直擊WAIC 2025｜無問芯穹CEO夏立雪：算力緊缺根源在“供需錯配”，要讓國產算力即插即用、像超市商品般可自由挑選

每經記者｜張梓桐    每經編輯｜文多    

在人工智能（AI）算力需求激增的當下，算力資源的多元化與國產化成為行業焦點。

7月28日，在“2025世界人工智能大會暨人工智能全球治理高級別會議”（WAIC 2025）上，無問芯穹聯合創始人兼CEO（首席執行官）夏立雪向《每日經濟新聞》等媒體的記者表示，當前國內芯片與算力設施種類繁多，形成了多個獨立生態。他認為，不同廠商的硬件架構、接口協議差異顯著，導致開發者往往需要花費大量精力學習不同芯片的使用方法，這種情況嚴重制約了人工智能（AI）技術的落地效率。

為解決這一難題，無問芯穹打造了一套產業鏈上的“世界通用語言”，據稱，可以實現不同芯片之間的無縫通信與協同，讓開發者無需再為不同的芯片使用習慣而煩惱。這種“插座式”賦能模式，使得算力資源即插即用，且如同超市商品般可自由挑選。

夏立雪強調，這種優化讓AI開發者能夠像挑選衣服一樣，根據需求選擇最適合的算力資源，從而實現算力資源的高效利用與靈活調度。

無問芯穹聯合創始人兼CEO夏立雪 圖片來源：主辦方提供

無問芯穹被視為業內最有可能突破國內算力瓶頸的AI算力運營商之一，去年9月，無問芯穹成功完成近5億元的A輪融資，意為著公司在成立后的16個月時間里，累計融資額已接近10億元大關。

國產算力的崛起擴充了可用資源池

面對全球算力供應鏈的不確定性，國產算力的重要性日益凸顯。

夏立雪表示，當前國產算力在整體部署中已接近“半壁江山”，尤其在推理和部分訓練場景中表現突出。隨著AI應用從模型研發轉向產業落地，國產算力的市場空間將持續擴大。

國產算力的應用不僅緩解了“卡脖子”風險，更通過提升算力使用效率，擴充了可用資源池。

夏立雪認為，算力緊缺的根本在于供需錯配：一方面是高端算力被哄搶，另一方面是部分優質國產算力因生態不成熟而被閑置。無問芯穹在借助技術手段破解這一錯配，讓國產算力被真正“用起來”，從而提升整個產業的算力供給能力。

當被問及如何在這一結構中定位自身角色時，他對記者表示，無問芯穹憑借源自清華大學電子系的、近20年的軟硬件協同優化經驗，專注于在資源受限的終端設備上實現高效AI計算。

不同于行業內“大集群打包售賣”的傳統商業模式，無問芯穹的商業模式帶著鮮明的“普惠”基因。“我們要為中小企業的產品在成長初期提供精準保障。”夏立雪強調，這種保障的核心在于彈性靈活的算力服務。

對此，夏立雪進一步解釋稱，無問芯穹提供彈性、靈活的算力服務，這種服務尤其有利于中小企業。其服務計費方式多樣，既可按卡、按小時計費，也可按調用量（如Token）或服務穩定性付費。

夏立雪解釋道：“這讓用戶用的不是‘毛坯房’，而是‘精裝修、帶服務的產品’。”這種模式將零散算力整合為標準化服務，讓原本無法服務中小企業的碎片化資源產生價值。

服務形態的分層化同樣關鍵。無問芯穹構建了“大盒子、中盒子、小盒子”的產品矩陣：“大盒子”是“無穹AI云”，其聚焦全國級算力調度，通過供需調配和資源優化獲取算力服務收益；“中盒子”和“小盒子”則提供完整解決方案，將算力服務能力集成到AI集群和終端設備中，以打包服務的形式獲取收益。夏立雪總結說：“無論哪種形態，核心都是提升算力的生產價值，并將其轉化為實實在在的收益。”

AI算力正從技術紅利期向價值閉環期過渡

2025年，端側AI推理迎來爆發式增長。

夏立雪觀察發現，中國龐大的用戶基數與強大的制造能力為端側AI提供了廣闊市場，但硬件限制仍是主要矛盾。在市場機遇驅動下，無問芯穹正聯合行業伙伴探索如何為端側場景定制更高性價比、更高能效的專用芯片，以支撐更多AI應用落地。

在生態構建方面，無問芯穹致力于打造從模型、系統到硬件的閉環。

夏立雪以國外主流芯片廠商為例，指出其成功的關鍵在于讓開發者生態與硬件迭代緊密聯動。相比之下，國內產業鏈上目前仍存在模型與硬件脫節的問題。為此，無問芯穹推出中試平臺，連接芯片廠商、整機制造商與算法開發者，推動全鏈條協同創新。

談及行業趨勢，夏立雪認為，AI算力正從“技術紅利期”向“價值閉環期”過渡。當前產業的核心矛盾已從“AI好不好用”轉向“AI值不值得用”，性價比成為關鍵突破口。

“只有讓更多AI應用場景‘算得過賬’，產業才能真正蓬勃發展。”他認為，國產算力的崛起將是未來的重要變量。盡管當前國產芯片在訓練場景中的應用比例仍待提升，但在推理場景中已形成商業化閉環。

“隨著軟硬件協同優化的深入，國產算力的適用場景將持續擴大。”夏立雪預測，未來在端側設備、垂直行業等領域，國產芯片將占據更重要的地位。

夏立雪判斷，筆記本電腦、手機、汽車、機器人等作為人機交互的核心接口，將優先實現AI能力落地。“這些設備的智能化水平，將直接決定用戶對AI的感知體驗。”無問芯穹正結合模型壓縮等前沿技術，通過終端模型結構創新進一步解決端側能效問題，為數十億設備的AI升級鋪路。

在夏立雪看來，生態飛輪的構建是長期目標。借鑒美國“芯片—模型—應用”的協同經驗，無問芯穹正推動國內形成“硬件迭代—模型優化—場景落地”的正向循環。

“讓硬件廠商知道下代產品該怎么造，讓模型開發者清楚能調用什么算力，也讓應用創業者聚焦場景創新。”夏立雪表示，這種生態閉環需要產業鏈上各方共同努力，而平臺愿成為連接各方的橋梁。

展望未來，夏立雪認為，AI發展的下一個節點將從技術突破轉向產品創新。隨著大模型智能性達到應用門檻，如何將其轉化為用戶滿意的產品就成為了關鍵。