国产芯片生态待整合，算力利用率亟需提升。
一年一度的世界人工智能大会已落下帷幕，但围绕产业发展的思索仍然未停。
“算力是智能时代的土壤，其规模与效率决定着数字未来的讲解。”日前，无问芯穹联合创始人兼CEO夏立雪在接受21世纪经济报道记者采访时直言，随着Llama4、GPT-6等千亿级模型爆发式增长，全球AI产业面临严峻挑战，包括顶级芯片产能短缺、国产芯片生态割裂、千卡集群算力利用率不足35%的问题，亟需解决。
眼下，大模型在算力上的比拼已经发生了根本性转变，谁能更好、更经济地利用好手中算力，显得比“谁有更多GPU”更重要。无问芯穷以异构融合技术，将资源利用率拉升到97.6%，构建起从模型到芯片再到场景落地的算力生态链条。
算力，成为AI行业发展的关键命题。事实上，2025年，也是上海市AI算力产业布局飞速提升的一年。上海市徐汇区已形成“北斗阵”+“群星闪耀”的AI生态布局。其中，“北斗七星”由稀宇科技、商汤科技、阶跃星辰、无问芯穹、星纪魅族、特赞科技和斑马智行7家标杆企业构成。
越来越多的年轻人来到上海创业。无问芯穹自2023年5月成立以来，仅两年时间累计融资近10亿元，团队规模逐渐壮大至近200人，已然成为AI基础设施领域的代表性企业。而夏立雪是典型的硬科技创业代表，他出生于1991年，本科和博士均毕业于清华大学，在校期间便专注于人工智能系统的软硬件协同优化。
目前，夏立雪团队依然在瞄准AI行业广泛存在“多源芯片并存”、“计算需求陡增”、“现有方案碎片化”的痛点持续发力，一场关于“无穷算力”的底层革命已进入加速期。
以下为对话实录：
创新与商业闭环
Q：在适配多元化算力，尤其是国产算力方面，无问芯穹如何满足中小企业生产需求？创新点在哪里？
夏立雪：现在国内的芯片和算力建设种类其实非常丰富，形成了非常多不同种类的生态。对人工智能的开发者和使用者，也带来了一定的影响，大家要花很多的精力去适应学习不同种类芯片的使用方法。我们现在做的相当于把它进行了打通，让这些芯片之间的通信，变得非常通畅，并能够保证他们能够彼此配合共同完成任务。
Q：这类创新如何体现在商业模式方面？
夏立雪：我们的商业模式是通过给这些用户，提供弹性、灵活的算力服务，为中小企业的早期成长提供保障。可以按照算力的效果计费，就是按照比如token这样的这种调用量，甚至按照一些你的使用的这种最终的服务的稳定性，来去整个服务去付费。可以理解成是生产价值提升，然后把生产价值转换成我们的收益。
Q：目前国产芯片在具体的算力部署中占比大约是多少？
夏立雪：首先它是一个动态变化的状态，如果从宏观来看，可能已经接近一半的量级。但是，在一些大规模型的预训练里，肯定还是以海外高端算力为主。在我看来，我们现在在模型应用落地上的一些推理需求，包括一些强化学习的需求，完全可以用我们自己的国产算力来支持，而且它的整个商业回报也形成了闭环。可以预见，未来能够有更多的场景，会让我们的国产效率发挥出来。
Q：应用国产芯片这套方案多大程度上缓解了供应链的风险？
夏立雪：其实整个AI产业的算力还是非常紧缺的，所以我们的国产算力一定是非常重要的可用资源，之前因为我们的生态上还有一段时间需要发展，所以没有被大家发现，形成了供需的错配。现在国产算力自身已经具备了服务这种推理场景，包括一些训练场景的商业化能力。
Q：无问芯穹作为桥梁性的角色，在国产芯片降本这条路上，现在还有哪些困难？
夏立雪：我们看到芯片产业在自有专注的一些场景，已经做到了很好的优化，但这个落地是以大量工程师去针对某一个应用做很多调优和适配的工作才换来的，所以对于整个人力资源的体系来说，是一个不够高效的状态。确实是需要投入人力，为这个领域的落地去做一些优化。
无问芯穹能够去把这个需求任务去做整合拆解，然后让他去分配给各自擅长的部分，这样能够让芯片质量、芯片之间都可以去做到好的配合，帮助国产芯片逐步地渗透到大家的一些使用习惯中，找到更多的适用场景。另外，也可以帮助这些芯片取得更好的性价比，算力去承载非常多好的AI智能效果。
产业生态整合
Q：你怎么看AI和硬件的融合，无问芯穹在其中扮演什么角色？
夏立雪：其实你去跟DeepSeek、豆包聊天的时候，并不是严格抠它每一个字是不是你想要的，因为你也不知道自己想要的是什么结果。这样的话，一个非精确的计算里面会有非常多可以腾挪的空间，当我们去拆解这个模型的时候，你可以理解为它是一个数学公式，有一些计算是可以删掉的。
原本的这些计算是不是占用了非常多的硬件资源？这给整个系统效率会来带灾难性的影响，在AI这个场景，我可以删掉一些接近无效的计算，来保持在整体结果不变的情况，节省很多计算资源。这其实特别适合算法和硬件去做联合优化，它需要一个非常强大的跨层优化团队，既懂算法又懂硬件。
Q：无问芯穹如何去整合这种上下游终端或者是算法端？
夏立雪：我们确实是非常积极地想把产业的资源能够打通，这对于这个效率提升是非常重要的，就像英伟达，其实它很大的一个优势是永远知道它的下一个芯片该做成什么样子，因为它上面有无数的开发者。所有的模型都是它的硬件上面进行训练的，它永远知道现在我是不是该增大内存。
国内目前还处于一个相对分离的状态，模型厂商很多还是基于海外的芯片在做训练。
所以我们中国的自我模型到系统到硬件的生态闭环，是我们特别想打造的，因为只有这样，我们才能形成整个生态的飞轮，让我们的硬件最先知道我们下一步要干什么。
Q：在整合生态系统的过程中，有哪些阻碍？
夏立雪：在整合的过程中，确实需要做到很多的打通，比如说在技术层面。需要在不同芯片之间让它互通，让用户的实验习惯能够无缝地迁移，这样人家才愿意用，这是一个需要投入的技术。
同时，在这种产业合作模式上我们也在联合，要让零散的算力能够被发现、被发挥价值。第一，我需要触达到这些零散的算力；第二，我需要能够让零散的算力被远侧的用户所找到和使用，这里面涉及到算力的协调和服务标准化的问题。我们需要通过一些软硬件协同优化的升级，让这些普通算力也能够一样去释放出那些高稳定性、低延迟、高吞吐量的价值。
久联优配提示：文章来自网络，不代表本站观点。
