睿联智算完成近亿元种子轮融资：光电混合智算网络能否填补国内空白？

当一座万卡级智算集群开始训练大模型时，最昂贵的资源往往不是 GPU 本身，而是那些在 GPU 之间空转等待数据的光模块、交换芯片和电力预算。传统电交换架构下，Spine 层交换机在每一次参数同步中都要承担完整的电光转换与转发开销；当集群规模从千卡迈向万卡、十万卡，这种架构的边际成本不再线性增长，而是以功耗、延迟和热备卡采购量的形式加速恶化。国内 AI 算力基础设施的竞争焦点，正从“能不能买到卡”转向“卡与卡之间如何更高效地连接”。

2026 年 8 月，一家成立仅五个月的公司试图把谷歌 Jupiter 架构中的光电混合思路搬进国内智算中心。睿联智算（上海）科技有限责任公司宣布完成近亿元种子轮融资，投资方包括元禾控股、创新工场、苏创投、奇绩创坛，以及通信产业上市公司通鼎互联作为战略投资方入局。据投资界报道，IO 资本担任本轮与后续轮次融资长期独家财务顾问。

这笔融资的特别之处不在于金额——近亿元在今天的 AI 基础设施赛道并不算大——而在于一家种子轮公司同时拿到了财务投资机构、地方国资背景资本和一家光纤光缆上市公司的钱。三类资本在同一轮中出现，通常意味着标的公司既被视作技术稀缺性资产，也被纳入某种产业供应链协同的叙事。睿联智算称，其核心方案可将 Spine 层电交换机替换为光交换设备，相比传统组网实现功耗降低 40%–50%、链路延迟压缩至微秒级。但截至发稿，公司未披露任何第三方测试报告或客户验收数据来独立验证上述指标。

把 Spine 层换成光交换，是一道工程题而非论文题

睿联智算的技术叙事建立在一条明确的技术路线上：将传统 Fat-Tree 拓扑中 Spine 层的电交换机替换为光交换设备（OCS，Optical Circuit Switch），形成“光进电退、以光强电”的混合架构。据公司披露，其技术体系源自谷歌 Jupiter 成熟光电混合网络架构，依托任务级慢切换算法解决商用 OCS 毫秒级切换拥塞难题，同时支持 IB、RoCE 协议，兼容英伟达、国产 GPU 与超以太联盟生态，可适配 2/3/4 层各类智算拓扑。

从产业链约束看，这一方案的核心难点不在光交换器件本身，而在调度算法与组网工程的耦合。OCS 的物理切换速度通常在毫秒级，远慢于电交换机的纳秒级包转发。谷歌 Jupiter 之所以能在其内部数据中心跑通光电混合，依赖的是一套与自家计算任务特征深度绑定的慢切换调度系统——它知道什么时候该切、切到哪条路径、切换窗口内哪些流量需要被缓存或重路由。把这一套搬进国内智算中心，意味着睿联智算需要面对一个谷歌没有面对过的问题：客户的计算任务、GPU 型号、网络协议和故障模式都是异构的，调度算法必须在没有谷歌内部基础设施支撑的情况下完成适配。

公司披露的创始团队背景与这一工程难度形成了对应。CEO 徐睿硕士毕业于北京大学，师从李挥教授，先后在腾讯、拼多多从事大规模网络运维建设，团队核心成员据称具备万卡级集群交付实战背景；CTO 曹培睿博士毕业于上海交通大学，长期从事数据中心网络研究，曾获 NSDI 最佳论文奖和 EuroSys 最佳学生论文奖，并发表 OCS 慢切换拓扑路由控制论文，被 Google 连续引用；COO 周苏在华为、腾讯、中国移动拥有二十余年网络架构、测试验证交付与管理运营经验。从已披露的履历看，三人分别覆盖了算法研究、大规模工程交付和产业客户验证三个环节，这是光电混合网络从实验室走向商用所必需的组合。但履历本身不能替代产品验证，公司尚未披露任何已交付集群的规模、运行时长或故障率数据。

“国内唯一”的说法需要被拆开看

证券之星在整理天眼查数据时称，睿联智算是“国内极少数具备商用低频切换 OCS 全栈调度能力的厂商”，并进一步称“放眼全球，目前国内仅睿联智算一家创业公司掌握光电混合网络拓扑调度完整工程能力，技术壁垒与稀缺性行业领先”。这一表述被多家媒体转载，但需要明确的是，该判断来自证券之星据公开信息的整理，并非独立第三方技术评估机构的结论。

从公开事实看，国内并非没有其他团队在光电混合网络方向布局。华为、腾讯、阿里等大厂在数据中心网络领域均有 OCS 相关研究积累，部分高校实验室也有论文产出。但“创业公司”这个限定词确实缩小了范围——大厂内部团队不对外提供独立的智算网络解决方案，高校实验室缺乏商用交付能力。睿联智算作为一家独立创业公司，如果确实完成了从调度算法到组网工程再到运维体系的闭环，其稀缺性在创业公司层面是成立的。问题在于，“掌握完整工程能力”这一判断目前只能依据公司自述和投资方声明，缺少可独立核验的交付案例。公司称已对接多家运营商、头部互联网、头部算力客户，多个项目进入试点落地阶段，但未披露任何客户名称、试点规模或验收结果。

