10月12日，AI原生基础设施企业无问芯穹宣布完成C轮融资，融资金额23亿元，公司创立以来累计融资额达到43亿元。据科技日报、新浪科技等报道，单轮及累计融资额均创下中国AI原生基础设施赛道最高纪录。本轮投资方未在公告中完整披露，但从此前融资历程看，其投资方阵容涵盖国资机构、产业投资方和财务投资机构，包括杭州高新金投、中关村基金、珠海科技产业集团、联想、腾讯、百度、红杉中国、启明创投等。
对采购大模型服务的企业管理者和开发者来说，真正值得关注的不是融资额本身，而是这家公司反复强调的一组数字：已部署触达37000P算力、覆盖16种主流芯片、推理成本过去一年下降10倍。这些指标能否转化为企业账单上的实际降本，才是选型时的关键问题。
融资之外，无问芯穹到底在卖什么
无问芯穹成立于2023年，是清华大学和上海交通大学的科技成果转化企业，定位是AI原生基础设施服务商。它的战略框架被概括为“前店后厂一中心”。
“一中心”是算力集散中心，即Agentic Infra自主式基础设施平台。据公开信息，该平台已部署触达37000P算力，覆盖16种主流芯片。公司旗下千卡规模异构芯片混训平台具备万卡扩展性，已实现华为昇腾、天数智芯、沐曦、摩尔线程四种国产芯片分别与AMD、NVIDIA两种进口芯片进行大模型混合训练，算力利用率最高达到97.6%。在跨域场景中，无问芯穹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，落地新疆哈密至广东深圳推理集群的跨域训练任务，实现300亿参数模型的高效稳定训练。
“后厂”是Token工厂，对应Agentic MaaS大模型服务平台。公司首创的跨集群异构PD分离架构（PDD），在实现首Token延迟降低51.5%的同时，单Token成本可降低37.5%。据披露，过去一年其Token工厂推动了推理成本10倍下降，截至今年7月，Agentic MaaS平台单日Token调用量较去年12月实现了40倍增长。公司判断，伴随PDD架构规模化落地，推理成本仍有再降10倍的空间。
“前店”是AI生产力商店，面向企业提供Agentic Infra行业解决方案。对于同一个行业场景，不同模型规模和不同硬件配置可能对应完全不同的Token成本，无问芯穹以智能体场景自适应技术作为提升AI生产力转化效率的核心路径。客户与生态方面，其已与智谱、月之暗面等头部大模型企业达成合作，行业解决方案覆盖文娱游戏、医疗健康、法律服务、能源电力等领域，客户还包括中国移动、中国联通、南方科技大学、咪咕文化科技等政企与科研机构。
平台指标不等于企业账单
无问芯穹公布的“推理成本下降10倍”“单Token成本降低37.5%”等数字，来自其自身平台的技术优化结果，不能直接等同于某家企业客户的实际支出变化。企业最终账单受多重因素影响：调用量规模、模型选择、输入输出Token比例、是否使用缓存、并发峰值、以及合同约定的计费方式。
因此，评估这类算力平台时，建议把厂商指标拆解成可验证的问题。
第一，计费方式是否透明。按Token计费、按算力时长计费还是按任务打包计费，不同模式对成本结构的影响差异很大。企业应要求平台提供按业务场景拆分的报价单，而不是只看单价。
第二，任务表现是否匹配。PDD架构降低首Token延迟，对交互式应用（如客服、写作助手）体验提升明显；但如果企业主要跑批量离线推理，延迟优化带来的价值有限，更应关注吞吐和单位算力成本。
第三，迁移成本有多高。异构平台的核心卖点之一是不绑定单一芯片。据量子位等报道，无问芯穹可在2个工作日内完成新芯片适配，国产芯片适配成本降低70%以上。但企业已有的模型服务若深度绑定某家云厂商的推理框架，迁移到异构平台需要重新做性能调优和兼容性测试，这部分人力成本往往被低估。
第四，长期价格承诺。推理成本下降是行业趋势，但企业采购合同通常按年度或项目签订。谈判时应关注价格调整条款，避免平台后续降价而存量客户无法同步享受。
企业选型的评估路径
对于正在考虑引入第三方算力平台的企业，可以按以下步骤推进。
先做小规模对照测试。选择一到两个真实业务场景，把同样的请求分别发往现有服务和候选平台，记录延迟、成功率、输出质量和实际计费金额。测试周期建议覆盖业务高峰和低谷，避免用平均值掩盖峰值成本。
再核算全周期成本。除了Token费用，还要计入接入开发、监控运维、故障切换和人员学习成本。如果平台提供的是行业解决方案而非纯API，需明确哪些环节由平台负责、哪些由企业自己承担。
最后确认合规与数据边界。企业数据进入第三方算力平台，涉及数据存储位置、是否用于训练、审计日志留存等问题。无问芯穹的客户中包含政企和科研机构，这类客户通常对数据隔离有明确要求，普通企业采购时也应把相关条款写进合同。
【软盟资讯观察】
从机会看，无问芯穹这轮融资反映出一个明确趋势：大模型进入真实应用场景后，推理侧计算需求持续增长，而国内算力供给呈现多元化和碎片化特征。能够屏蔽芯片差异、统一调度异构算力的平台，确实切中了企业不愿绑定单一供应商的现实需求。覆盖16种芯片、2个工作日完成新芯片适配，这类能力对采购方有实际吸引力。
从风险看，平台公布的降本指标是技术优化结果，不等于客户账单。企业实际支出取决于调用结构、计费模式和合同条款，盲目相信“成本下降10倍”可能导致预算误判。此外，异构调度平台的稳定性、故障恢复能力、以及长期服务承诺，都需要在真实业务压力下检验，而非仅凭发布会数据判断。
从算力利用率角度，97.6%的混训利用率是一个值得关注的信号。如果这一水平能在更大规模集群上稳定复现，意味着分散的国产算力可以被更充分地组织起来，这对缓解算力闲置和降低单位成本都有意义。但利用率指标高度依赖任务类型和集群规模，企业在评估时应要求平台提供与自身业务相似的案例数据，而非通用宣传口径。融资规模说明资本看好赛道，但企业是否为平台买单，最终要看账单和稳定性。