为企业融资过程中接受地方政府承诺类函件，国通信托被罚25万元

为企业融资过程中接受地方政府承诺类函件，国通信托被罚25万元 16个月累计融资近10亿元，“算力运营商”无问芯穹的价值何在？， 

为企业融资过程中接受地方政府承诺类函件，国通信托被罚25万元

实习记者：胡冰

4月27日，湖北银保监局公布了一张罚单，剑指国通信托有限责任公司及相关责任人。

罚单显示，国通信托有限责任公司主要违法违规事实（案由）为：为企业融资过程中接受地方政府承诺类函件。

针对上述违法行为，湖北银保监局根据《中华人民共和国银行业监督管理法》第四十六条第（五）项、第四十八条第（二）项，对国通信托有限责任公司予以罚款25万元；对责任人周煜、陈啸月、许峥分别予以警告。

这已经不是国通信托首次因违规接收承诺函被罚。

早在2018年，国通信托在信托业务经营中因存在违规接收了地方政府部门提供的承诺函等问题，被原中国银监会湖北监管局罚款70万元。

国通信托有限责任公司的前身是方正东亚信托有限责任公司，2010年11月26日正式开业运营，总部设在武汉。据天眼查信息显示，国通信托有3位股东，其中武汉金融控股（集团）有限公司和东亚银行有限公司为大股东，持股比例分别为74.9979% 、15.3829%；北大方正集团有限公司持股9.6191% 。


16个月累计融资近10亿元，“算力运营商”无问芯穹的价值何在？

2024年9月2日，无问芯穹（Infinigence AI）宣布完成近5亿元A轮融资，至此，在成立1年4个月内，无问芯穹累计已完成近 10 亿元融资。

亿欧获悉，无问芯穹本轮融资联合领投方为社保基金中关村自主创新专项基金（君联资本担任管理人）、启明创投和洪泰基金，跟投方包括联想创投、小米、软通高科等战略投资方，国开科创、上海人工智能产业投资基金（临港科创投担任管理人）、徐汇科创投等国资基金，以及顺为资本、达晨财智、德同资本、尚势资本、森若玉坤、申万宏源、正景资本等财务机构。

无问芯穹的过往投资方还包括百度、智谱、同歌创投等战略股东，以及红杉中国、砺思资本、徐汇资本、北极光创投、真格基金、惠隆创投、经纬创投、无限基金 SEE Fund、金沙江创投、星连资本、绿洲资本、南山资本、光源资本、七熹投资等众多知名投资机构。

无问芯穹联合创始人、CEO夏立雪告诉亿欧，无问芯穹的初衷在于解决国内算力短缺的问题，将自己定位为算力运营商的角色，核心目标是提升用户体验，通过优化产品的易用性和降低成本，不断拓宽市场规模。“虽然我们在软硬件协同优化、多芯片统一调度等方面拥有显著优势，但这些只是我们实现目标的手段之一。最终，我们的核心价值在于能够打通产业链的上下游，形成完整的生态体系。”

亿欧了解到，无问芯穹超前判断大模型的实际可用算力不仅取决于芯片的理论算力，还可通过优化系数放大算力利用效率，通过集群规模放大整体算力规模，由此，无问芯穹提出“芯片算力×优化系数（软硬协同）×集群规模（多元异构）=AI模型算力”公式。遵循这一公式，无问芯穹将通过软硬件联合优化技术，持续提升芯片算力在大模型任务中的利用率，并通过多元异构算力适配技术，提升集群算力利用率，扩大行业整体算力供给。

无问芯穹战略运营高级副总裁王梦菲表示，此次融资资金的首要方向依然是技术的积累与储备。“鉴于我们的业务与人才密度紧密相连，我们将持续强化技术配置，涵盖多种技术栈。无疑，人才与技术将始终占据我们战略的核心位置。”

其次是推进产品的商业化进程。王梦菲表示，尽管公司成立时间尚短，但今年已经在商业化方面取得了显著的规模化收入。“展望明年，我们将进一步扩大市场份额，因此，我们将在商业化布局上加大投入力度。”

