Insgesamt 4,3 Milliarden Yuan: Die größte inländische Finanzierungsrunde im Bereich KI-Infrastruktur ist zustande gekommen, wobei MemryX in der Serie-C-Runde 2,3 Milliarden Yuan erhalten hat.

Laut Informationen von Zhi Dongxi am 12. Oktober hat Wuwen Xinqiong, ein führendes inländisches Unternehmen für KI-native Infrastruktur, kürzlich die C-Finanzierungsrunde mit einem Betrag von 2,3 Milliarden Yuan abgeschlossen. Die gesamte kumulierte Finanzierungssumme erreicht 4,3 Milliarden Yuan, sodass sowohl die Summe dieser einzelnen Runde als auch die gesamte kumulierte Summe einen neuen Höchststand in der Branche der inländischen KI-Infrastruktur (AI Infra) markieren.

Wie bekannt ist, wurde diese Finanzierungsrunde bereits abgeschlossen, und das Unternehmen bereitet derzeit den Börsengang (IPO) vor.

Seit seiner Gründung im Jahr 2023 ist dieses Startup-Unternehmen, das aus dem Fachbereich Elektrotechnik der Tsinghua-Universität hervorgegangen ist, in das Rampenlicht des Kapitalmarkts getreten. Hinter ihm stehen sowohl staatliche Kapitalinstitute als auch industrielle Investoren und marktwirtschaftliche Finanzinvestitionsinstitute, die auf die Strecke der KI-Infrastruktur setzen.

Im Ausland steigt die Bewertung von KI-Infrastrukturunternehmen ebenfalls rasant. Die neueste Bewertung von Fireworks AI erreicht 17,5 Milliarden US-Dollar, die von Baseten 13 Milliarden US-Dollar und die von Together AI 8,3 Milliarden US-Dollar. Die Investitionen von NVIDIA in diese drei Unternehmen unterstreichen die Bedeutung der Rechenleistung-Industriekette für die KI-Infrastruktur.

Gegenwärtig erstreckt sich der globale Wettbewerb in der KI-Industrie von Rechenleistung und Modellen hin zur Produktionseffizienz von Token und zur Produktivität von Anwendungen. Wie man vielfältige Rechenleistung in stabile, effiziente und kostengünstige Token-Dienste umwandelt, wird zu einem wichtigen Geschäftsfeld.

Welche Eigenschaften der inländischen Token-Fabrik schätzen die Kapitalgeber hinter der Finanzierung von 2,3 Milliarden Yuan besonders ein? Beruht die Wettbewerbsfähigkeit von Wuwen Xinqiong nur auf dem Marktboom, oder hat sie bereits ausreichend tiefe technische Barrieren aufgebaut? Lassen Sie uns das gemeinsam herausfinden.

01. Aus dem Fachbereich Elektrotechnik der Tsinghua-Universität: die schwierige Aufgabe der heterogenen Rechenleistung meistern

Viele Menschen wissen, dass viele Unternehmen im Bereich der chinesischen KI-Großmodelle aus der Tsinghua-Universität hervorgehen, darunter führende Unternehmen wie Zhipu, Moonshot AI und Shengshu Technology.

Die Gründung von Wuwen Xinqiong ist ebenfalls tief in der akademischen Tradition des Fachbereichs Elektrotechnik der Tsinghua-Universität verwurzelt.

Der Initiator des Unternehmens, Wang Yu, ist ein fest angestellter Professor im Fachbereich Elektrotechnik der Tsinghua-Universität, ehemaliger Leiter des Fachbereichs und IEEE Fellow. Der Mitbegründer und CEO Xia Lixue hat seinen Bachelor- und Doktorgrad im Fachbereich Elektrotechnik der Tsinghua-Universität absolviert. Er hat lange Zeit an der Methodik des Entwurfs von KI-Systemen geforscht und war bei Alibaba Cloud für die Entwicklung und Verwaltung von Produkten zur Nutzererweiterung tätig, sodass er Erfahrungen sowohl in der Grundlagenforschung von Systemen als auch in der industriellen Produktpraxis hat.

