无问芯穹

无问芯穹是什么

无问芯穹（Infinigence AI）对外把自己定位为通用人工智能基础设施提供方^[1]。它卖的不是某个聊天机器人，也不是某一个模型，而是模型和硬件下面那一层。公司把核心业务概括为「M 种模型与 N 种芯片之间的中间层」^[1]，也就是让多种不同的模型能在多种不同的芯片上跑起来的软件。

平台与产品

主要产品是 Agentic Infra 平台，覆盖 AI 原生公司的大规模模型训练和推理^[1]。训练是把模型参数拟合到数据上的过程，代价高、次数少；推理是用训练好的模型回答请求，单次便宜但调用量极大。同时承接这两件事的平台，要管的不只是一台机器，而是整个集群里的算力、显存和数据搬运。

另一条产品线做硬件侧的事：管理不同架构的芯片，调度上万张加速卡的集群^[1]。这种规模的集群里往往混着不同厂商、不同代际的卡，调度就是决定哪个任务在什么时候跑在哪块硬件上，并尽量不让卡空着。

再往上是 Agentic MaaS，公司把它描述成一座「token 工厂」，向企业和开发者出售模型能力^[1]。MaaS（model as a service，模型即服务）指用户通过接口调用模型，而不是自己部署；计费单位是 token，也就是模型读写的一小段文本。

公司还推出一个叫 InfiniMizar 的推理加速引擎，作用是把多种模型适配到多种硬件后端^[1]。把一个模型搬到新的芯片上，通常要重写算子，也就是网络各层运算的底层实现；有一个把这层差异挡住的引擎，「M 种模型 × N 种芯片」才谈得上落地。基于 InfiniMizar 的智能硬件方案既有模组形态，也有桌面设备形态^[1]，说明这套引擎不只打算待在数据中心里。

三项核心技术

公司列出三项核心技术：多元异构调度、软硬协同设计，以及面向基础设施的智能体（agentic AI）^[1]。第一项是把任务放到一组不一样的硬件上；第二项是软硬件一起设计，让两边互相适配，而不是把芯片当作固定的黑盒；第三项是用能自己规划和执行动作的智能体来运维基础设施本身。

Megrez 模型

无问芯穹也发布自己的模型。Megrez-3B-Instruct 完全由公司自己训练^[2]。Megrez2 技术报告的作者来自无问芯穹、上海交通大学、清华大学和阿尔托大学（Aalto University）^[3]，说明模型这部分工作有高校合作。公司的 GitHub 组织把 Infini-Megrez 的代码和模型权重放在一起发布^[4]，权重以 Apache-2.0 协议公开^[2][4]——这是一个宽松许可，允许商用和修改，对想先试用或微调模型、又不想先谈授权的公司来说很重要。

在发展中的位置

公司称已服务超过一百家各行业头部客户^[1]。从产品线看，它向上接模型、向下接芯片，中间贯穿调度、推理引擎和终端设备；在同类的算力与模型中间层公司里，它还把 Megrez 系列的模型权重公开出来，让外部能直接检验它的技术积累，而不只是看宣传口径。