最后，生态建设同样至关重要。无问芯穹需要获得上下游模型厂商、芯片厂商，以及大客户和产业链上众多关键甲方的认可与支持。为此，其还将继续加大在生态建设方面的投入，致力于构建一个健康、繁荣的生态体系。

以下为亿欧整理的夏立雪、王梦菲的采访实录：

“使算力像水电煤一样，以标准化的产品形式推向市场”

无问芯穹成立的初衷是什么？致力于解决什么问题？

夏立雪：无问芯穹的初衷在于解决国内算力短缺的问题，我们注意到一个关键点：大量算力与硬件资源未能充分发挥其效率与效能。因此，我们集中攻克了以下几个核心领域：

首先，在技术领域，我们研发了M×N核心技术，确保不同模型能在各类硬件上迅速且高效地部署。通过算法与算力的最佳软硬件联合优化、软硬协同，我们使各类算力资源都能最大化其价值。此外，我们还采用了混合训练方式，使不同异构集群间能实现高效协作，攻克了多项技术难题，确保了使用效率、稳定性及集群效果均达到商业化标准。

其次，在产业与产品层面，我们旨在为市场增添那些原本未被充分利用或未被发掘的算力资源。为此，我们需最小化这些新增算力对用户现有使用习惯的影响，确保新增算力或优化后的整体算力提升能与用户原有算力无缝衔接。

为此，我们在新建基础设施的易用性和平台能力上投入了大量精力，进行了丰富的产品积累。在此过程中，我们非常感谢合作伙伴的支持，他们提供了众多商业化案例与配合，使我们能够将异构算力技术真正融入大家的成熟商业产品中，实现实际应用。

无问芯穹的定位是什么？

夏立雪：我们之所以将自己定位为算力运营商，并非因为我们的产品比其他家的优越多少，而是因为我们致力于让每个人都能方便地获取到如同自来水一般的基础服务。当前，包括我们在内的整个行业上下游，都在共同努力推动大模型走进千家万户，降低其使用成本，提高易用性，从而激发整个算力市场的活力，确保所有参与者都能分享到利润。

在定位上，我们并不刻意追求在某一具体技术领域的独特性，而是将自己定位为算力运营商。我们的核心目标是提升用户体验，通过优化产品的易用性和降低成本，不断拓宽市场规模。虽然我们在软硬件协同优化、多芯片统一调度等方面拥有显著优势，但这些只是我们实现目标的手段之一。最终，我们的核心价值在于能够打通产业链的上下游，形成完整的生态体系。

无问芯穹的目标用户群体是哪些？

王梦菲：我们公司专注于提供算力服务，因此，那些算力消耗量大的用户自然构成了我们最核心的目标客户群体。当前，大模型训练是算力消耗的主要领域，因此，服务好这部分客户是我们的首要任务。然而，我们也认识到，随着时间的推移，算力消耗最大的用户画像可能会发生变化。

为了应对这一挑战，我们不仅致力于满足当前大模型训练客户的算力需求，还积极为未来可能兴起的AI应用场景做好技术储备。这种前瞻性的战略布局，旨在确保我们能够持续满足市场变化和客户需求。

当前市场上，我们观察到的是一个由M种多样模型与N种不同芯片共存的生态系统。这种多样性导致了模型与芯片间适配的复杂性，以及高效部署的挑战，为用户带来了诸多不便。算力如何能够像水电煤那样，以标准化的产品形式推向市场，这之间存在明显的差距。

正是基于这一洞察，无问芯穹公司成立，其初心便是致力于将算力转变为如同水电煤一般标准化、易用的资源。我们期望未来能够为智能生态中的所有服务提供者与应用开发者，提供这种标准化的算力资源。而要实现这一目标，无疑需要运营商的角色来桥接这一差距。目前，无问芯穹已汇聚了近100名博士人才，因为高水平的人才团队对于攻克这些难题至关重要。

