无问芯穹与华环电子签约，共建国产异构算力基础设施

两家清华系企业联手做实国产AI底座

9月17日，上海无问芯穹智能科技股份有限公司与北京华环电子股份有限公司正式签署战略合作框架协议。这场合作没有太多花哨的口号，核心就一件事：把国产算力和网络真正用起来，支撑起实际的大模型训练和推理任务。

签约现场，华环电子董事长郭萌和无问芯穹上海总经理曾书霖代表双方落笔。清控集团董事长甄佳、清华大学电子工程系教授汪玉、无问芯穹CTO李伯勋到场见证。值得注意的是，这两家公司都和清华电子系渊源颇深——华环电子早在上世纪90年代就由清华团队创办，长期深耕通信设备；无问芯穹则是近年从清华孵化出的AI基础设施新锐。这次合作，某种程度上是“老朋友”在AI新时代的一次重新聚首。

算力不再单打独斗，网络必须跟上

过去几年，AI基础设施的焦点几乎全在GPU或国产加速卡的算力数字上。但现实很快给出了教训：光有算力不够。大模型训练动辄上千张卡，如果网络带宽跟不上、通信延迟高，算力再强也发挥不出效率。行业逐渐意识到，真正的瓶颈往往不在计算，而在连接。

华环电子干了30多年光通信，在电力、交通、运营商等领域部署了大量传输设备。它的强项不是造芯片，而是让数据在复杂环境中稳定、高速地流动。无问芯穹则专注AI软件栈，其Agentic Infra平台能统一调度不同厂商的芯片（比如华为昇腾、寒武纪、天数智芯等），并优化大模型训练中的通信开销。

根据协议，双方将把各自的能力拼成一块完整的拼图：无问芯穹负责算力调度和AI平台，华环电子提供底层网络互联和工程实施。目标很明确——打造一套从芯片到应用、从软件到硬件都能跑通的国产化方案。

智算中心不能只堆硬件

目前很多地方建智算中心，思路还是“买卡+装机柜”，结果算力闲置率高，利用率低。无问芯穹和华环电子想换一种做法。

无问芯穹已经在全国部署了一套跨域训练系统，支持16种主流国产和国际芯片，总触达算力超过37,000P。这套系统的关键在于“通信重叠”和“自适应调度”——简单说，就是在计算的同时安排好数据传输，避免GPU干等。华环电子则会在光传输层提供低延迟、高带宽的连接，确保集群内部通信不拖后腿。

双方计划联合推进智算中心的全生命周期：从方案设计、软硬件适配，到集成交付和后期运维。这意味着未来一个智算中心交付时，不再是“裸金属+基础网络”，而是一套开箱即用、经过验证的AI就绪环境。

用“Token工厂”衡量AI生产力

更值得关注的是，双方提出要探索“Token工厂”模式。这里的“Token”不是加密货币，而是大模型生成的基本单位。把AI基础设施的产出标准化为Token，意味着可以像工厂计件一样衡量效率：每度电产多少Token？每万元成本能支撑多少推理请求？

无问芯穹称，过去一年通过算法和系统优化，已将大模型推理成本降低10倍。但这还不够——要让Token大规模、高质量地产出，离不开稳定的硬件和网络支撑。华环电子的工程能力正好补上这一环：从机房布线、电源管理到网络调优，确保整个“工厂”7×24小时稳定运转。

这种思路其实是在回答一个根本问题：AI基础设施到底该为谁服务？不是为了炫技，而是为了支撑企业真正用得起、用得好的AI应用。比如一家银行想部署智能客服，它关心的不是用了多少P算力，而是每秒能处理多少用户请求、响应延迟多长、成本是否可控。

国产化闭环需要务实路径

当前国产AI生态面临一个尴尬：芯片有了，框架有了，但整套系统跑起来效率不高、稳定性不足。原因往往是软硬件脱节——芯片厂商不懂上层模型需求，软件公司又难以深度优化底层硬件。

无问芯穹和华环电子的合作试图打破这个僵局。他们沿着“国产芯片 → 异构算力平台 → Token服务 → 企业应用”的链条，一步步打通。这不是喊“自主可控”的口号，而是实打实地解决兼容性、调度效率和运维复杂度问题。

例如，在一个混合使用昇腾和寒武纪芯片的集群中，如何让大模型训练任务自动分配到最合适的卡上？网络拓扑如何设计才能最小化通信瓶颈？故障发生时能否快速隔离而不影响整体作业？这些细节才是决定国产算力能否落地的关键。

合作才刚开始，考验在后面

当然，签协议只是第一步。真正的挑战在于后续的技术对齐和工程落地。两家公司技术栈差异不小：一个是AI软件平台商，一个是传统通信设备商。能否在接口标准、运维流程、故障响应上达成一致，还需要时间验证。

但至少方向是对的。与其各自为战，不如把长板拼在一起。当算力越来越“异构”，网络越来越“智能”，AI基础设施的胜负手，可能就藏在这些看似枯燥的协同细节里。

未来几个月，双方计划建立常态化合作机制，开展多轮技术验证。如果能在几个典型场景（比如城市级智算中心或行业专用AI平台）跑通端到端方案，或许真能为国产AI基础设施蹚出一条可复制的路。