恍然大悟。”

当然,没有谁是真正的预言家。踩点准,一来是时运,二来是对大势的把握准确,在日新月异的的新技术时代,动态的模糊的正确,已很见企业掌舵者的远见和功力。

这一轮企业更新了一版更宏大的叙事,把自身生态位放到“中国token经济枢纽”。逻辑在于,AI产业竞赛的不再是模型能力本身,随着AI进入落地探索,大模型和应用厂商对推理成本高度敏感,Token开始成为生产要素,对于算力供应,效率是关键词。

说到底,这一逻辑暗合了AI产业一个当前论调:AI竞争已经从拼模型,到拼算力基建的复合竞争。相应的,电力储备、新能源等话题也已被纳入AI实力的范畴。

故事讲得好是优势是与时俱进乃至远见,关键还是拼策略、拼落地。目前国内几个热门主题包括AI、具身乃至商业航天等等,普遍存在资本周期远快于产业周期的局面。即便在资本市场交了卷,也只是企业发展的一个节点,真正的考验还在后面。

还是那句话,无问芯穹是一个优秀的高校科技创业的典型样本,卡位在AI浪潮的关键生态位。于事,于势,这家企业的未来仍值得持续关注。

注:文/曹玮钰,文章来源:投中网(公众号ID:China-Venture),本文为作者独立观点,不代表亿邦动力立场。

文章来源:投中网

广告
微信
朋友圈

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0