随着算力需求的多样化，助力企业节省算力资源尤为必要

无问芯穹自身对算力的使用成本表现如何？是如何进行算力成本优化的？

夏立雪：整体上，我们的目标是将算力更有效地提供给下游客户。我们自身主要利用算力进行产品研发，但这并非长期持续的消耗模式，因为我们并非持续需要大量算力的大模型公司。令人欣慰的是，我们见证了自身产品研发能力和技术效果的显著提升，尤其在协助深度战略合作伙伴实现产品落地和项目执行时，成本实现了大幅下降。

举例来说，我们在一个真实的互联网客户场景中，成功将其大模型推理场景的算力使用降低了90%。在项目后期，支撑相同业务所需的算力仅为项目初期的十分之一。这是一个极具说服力的实际案例，充分展示了我们如何帮助合作伙伴节省算力资源。

在研发过程中，我们已通过自身优化手段，有效利用了与客户合作过程中的空闲窗口期来填充我们的研发资源。因此，我们自身的算力使用已较最初有了显著减轻。

这还与整个行业的演进息息相关。最初，当大型模型仅限于高校研究时，用户与生产方的联系十分直接且简单，因为用户数量有限，双方可直接对接满足需求。然而，随着人工智能领域的不断扩展，我们观察到越来越多的行业用户寻求与AI技术的融合。这种趋势催生了对算力需求的多样化，进而形成了一个更为复杂且充满活力的市场环境。鉴于并非所有人都能自行提供电力，因此，运营商的角色变得不可或缺，以支撑这一繁荣发展的生态。

无问芯穹的LPU进展怎么样？

夏立雪：对于LPU部分，我们坚信大模型作为人机交互的重要接口，其巨大的潜力将对端上场景产生巨大的需求，同时也有强烈的固化到硬件层面的需求。因此，端上大模型的推理和落地所需的硬件必将迎来大量需求。

在时间节奏上，我们将与合作伙伴紧密合作。无问芯穹作为一家基础设施或赋能型公司，我们的重点是在MxN的N这个方面，特别是与端上伙伴的合作。我们将把我们的LPU IP能力赋能给合作伙伴，与他们一起推动大模型在端上的落地。就像我们在云上帮助用户更好地训练和使用大模型一样，我们也将帮助端上的客户和用户更好地利用大模型的能力。因此，我们的LPU将以IP的形式与合作伙伴共同进行芯片发布，并计划在明年进行一些落地的尝试。

目前市场对异构混训的实际需求有多大？哪些客户会对这方面的需求比较迫切？

夏立雪：混合训练（混训）的本质在于其“混合”特性，意味着它并不局限于纯英伟达方案。当前，混训的需求主要来自三类客户：

首先，一些具有建设背景的客户，如政企单位，他们自行构建地方集群并期望充分利用这些资源。出于技术、成本及国产化等多方考量，他们希望在采用最先进显卡的同时，也能支持国产显卡。对于这类客户，混训能力不仅有助于他们评估市场未来收入，还能在内部使用场景中充分发挥集群效能。

其次，鉴于国内高质量算力的有限性，许多集群在建设过程中已采用先进算力与国产化算力的组合，即MxN模式。大模型客户也常使用此类集群，通过拆分硬件为两个集群来运行。因此，对于已在使用或正在建设此类集群的客户，混训能力同样具有强烈需求。

最后，研究型单位也对混训表现出浓厚兴趣。

从技术层面看，混训并非简单的CPU加GPU组合。CPU在大模型领域主要承担综合能力与控制流任务，并非为密集计算设计，因此在大模型训练中难以发挥显著作用。真正的混训应指GPU与另一种GPU或加速卡的组合。我们已实现多种不同GPU卡同时混训一个大模型，包括英伟达与华为等国产卡的1+1混训，且支持六种芯片中的任意两种组合进行混训，规模可达百卡至千卡级别，混训整体效率保持在95%以上，理想情况下甚至能达到97.6%，即每张卡都能紧密配合，一个月内完成训练。非理想情况下，我们也能在约一个月多一天的时间内完成大模型训练，而基线时间通常为两个月甚至三个月。

