Qujing Technology hat seine Serie-A-Finanzierung abgeschlossen, wobei die insgesamt innerhalb eines halben Jahres eingeworbene Finanzierungssumme 1 Milliarde Yuan übersteigt.

Kürzlich gab Approaching.AI, ein leistungsstarker Anbieter von KI-Token-Produktionsdiensten, offiziell den Abschluss seiner Serie-A-Finanzierungsrunde bekannt. Innerhalb von sechs Monaten überschritt der kumulierte Finanzierungsbetrag des Unternehmens 1 Milliarde Yuan.

Diese Finanzierungsrunde wurde vom Huirong Fonds der Henan Investment Group angeführt, wobei Altaktionäre wie Xinglian Capital, Zhenzhi Capital, Shangshi Capital, Shanghai Guofang Innovation, Honghui Fund, Huakong Fund und Hangzhou Fucheng weiterhin überproportional beteiligt waren. Die Mittel werden hauptsächlich zur Erweiterung der Kapazitätsreserven für hochwertige KI-Token, zur Aktualisierung der selbst entwickelten leistungsstarken KI-Token-Produktionsplattform ATaaS (Approaching.AI Token as a Service), zur Förderung der großtechnischen Einführung heimischer heterogener Rechenleistung in zentralen Produktionsszenarien und zum weiteren Aufbau von hochwertigen KI-Token-Fabriken für führende Modelle, Internetplattformen und regionale Industrieökosysteme verwendet.

Die massive Beteiligung des Hauptinvestors in dieser Runde zielt nicht nur auf gewöhnliche finanzielle Renditen ab, sondern auf die gemeinsame Gestaltung einer vielversprechenden industriellen Zukunft. Derzeit arbeiten beide Seiten gemeinsam an der Vorbereitung einer hochwertigen KI-Token-Fabrik mit einer täglichen Produktionskapazität von mehreren Billionen Einheiten.

Für Approaching.AI markiert diese Finanzierung den Übergang seiner hochwertigen KI-Token-Produktionskapazität von der punktuellen Validierung schnell in die Phase der großtechnischen Versorgung. Seit dem Frühlingsfest 2026 hat sich die durchschnittliche KI-Token-Produktionseffizienz pro Rechenleistungseinheit des Unternehmens mehr als verdreifacht; die Gesamtkapazität für hochwertige KI-Token ist um mehr als das 30-fache gestiegen. Bei einem führenden großen Modell mit Billionen von Parametern hat die tägliche Produktion hochwertiger KI-Token stabil die Billionen-Marke überschritten.

Dieses rasante Wachstum beruht nicht auf der einfachen Aufstockung von Rechenleistung oder der Erhöhung der Anzahl von Modellen, sondern auf der kontinuierlichen Optimierung der Systemtechnik durch die herausragende technologische Innovationsfähigkeit des Unternehmens in realen Produktionsumgebungen mit hoher Belastung und Komplexität. Auf dieser Grundlage hat Approaching.AI ein vollständiges, replizierbares geschlossenes Kreislaufmodell für den gesamten Prozess der Planung, des Baus, der Produktion und des Betriebs hochwertiger KI-Token-Fabriken entwickelt. Derzeit betreibt das Unternehmen sowohl in Betrieb genommene Projekte mit einer täglichen Kapazität von Billionen von Token als auch strategische Kooperationen und Baupläne für führende Kunden und regionale Industrieökosysteme. Dadurch entwickelt sich die KI-Token-Fabrik schrittweise von einzelnen Projekten zu einer erweiterbaren und nachhaltig betriebenen neuen KI-Infrastruktur.

Vom „Gesamtrechenleistungsvolumen“ zur „Effizienz und Qualität“

Mit dem Übergang von Anwendungen großer Modelle von der Pilotphase zur großtechnischen industriellen Umsetzung haben sich die Kernbewertungsstandards für KI-Infrastruktur auf dem Markt weiterentwickelt. In der Anfangsphase der Branchenentwicklung konzentrierte sich die Industrie mehr auf die grundlegende Ressourcenkapazität, wie das Umfang der Rechenleistungsversorgung, die Anzahl der zugänglichen Modelle und einheitliche Schnittstellen. Wenn KI jedoch tief in die zentralen Produktionsketten von Unternehmen integriert wird, geht die Branchennachfrage über die einfache Anhäufung von Rechenressourcen und Modellen hinaus. Was Unternehmen wirklich benötigen, ist eine hochwertige KI-Token-Dienstleistung, die den langfristigen, stabilen und effizienten Einsatz von Anwendungen unterstützt.