这种信息状态在种子轮公司中并不罕见，但它意味着“国内唯一”的标签目前更接近一种市场定位，而非已被验证的竞争壁垒。真正的壁垒需要在试点项目转化为可复制的交付标准之后才能确认。

三类资本同轮进入，各自在买什么

本轮投资方的组合结构比金额本身更有信息量。元禾控股和苏创投带有苏州地方国资背景，其投资逻辑通常包含产业落地预期；创新工场和奇绩创坛是典型的早期技术投资机构，前者偏重 AI 基础设施的系统性机会，后者以挖掘技术型创始团队著称；通鼎互联作为光纤光缆上市公司以战略投资方身份入局，则直接指向供应链协同。

从已披露信息看，睿联智算与多家头部光器件厂商有深度供应链协同，交付周期可控。通鼎互联的入局可以被理解为这一供应链关系的资本化表达——光纤光缆厂商正在寻找从“卖线缆”向“卖网络能力”延伸的路径，而光电混合智算网络恰好是光器件厂商进入 AI 算力价值链的切口。但需要指出的是，战略投资方入局并不自动等同于订单承诺或技术绑定，通鼎互联与睿联智算之间是否存在排他性供应协议、联合研发安排或客户资源共享机制，均未披露。

财务顾问 IO 资本担任本轮与后续轮次融资长期独家财务顾问，这一安排意味着公司后续融资节奏已被纳入某种长期规划。对于一家种子轮公司而言，锁定长期 FA 通常是为了在后续轮次中保持融资节奏的连续性，但也可能带来估值预期被过早推高的风险。当前轮次近亿元的种子轮定价，已经隐含了投资方对技术稀缺性的较高溢价。

功耗降低 40%–50% 的承诺，卡在验证环节

睿联智算披露的核心性能指标中，功耗降低 40%–50% 是最具商业吸引力的一个。智算中心的运营成本中，电力占比持续上升，如果光电混合架构能在保持训练效率的前提下把网络层功耗砍掉近一半，对任何算力客户都是难以忽视的账。

但这一数字目前只有公司口径。从技术原理看，光交换设备确实消除了 Spine 层电交换机中的电光转换和交换芯片功耗，理论上存在显著降耗空间；然而实际部署中的功耗表现取决于集群规模、拓扑层数、光模块数量、切换频率和散热方案等一系列变量。谷歌 Jupiter 架构在其自有数据中心中的能效表现有论文数据支撑，但睿联智算的方案并非谷歌原版复刻，而是针对国内客户和国产 GPU 生态的再工程化。从已披露的“将 Spine 层电交换机替换为光交换设备”这一前提看，功耗降低的方向是成立的；但 40%–50% 的具体区间是否能在第三方测试中复现，是后续试点项目需要回答的核心问题。

同样需要验证的还有“链路延迟压缩至微秒级”和“大幅削减 GPU 热备卡采购量”。前者在光交换直通路径上理论可行，但端到端延迟还包含 Leaf 层处理、协议栈开销和切换等待时间；后者则取决于调度算法能否真正减少因网络拥塞导致的 GPU 闲置，这需要在实际训练任务中对比测量。公司未披露这些指标的具体测试条件、对比基准或误差范围。

试点客户不具名，商业化路径仍在早期

睿联智算的商业模式是软硬件一体化解决方案：以 OCS 调度算法和自动化运维为核心，叠加全栈组网工程服务，并计划通过自研多端口融合智能网卡形成硬件收入。据公司披露，其已对接多家运营商、头部互联网、头部算力客户，多个项目进入试点落地阶段，并在分布式光拓扑、国产 GPU 异构调度等竞品薄弱环节形成差异化优势。

“已对接”和“试点落地”之间存在重要区别。对接意味着技术交流和方案评估，试点则意味着客户已经投入资源进行实际部署测试。公司称多个项目进入试点阶段，但未披露试点客户的行业分布、集群规模、测试周期或付费情况。在智算网络领域，从试点到框架订单的转化通常需要六到十二个月，期间客户会对比传统电交换方案、评估运维复杂度、验证与现有 GPU 集群的兼容性。运营商和头部互联网客户的采购决策链条尤其长，种子轮公司能否在试点周期内保持技术迭代速度和交付稳定性，是比技术指标更现实的考验。

资金用途中提到的“拓展运营商、AI 大厂长期框架订单”值得注意。框架订单在运营商采购体系中通常意味着供应商已通过技术入围，但实际下单量仍取决于后续项目分配。睿联智算目前未披露任何框架订单的签署情况，这一目标更多反映了公司对未来六到十二个月商业化节奏的预期。

