来源：硅基见闻
当大模型公司的估值故事讲到头，资本开始去找那些“卖水的人”。
最新的一笔钱，落在了无问芯穹身上。这家从清华实验室跑出来的AI基础设施公司，近日完成23亿元C轮融资，自2023年成立以来累计融资已达43亿元；与此同时，有市场消息称其已向港交所秘密递表，拟募资数亿美元，最早将于2027年上半年挂牌。
备受资本青睐的无问芯穹是做什么的呢？一句话概括：替人工智能公司省钱。而23亿元融资背后，AI竞争的标尺正发生改变——以前看模型有多聪明，现在还要看这份智能会以多低的成本、多高的可靠性，进入真实业务。
01
43亿元，投向一对清华师徒
无问芯穹的故事，要从清华大学一间实验室说起——其核心团队源自清华大学“纳米集成电路与系统实验室高能效计算组”，研究积累早于这一轮大模型热潮。
公司发起人汪玉是清华大学电子工程系教授，长期研究智能芯片、高能效电路与系统。
对于汪玉而言，将实验室研究带入产业，并非第一次。2016年，他以知识成果转化方式入股AI芯片公司深鉴科技；两年后，深鉴科技被全球最大的FPGA厂商赛灵思收购，成为AI芯片创业热潮中第一家被收购的中国公司。
2023年5月，无问芯穹成立。联合创始人兼CEO的夏立雪是汪玉带出来的第一位博士生，本科、博士均毕业于清华电子系。他后来进入阿里云，经历了从技术到产品、再到商业化的工作。另一位联合创始人、首席科学家戴国浩，同样拥有清华电子系本博背景，也是上海交通大学副教授。
对于AI基础设施公司，理解模型怎样运行和理解客户为什么付费，同样重要。而无问芯穹创始团队恰好兼具了底层计算和产品商业化的经验。
在AI浪潮中，无问芯穹选择的位置，是芯片与模型之间。
企业采购了芯片，并不意味着模型就能高效运行。不同硬件的架构和软件支持存在差异，模型部署、任务调度、运行优化，都需要相应的工程工作。无问芯穹试图把这些工作做成平台能力，降低客户使用算力的门槛。
换言之，无问芯穹所做的事情，是帮助人工智能企业把不同芯片的算力用起来，让模型运行得更高效、成本更低，也就是替AI省钱。2024年7月，无问芯穹团队就实现了千卡规模的异构混合训练，涵盖华为昇腾、天数智芯、沐曦、摩尔线程以及AMD、英伟达的芯片。
02
资本为什么看中“帮AI省钱”？
2023年成立至今，无问芯穹累计融资已达43亿元。背后投资方包括腾讯、百度、联想创投等产业资本，红杉中国、启明创投、洪泰基金等投资机构，以及杭州高新金投集团、珠海科技产业集团等国资背景机构。
如果将目光投向国内外相邻赛道，会发现无问芯穹并非孤例。一批服务模型运行与部署的企业，正在获得大额融资。
国内方面，模型推理服务商硅基流动于9月宣布完成B+轮二期和C轮融资，2026年度累计融资近29亿元。
海外的融资规模更为醒目。Fireworks于7月宣布完成15.05亿美元D轮融资，估值175亿美元，参投方包括英伟达。Baseten在2026年2月完成3亿美元E轮融资，估值50亿美元；同年6月再获15亿美元F轮融资，估值来到130亿美元，公司披露过去一年收入增长20倍，收入绝大部分来自AI推理业务；Together AI同样完成多轮大额融资，最新估值达83亿美元。
它们提供的共同信号是，资本正在集中关注AI投入使用之后的基础设施需求。
为什么这一环节有吸引力？首先，模型部署、开放与应用开发，并不会自动消除部署难题。企业要把训练模型以及将模型嵌入业务，仍需解决运行速度、稳定性、成本和资源管理等问题。
其次，使用规模会放大效率的价值。对于一次偶发调用，节约的计算成本可能并不起眼；当模型被持续嵌入产品和工作流程，同样的效率改善就可能反复影响账单。
说白了，AI真进了业务，比的就不只是跑分了，还有账本。技术参数好不好看是一回事，每个月要烧多少钱、要几个人伺候，是另一回事。资本赌的也就这点事：只要企业还得一直用AI，谁能让这件事更好用、更便宜，谁就能从客户省下来的钱里，长期分一杯羹。
03
结语：从技术效率，走向商业规模
23亿元融资，使无问芯穹成为观察AI基础设施价值的一个窗口。
它背后既有科研成果转化的团队故事，也有模型走向应用之后的现实需求。国产算力如何更好地被使用，企业如何以更可控的成本运行AI，这些问题都需要长期的工程投入。
获得新一轮资金之后，无问芯穹接下来的看点，是效率优势如何进入更多客户的日常业务。对客户而言，重要的是模型能否稳定运行、总体使用成本能否下降，以及业务扩大后服务是否仍然可靠。对无问芯穹而言，则是这些效果能否带来持续采购，并在更多场景中复现。
把模型做强，回答的是“AI能做什么”；把使用门槛和成本压下去，回答的是“AI能不能被一直用下去”。前者是技术命题，后者才是一门生意。
注：封面图由AI生成