Dies bedeutet, dass sich der Kernwert der KI-Infrastruktur von der „gesamten Rechenleistungsversorgung“ zur „Versorgungskapazität für hochwertige KI-Token“ verlagert.

Approaching.AI definiert „hochwertige KI-Token“ als die kleinste Produktionseinheit, die Rechenleistung, Modelle und Anwendungsergebnisse verbindet. KI-Token mit echtem unternehmerischen Nutzen müssen nicht nur Modelle mit Hunderten von Milliarden oder sogar Billionen von Parametern unterstützen, sondern auch eine niedrige Latenzzeit für das erste Token, eine stabile hohe Ausgabegeschwindigkeit, eine hohe Parallelverarbeitungskapazität, eine konsistente Ausgabequalität, eine zuverlässige strukturierte Ausgabe und Funktionsaufrufe sowie kontrollierte Stückkosten gewährleisten.

Es ist nicht das Schwierigste, jede dieser Fähigkeiten einzeln zu erreichen. Die eigentliche Herausforderung besteht darin, dass alle diese Indikatoren unter realen Produktionslastbedingungen gleichzeitig erfüllt und über einen langen Zeitraum stabil gehalten werden müssen. Berechnungen zufolge kann die Produktionseffizienz bei unterschiedlichen Kombinationen von Fähigkeiten um das Mehrfache oder sogar das Zehnfache variieren. Nur wenn Rechenleistung kontinuierlich, effizient und vorhersehbar in hochwertige KI-Token-Kapazitäten umgewandelt werden kann, die Leistung, Qualität, Stabilität und Kosten berücksichtigen, entsteht eine wirklich nachhaltig betriebene KI-Infrastruktur.

Auf dieser Grundlage hat Approaching.AI vorausschauend das Konzept Token as a Service (TaaS) vorgeschlagen. Über die selbst entwickelte ATaaS-Plattform integriert das Unternehmen tief die zugrunde liegende Rechenleistung und das Modell-Inferenzsystem und verbindet sich nahtlos mit den realen Geschäftsszenarien von Unternehmen, um hochwertige KI-Token-Fabriken für echte Produktionslasten zu schaffen.

Im Vergleich zu MaaS-Diensten, die sich auf die Bereitstellung von Rechenleistung und den Zugriff auf Modelle konzentrieren, löst die ATaaS-Plattform durch ihre umfassende Systemtechnikfähigkeit Probleme wie Modellleistung, Inferenzeffizienz, Ressourcennutzung, Cache-Wiederverwendung, Dienstisolation, elastische Skalierbarkeit, Qualitätsüberwachung und Kostenkontrolle. Dadurch wird die großtechnische Produktion und stabile Bereitstellung hochwertiger KI-Token erreicht.

„Weniger Modelle, tiefgreifende Optimierung“ – Fokus auf die KI-Token-Produktionseffizienz

Ob eine hochwertige KI-Token-Fabrik erfolgreich betrieben werden kann, hängt letztlich von zwei Kernpunkten ab: die nachhaltige Steigerung der Effizienz pro Rechenleistungseinheit und das stabile Wachstum der großtechnischen Versorgungskapazität.

Um dieses Ziel zu erreichen, hat Approaching.AI den technischen Ansatz „Weniger Modelle, tiefgreifende Optimierung“ festgelegt. Das Unternehmen konzentriert sich auf den KI-Token-Bedarf in unternehmerischen Produktionsszenarien und hilft Kunden, den Return on Investment für KI-Maßnahmen zu maximieren.

Approaching.AI betrachtet nicht die Anzahl der Modelle und das Durchsatzvolumen als einziges Ziel, sondern konzentriert sich auf zwei Variablen: Erstens die kontinuierliche tiefgreifende Optimierung einiger weniger großer Modelle mit echtem Produktionsbedarf, um die Anzahl der effektiven KI-Token pro Rechenleistungseinheit durch Modellsegmentierung, Speicherverwaltung und heterogene Zusammenarbeit zu erhöhen. Zweitens die Verbesserung der Stabilität und Vorhersehbarkeit der Produktionslast durch unternehmenseigene KI-Token-Dienste, clusterübergreifende Ressourcenkoordination, Fehlerwiederherstellung und den Betrieb von KI-Token-Fabriken, um Kapazitätsverluste und ungenutzte Rechenleistung zu reduzieren.