此过程中的难点在于，不同卡之间拥有不同的算子库和技术实例。虽然我们在上一阶段已成功将不同模型和硬件直接连接，但实现不同背景员工协同完成大任务仍面临挑战。这包括GPU性能的预测、任务的拆分与分配、硬件的各司其职以及通信库的打通等硬核技术。正是凭借团队在这些领域的专长与积累，我们成功攻克了这一难题，旨在通过混训方式，让更多人能够充分利用异构算力，从而为大模型领域提供充裕的算力支持。

“有信心在3到5年内实现规模化盈利”

无问芯穹的商业模式是什么？

王梦菲：首先，我们坚信中国国产自主可控的算力基础设施建设，涵盖智算中心建设、国产芯片投入及多样技术储备，乃至国产自主可控大模型的开发，这一系列举措均受到国家政策的积极引导，构成了中国在国际舞台上立足的重要战略方向。

正是基于对这一方向和机遇的深刻洞察，我们自成立之初便明确了使命——助力中国高效利用国产算力。这既是我们的视角，也是我们的初心。

在商业模式上，我们虽与云厂商有相似之处，但市场定位和技术储备方向截然不同。云厂商经历了从CPU到GPU的转型，其优势在于客户复用。而我们则专注于GPU异构，致力于构建更加完备、深入的技术栈。在此方面，我们拥有充足的技术储备和坚定的信心。

我们的算力运营商业模式十分明确：上游整合资源，通过技术能力将其转化为标准化的算力产品，并进行单位化定价，最终推向市场。这一模式与云厂商有相似之处，其本质在于规模经济。因此，我们的盈利能力与公司的市场份额及AI市场的整体繁荣紧密相关。

从当前评估来看，无问芯穹并非一个资金消耗巨大的公司。与上游或下游的大模型、芯片厂商相比，我们的优势在于自成立之初就拥有了清晰的商业模式。我们的盈利路径明确，经过谨慎测算，我们有信心在3到5年内实现规模化盈利。

目前，无问芯穹已经与哪些企业达成了深入合作？

夏立雪：我们在整个行业中扮演着连接模型与硬件的关键角色，致力于构建基础设施，以优化并促进算力的高效利用。自成立之初，我们便与众多核心合作伙伴建立了紧密而深入的合作关系，实现了战略协同。

我们的合作网络广泛且多元，涵盖了与国内绝大多数硬件厂商的深度合作。特别是在北京和上海等地，我们与专注于GPU和芯片研发的企业紧密合作，并在这些基础上共同搭建算力集群。例如，我们在上海与仪电集团、在北京与京能集团携手，助力地方构建算力集群，同时与宁夏电信也保持着深度的合作关系。

此外，我们还与当前一些前沿的大模型公司进行了深入的合作。我们也致力于为大家提供适应未来需求的、更高效的算力资源。

无问芯穹与云厂商的关系如何？

王梦菲：目前，无问芯穹采取的是相对轻资产的运营模式，主要与各地已建成或规划中的智算中心合作，旨在优化并充分利用其算力资源。

对于与云厂商的关系，我们认为市场前景广阔。尽管长远来看，可能存在某些重叠或竞争，但当前阶段，我们更倾向于合作。这是因为我们各自的目标客户群和差异化定位有显著区别。我们特别强调异构能力，并秉持初心，致力于高效利用国产算力。在此方面，许多大型厂商并未涉足，因此我们之间不会形成直接的正面竞争。

无问芯穹今年的战略目标是什么？

王梦菲：今年，我们启动了一项至关重要的战略布局，旨在夺取市场上的一定份额。在当前市场算力消耗中，无问芯穹将扮演重要角色，为市场提供关键算力支持。特别是在国产集群领域，我们致力于获取核心资源，对此我们高度重视。通过精心筹备这一战略，我们相信，随着AI应用的普及和国产算力的日益崛起，无问芯穹将顺势而上，实现快速发展。

然而，要充分发挥国产算力的优势，确实需要巨大的技术投入和深厚的技术储备。这一过程中充满了挑战，许多市场参与者，无论规模大小，都尚未找到有效解决方案。因此，我们必须加大技术投入。[db:内容]