自研智能网卡是护城河，还是第二场硬仗

本轮资金用途的第三项是启动多端口融合智能网卡研发，目标打造“OCS 调度算法+运维服务+自研网卡”一体化全栈方案。这一方向在战略上是合理的：如果调度算法是大脑，智能网卡就是执行调度指令的手脚，自研网卡可以将算法优化下沉到硬件层，形成软硬协同的竞争壁垒。

但智能网卡本身是一个高度拥挤的赛道。英伟达的 ConnectX 系列和 BlueField 系列在 IB 和 RoCE 生态中占据主导地位，国产智能网卡厂商也在加速追赶。睿联智算的多端口融合智能网卡如果定位为与 OCS 调度深度绑定的专用硬件，其差异化来自软硬协同而非通用性能，这在逻辑上成立；但如果客户要求网卡同时兼容现有电交换网络，公司就不得不与成熟网卡厂商在通用性能上正面竞争。从已披露信息看，公司未说明自研网卡的目标规格、端口数量、协议支持范围或与现有方案的兼容策略，这些细节将决定该产品是真正的护城河，还是分散工程资源的第二战场。

另一个值得关注的约束是交付能力。软硬件一体化方案意味着公司不仅要交付算法和软件，还要承担组网工程和硬件部署责任。对于一家种子轮公司而言，同时推进算法迭代、客户试点和网卡研发三条线，对工程团队规模和项目管理能力提出了很高要求。本轮资金用于扩充算法与工程研发团队，但近亿元在扣除试点项目垫资和硬件研发投入后，实际可用于招聘的额度需要精打细算。

光电混合的窗口期，取决于国产 GPU 生态的成熟速度

睿联智算的差异化叙事中，国产 GPU 异构调度是一个关键支点。公司称其方案兼容英伟达、国产 GPU 与超以太联盟生态，并在国产 GPU 异构调度等竞品薄弱环节形成优势。这一判断的前提是：国产 GPU 集群在互联效率上的痛点比英伟达集群更突出，因此对光电混合网络的需求更迫切。

从产业链逻辑看，这一前提是成立的。国产 GPU 的单卡性能和软件生态尚在追赶阶段，集群训练效率对网络层的依赖度更高；如果网络调度能减少 GPU 空转，对国产算力集群的整体利用率提升会更明显。但反过来，国产 GPU 生态的碎片化也增加了调度算法的适配难度——不同厂商的 GPU 在通信库、拓扑感知和故障处理机制上存在差异，一套调度系统要兼容多家国产 GPU，需要逐家适配和验证。公司未披露已适配的国产 GPU 具体型号或适配进度。

超以太联盟生态的兼容性声明同样需要审慎看待。超以太网联盟（Ultra Ethernet Consortium）的技术规范仍在演进中，不同成员厂商的实现存在差异。公司称兼容超以太联盟生态，但未说明具体兼容到哪个版本规范、与哪些厂商的实现完成过互操作测试。在技术标准尚未完全固化的阶段，“兼容”一词的实际含义可能从“通过互操作测试”到“遵循公开规范设计”不等。

风险不在技术路线，而在验证节奏与资源分配

从技术路线的产业逻辑看，光电混合智算网络的方向性风险较低——谷歌 Jupiter 已经在超大规模数据中心验证了光电混合架构的可行性，AI 训练集群对网络带宽和功耗的持续压力也在推动行业寻找电交换之外的替代方案。睿联智算选择的技术路线并非孤注一掷的赌博，而是对已验证架构的工程化移植。

真正的风险集中在验证节奏和资源分配上。公司成立仅五个月，团队规模、交付能力和客户信任都处于早期构建阶段。多个试点项目同时推进意味着工程资源被分散，任何一个试点的失败都可能影响其他客户的信心。自研智能网卡的启动时机也值得观察——如果网卡研发挤占了调度算法迭代和试点交付的资源，反而可能削弱公司在最核心能力上的领先性。

从已披露的“行业竞争可能带来挑战，技术研发进度存在不确定性”这一风险表述看，公司和投资方对上述问题并非没有认知。但认知风险不等于管理风险，种子轮公司的容错空间远小于大厂内部团队。睿联智算需要在未来十二个月内证明三件事：至少一个头部客户的试点能转化为可复制的交付案例；功耗和延迟指标能在第三方测试中复现；团队能在多线作战中保持核心算法的迭代速度。这三件事中任何一件出现明显延迟，“国内唯一光电混合智算创业公司”的叙事都将面临重新定价。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

• 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
• 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
• 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：光电混合智算网络的价值不在“光比电好”的技术直觉，而在调度算法能否在真实客户环境中把光交换的物理特性转化为可测量的集群效率提升。睿联智算拿到了一手好牌——稀缺的技术路线、互补的创始团队、三类资本的同轮背书——但种子轮的好牌只有在试点交付中才能兑现成筹码。接下来十二个月，比融资故事更重要的是第一个能公开验收的客户案例。