Xia Lixue, Mitbegründer und CEO von Wuwen Xinqiong

Der andere Mitbegründer und Chefwissenschaftler Dai Guohao hat ebenfalls seinen Abschluss im Fachbereich Elektrotechnik der Tsinghua-Universität gemacht. Derzeit ist er außerordentlicher Professor an der Shanghai Jiao Tong-Universität und hat mehrere Preise für die beste Arbeit auf internationalen akademischen Konferenzen erhalten. Der CTO Li Boxun hat seinen Bachelor- und Mastergrad im Fachbereich Elektrotechnik der Tsinghua-Universität absolviert. Er war früher Algorithmus-Direktor bei Megvii und hat lange Zeit an KI-Algorithmen und der kooperativen Optimierung von Software und Hardware gearbeitet.

Die gemeinsame Erfahrung dieses Teams stammt aus der „Gruppe für energieeffizientes Rechnen des Labors für Nanoelektronik-Schaltkreise und -Systeme (NICS-EFC)“ von Professor Wang Yu an der Tsinghua-Universität. Seit 2008 forscht die Versuchsgruppe an der Spitze der kooperativen Arbeit von Software und Hardware sowie an Systemen für KI-Rechenleistung und hat mehr als zehn Jahre technische Erfahrung in verwandten Bereichen gesammelt. Diese langfristige wissenschaftliche Grundlage hat die Entstehung von Wuwen Xinqiong ermöglicht.

Zu Beginn der Entwicklung der AI-Infra-Branche war die Entwicklungslogik sehr einfach: Man baute mehr Rechenleistung auf, um größere Modelle zu unterstützen. Mit der Entwicklung inländischer Chips wird das Angebot an Rechenleistung allmählich vielfältiger, und neue Probleme tauchen auf: Wie können Chips verschiedener Marken und Architekturen zusammenarbeiten? Wie können verteilte Ressourcen an Rechenleistung in stabile, effiziente und nachhaltig nutzbare Fähigkeiten für das Training und die Inferenz von Modellen umgewandelt werden?

Das ist genau das Forschungsfeld, auf dem das Team von Wuwen Xinqiong lange tätig ist. Öffentlichen Informationen zufolge hat Wuwen Xinqiong bereits im Jahr 2024 das weltweit erste gemischte Training von Großmodellen mit 70 Milliarden Parametern auf heterogenen Chips im „4+2“-Modus abgeschlossen. Dabei wurden vier inländische Chips von Huawei Ascend, Iluvatar, MetaX und Moore Threads sowie zwei importierte Chips von AMD und NVIDIA verwendet, sodass die Auslastung der Rechenleistung 97,6 % erreichte.

Derzeit kann das Unternehmen neue Chips innerhalb von 2 Werktagen anpassen, wodurch die Anpassungskosten für inländische Chips um mehr als 70 % gesenkt werden. Beim Training von MoE-Modellen mit Billionen von Parametern ist der Durchsatz um 41 % bis 75 % höher als bei gängigen Open-Source-Frameworks, und bei der Inferenz konnten die Kosten innerhalb eines Jahres um das Zehnfache gesenkt werden.

Hinter diesen Kennzahlen steht die technische Erfahrung des Teams, das von dem Labor bis zur industriellen Praxis stets auf vielfältige Heterogenität und kooperative Innovation von Software und Hardware setzt.

Auf lange Sicht werden die Lokalisierung und die Vielfalt sowie Fragmentierung des Angebots an Rechenleistung die heterogene Zusammenarbeit zu einer dauerhaften industriellen Nachfrage machen. Wuwen Xinqiong hat im Voraus ein technisches System rund um „M Modelle × N Chips“ aufgebaut, das genau diese langfristige Nachfrage abdeckt.