Anders ausgedrückt: „Weniger Modelle, tiefgreifende Optimierung“ löst die Frage, „Wie viele KI-Token können mit derselben Rechenleistung produziert werden?“, während stabile Produktionslasten und clusterübergreifender Betrieb die Frage beantworten, „Wie viel Zeit diese Rechenleistung tatsächlich effektiv arbeitet?“ „Weniger Modelle“ führen nicht automatisch zu einer höheren Auslastung. Nur wenn sowohl die Produktion pro Rechenleistungseinheit als auch die effektive Auslastung gleichzeitig steigen, kann die wirtschaftliche Tragfähigkeit des KI-Token-Geschäfts gewährleistet werden.

Die Geschäftslogik hinter diesem Ansatz ist klar: Unternehmenskunden zahlen letztlich für Geschäftsergebnisse, nicht für die Anzahl der kompatiblen Modelle.

Derzeit hat Approaching.AI ein replizierbares Modell für den Bau und Betrieb hochwertiger KI-Token-Fabriken entwickelt: Dazu gehören bereits in Betrieb genommene Projekte mit einer täglichen Kapazität von Billionen von Token sowie strategische Kooperationen und Baupläne für regionale Industrieökosysteme und führende Kunden. Wichtiger ist, dass einige ausgereifte Geschäftsfelder bereits die Kostenschwelle überschritten haben.

Das Ziel von Approaching.AI ist es, heimische Rechenleistung für die Produktion hochwertiger KI-Token nutzbar zu machen. Dafür hat das Unternehmen erhebliche Forschungs- und Entwicklungsressourcen investiert und eine Reihe technischer Lösungen wie „Heimische Prefill-Decode (PD) heterogene Zusammenarbeit“, „Hochleistungs-heterogene KVCache-Umwandlung“ und „Pooling heterogener Rechenleistung“ vorgeschlagen. Diese wurden bereits in hochstandardisierten Produktionsszenarien in Betrieb genommen und bieten praktikable Lösungen für die Produktion hochwertiger KI-Token mit heimischen Chips.

Tiefe geschlossene Kreisläufe aus Forschung, Produktion und Anwendung – Grundlage für industrielles Vertrauen

Geschlossener Wirtschaftskreislauf: Ein vielseitiges Managementteam treibt die industrielle Umsetzung voran

Um die Kluft zwischen Forschung, Open Source, technischer Umsetzung und wirtschaftlicher Anwendung zu überbrücken, hat das Unternehmen ein Team mit hohem Umsetzungspotenzial aufgebaut. Das Managementteam unter der Leitung von Vorsitzendem Ren Xuyang, CEO Dr. Ai Zhiyuan, Präsidentin Dr. Wu Wenjie und CTO Chen Xianglin schließt den Managementkreislauf aus technologischer Forschung, Kapitalverwaltung und industrieller Anwendung vollständig. Derzeit hat Approaching.AI seine führende zugrunde liegende Technologie und systematische Ingenieurskapazität in die standardisierbare ATaaS-Plattform umgewandelt und als erstes Unternehmen den Bereitstellungspfad für führende Kunden erfolgreich umgesetzt.

Technologische Herkunft: Tiefe wissenschaftliche Grundlagen sichern langfristige bahnbrechende Innovationen

Hinter dem stabilen wirtschaftlichen Fortschritt stehen die tiefgreifenden wissenschaftlichen Grundlagen und das technologische Umfeld des Instituts für Hochleistungsrechnen der Abteilung für Informatik der Tsinghua-Universität. Das technische Team wird von Spitzenexperten unterstützt: Akademiker Zheng Weimin von der Chinesischen Ingenieurakademie fungiert als wissenschaftlicher Chefberater, Professor Wu Yongwei von der Tsinghua-Universität als leitender Wissenschaftler, und außerordentlicher Professor Zhang Mingxing von der Abteilung für Informatik der Tsinghua-Universität sowie Mitbegründer von Approaching.AI leitet langfristig die technische Strategie und die wichtigsten Forschungs- und Entwicklungsarbeiten des Unternehmens, um kontinuierlich bahnbrechende technologische Fortschritte zu erzielen. Auf dieser Grundlage konzentriert sich Approaching.AI auf bahnbrechende Innovationen in der zugrunde liegenden Technologie von Systemsoftware und hat branchenweit einzigartige Konzepte wie „Gesamtsystem-heterogene Zusammenarbeit“, „Speicher statt Rechnung“ und „Virtuelle und reale Isomorphie“ vorgeschlagen – ein wichtiger „chinesischer Lösungsansatz“ für die Herausforderungen der Rechenleistung in der KI-Branche.