Dieser Vorsprung verschafft dem Unternehmen eine vorteilhafte Position in der inländischen heterogenen Anordnung.

02. Strategie „Vorderer Laden, hintere Fabrik und ein Zentrum“: Keine Entwicklung von Modellen oder Chips, eine neutrale Plattform nutzt die Explosion der Nachfrage nach Token

Mit der beschleunigten Entwicklung von Agent-Anwendungen werden die Aufgaben, die von der KI-Infrastruktur verarbeitet werden müssen, komplexer. Wuwen Xinqiong hat auf der Welt-KI-Konferenz 2026 offiziell die strategische Anordnung „Vorderer Laden, hintere Fabrik und ein Zentrum“ vorgeschlagen, um diese Herausforderungen in drei Teilen zu bewältigen.

1. Zentrum für die Verteilung von Rechenleistung: 37000P heterogene Rechenleistung, die gemischte Schulung auf Produktionsebene durchführen

Das eine Zentrum bezieht sich auf das „Zentrum für die Verteilung von Rechenleistung“, das der Agentic Infra-Plattform für autonome Infrastruktur entspricht und für die Sammlung, Verwaltung und Planung vielfältiger heterogener Rechenleistung zuständig ist.

Angesichts des Zustands der verteilten und fragmentierten heterogenen Rechenleistung hat Wuwen Xinqiong ein domänenübergreifendes Trainingssystem für Großmodelle für heterogene Cluster entwickelt. Dieses System hat die Produktionsprüfung von drei Arten der domänenübergreifenden Aggregation von Rechenleistung bestanden.

Erstens die Aggregation über sehr große Entfernungen: Das Unternehmen hat gemeinsam mit China Telecom das erste inländische domänenübergreifende gemischte Training von Großmodellen über eine Entfernung von mehr als 4000 Kilometern abgeschlossen, sodass die Leistung des gemeinsamen Trainings zwischen den Clustern in Hami (Xinjiang) und Shenzhen (Guangdong) um 165 % gesteigert wurde.

Zweitens die Aggregation mehrerer Rechenzentren: Vier GPU-Cluster verschiedener Generationen und Modelle wurden verbunden, um gemeinsam ein Großmodell mit fast 10 Milliarden Parametern zu trainieren, sodass die kooperative Leistung der vier Cluster um 41 % gesteigert wurde.

Drittens die Aggregation von Rechenleistung in der Hybrid Cloud: Die sichere Kommunikation und das gemischte Training zwischen lokalen privaten Clustern und der Rechenleistung der öffentlichen Cloud wurden realisiert, sodass die Gesamtleistung um 68 % gesteigert wurde. Derzeit ist dieses domänenübergreifende Trainingssystem im ganzen Land bereitgestellt, erreicht eine Rechenleistung von über 37000P und deckt 16 gängige Chips ab.

2. Token-Fabrik: 40-faches Wachstum der täglichen Aufrufe, 10-fache Senkung der Inferenzkosten

Die „Token-Fabrik“ entspricht der Agentic MaaS-Plattform für Großmodelldienste und ist dafür zuständig, die Fähigkeiten von Modellen in aufrufbare Token-Dienste umzuwandeln.

Im Juli 2026 stellte Xia Lixue auf der WAIC die Optimierungsergebnisse des neuen, von Wuwen Xinqiong erfundenen Inferenzsystems vor: die clusterübergreifende heterogene PD-Trennarchitektur PDD. Basierend auf der langjährigen großangelegten Praxis der Online-Dienste von Agentic MaaS kann diese Architektur die Latenz des ersten Tokens um 51,5 % senken und gleichzeitig die Kosten pro Token um 37,5 % reduzieren.

In dem vergangenen Jahr hat die Token-Fabrik von Wuwen Xinqiong durch eine Reihe von ursprünglichen technischen Innovationen die Inferenzkosten um das Zehnfache gesenkt. Das Unternehmen geht davon aus, dass mit der großangelegten Einführung der clusterübergreifenden heterogenen PD-Trennarchitektur noch Raum für eine weitere 10-fache Senkung der Inferenzkosten besteht.