Open-Source-Ökosystem: Tiefe gemeinsame Gestaltung schafft technologisches Vertrauen in der Branche

Gleichzeitig mit der Festigung der zugrunde liegenden Technologie beteiligt sich Approaching.AI aktiv an der Weiterentwicklung der Schlüsseltechnologien für die Infrastruktur von großen Modellen. Das von dem Unternehmen und dem Team der Tsinghua-Universität gemeinsam entwickelte Open-Source-Projekt KTransformers hat breite Aufmerksamkeit in der Branche erhalten. Darüber hinaus baut das Unternehmen gemeinsam mit der Tsinghua-Universität, Mooncake (Kimi), 9#AISoft, Alibaba Cloud, Ant Group und anderen Institutionen das Open-Source-Projekt Mooncake auf und ist aktiv in globalen KI-Inferenz-Communitys wie vLLM und SGLang vertreten. Diese soliden ökologischen Praktiken haben das technologische Vertrauen für die spätere wirtschaftliche Bereitstellung von Approaching.AI gestärkt.

Vom Open-Source-Ökosystem zur unternehmerischen Produktionsbereitstellung nutzt Approaching.AI seine „hochwertige KI-Token-Fabrik“, um technologische Vorteile direkt in die Optimierung der Rechenkosten und die umfassende Verbesserung der Systemstabilität umzuwandeln – eine solide Grundlage für das skalierbare Wachstum der Geschäftstätigkeit seiner Kunden. Angesichts der beschleunigten Einführung von Agenten, KI-Coding, multimodalen Anwendungen und unternehmerischen KI-Arbeitsabläufen wird Approaching.AI mit seiner stabilen, effizienten und vorhersehbaren KI-Token-Versorgung zu einem wichtigen Garanten für die Weiterentwicklung der KI in tiefere Anwendungsbereiche.

Synergien zwischen Industrie und Investoren – Erschließung des langfristigen Werts der Produktionsdienstleistung für „hochwertige KI-Token“

In den letzten sechs Monaten hat der Kapitalmarkt kontinuierlich in Approaching.AI investiert, der Finanzierungsprozess beschleunigt sich und der kumulierte Finanzierungsbetrag überschritt 1 Milliarde Yuan. Dank seiner branchenführenden Kerntechnologie, der ausgereiften wirtschaftlichen Erfolge bei der KI-Token-Nutzung und der vielversprechenden industriellen Zukunft hat das Unternehmen breite Zustimmung und anhaltendes Interesse von Investoren erhalten. Mehrere Finanzierungsrunden zogen eine große Anzahl führender Investitionsinstitutionen an, die sich freiwillig beteiligten, was zu einer Überzeichnung führte.

Diese Finanzierungsrunde wurde in einer entscheidenden Phase der beschleunigten wirtschaftlichen Umsetzung von Approaching.AI abgeschlossen. Da Anwendungen großer Modelle in reale Produktionsszenarien eintreten, steigt die Nachfrage nach Kapazitäten für hochwertige KI-Token bei führenden Modellen, Internetplattformen und regionalen Industriekunden schnell. Die neuen Mittel werden das Unternehmen weiter dabei unterstützen, seine Rechenleistungsreserven zu erweitern, die Fähigkeiten der ATaaS-Plattform zu verbessern und die großtechnische Anwendung heimischer heterogener Rechenleistung in zentralen Inferenzszenarien voranzutreiben.

Dr. Ai Zhiyuan, CEO von Approaching.AI, sagte:

„Da große Modelle vollständig in Produktionssysteme integriert werden, sind hochwertige KI-Token-Dienste mit kontinuierlicher Stabilität, schneller Reaktion und kontrollierten Kosten zu einer zentralen Notwendigkeit für die unternehmerische großtechnische Einführung von KI geworden. Approaching.AI hält an dem technischen Ansatz „Weniger Modelle, tiefgreifende Optimierung“ fest, treibt kontinuierlich die weltweit modernsten Technologien voran, strebt nach der maximalen Effizienz bei der Umwandlung von Rechenleistung in hochwertige KI-Token und schafft weltweit führende KI-Grunddienstleistungen. Diese Finanzierungsrunde wird die großtechnische Umsetzung der hochwertigen KI-Token-Fabriken von Approaching.AI weiter beschleunigen. Durch die tiefe Zusammenarbeit mit industriellen Investoren werden wir die großtechnische kommerzielle Einführung des heimischen PD-heterogenen Ansatzes vor