Der Wachstumszyklus läuft bereits vollständig. Offiziellen Daten zufolge hat die tägliche Anzahl von Token-Aufrufen auf dieser Plattform bis Juli dieses Jahres ein explosives Wachstum um das 40-fache im Vergleich zum vergangenen Dezember erreicht.

3. KI-Produktivitätsladen: Von 3D-Spielen bis zu Anwaltskanzlei-Partnern – Token wird hier zu echtem Geld

Der „KI-Produktivitätsladen“ entspricht den Branchenlösungen von Agentic Infra. Für dasselbe Szenario können verschiedene Modellgrößen und Hardwarekonfigurationen völlig unterschiedliche Token-Kosten verursachen. Wuwen Xinqiong nutzt die adaptive Technologie für Agent-Szenarien als Kernpfad zur Steigerung der Umwandlungseffizienz der KI-Produktivität, bietet Branchenlösungen von Agentic Infra an und wandelt Token in lieferbare industrielle Geschäftsergebnisse um.

Im Bereich der Unterhaltungsspiele hat Wuwen Xinqiong gemeinsam mit dem Tripo 3D-Großmodell von VAST die AGENTIC 3D GAME GEN-Lösung entwickelt. Im Bereich der juristischen Dienste hat das Unternehmen den exklusiven KI-Partner für Anwaltskanzleien „Lv Dun Xin Ren“ geschaffen und arbeitet mit mehreren Anwaltskanzleien und Ökosystempartnern zusammen. Im Bereich der Energieversorgung erforscht das Unternehmen gemeinsam mit China Southern Power Grid Energy die Lösung für die intelligente Vorhersage des Energieverbrauchs und die kooperative Planung von Supercomputing-Zentren auf Basis von Agent-Technologie.

Die drei Teile der Strategie „Vorderer Laden, hintere Fabrik und ein Zentrum“ decken jeweils die unterste Schicht der Rechenleistung, die mittlere Schicht der Modelldienste und die obere Schicht der industriellen Anwendungen ab und bilden eine Geschäftskette von der Ressourcenplanung über die Token-Produktion bis zur Umwandlung in Produktivität.

Ein weiteres bemerkenswertes Merkmal von Wuwen Xinqiong ist das Betriebsmodell mit geringem Kapitalaufwand. Wuwen Xinqiong besitzt keine eigenen physischen Rechenzentren, sondern erreicht und verwaltet die Rechenleistung in Einrichtungen von Dritten, die im ganzen Land verteilt sind, durch technische Dienste. Gleichzeitig passt es sich verschiedenen KI-Chips wie Huawei Ascend und Moore Threads an und erreicht eine schnellere Expansionsgeschwindigkeit mit einer leichteren Bilanz.

Gleichzeitig zeigt sich der Wert einer unabhängigen Drittplattform. Wuwen Xinqiong entwickelt keine Modelle und keine Chips und bleibt neutral. Als unabhängige Plattform, die Modelle, Chips und Kundenanforderungen verbindet, organisiert es die verteilten Modellfähigkeiten und die heterogene Rechenleistung und optimiert kontinuierlich die Umwandlungseffizienz von den untersten Ressourcen bis zur KI-Produktivität.

Betrachtet man das aktuelle Branchenmuster, so dienen die Infra-Systeme großer Konzerne hauptsächlich den internen Geschäften, die Infra-Systeme von Chipherstellern sind an das Hardware-Ökosystem gebunden, und die selbst aufgebaute Infra von Modellunternehmen wird durch Wettbewerbsbeziehungen eingeschränkt. Unabhängige Cloud-Anbieter, die sich für Neutralität entschieden haben, entwickeln sich zu den zentralen Knotenpunkten der Token-Wirtschaft.

Derzeit decken die Kunden und Partner von Wuwen Xin