国产算力竞争从硬件参数转向软件栈

当一家国产大模型公司把训练任务压到八万张加速卡上时，真正决定成败的往往不是单卡算力，而是通信、存储、编译器与调度系统能否把异构硬件捏成一个整体。过去两年，国产芯片的竞争叙事集中在制程、显存和峰值算力；但越来越多智算中心开始发现，硬件参数并不能直接转化为可用的模型吞吐。清程极智近日完成的A轮融资，正是这一矛盾从硬件层面向软件层面迁移的信号。

北京清程极智科技有限公司成立于2023年，总部位于北京市海淀区，定位为AI基础设施企业，专注国产算力软件层。据投资界报道，公司提供国产算力系统软件及大模型训练推理全栈解决方案，并构建覆盖Token生产、路由、使用的全链路产品矩阵。本轮融资由中国电信和瀚晖资本联合领投，老股东星连资本追加投资，领阳投资、华胜天成、建信（北京）投资、直真科技、商汤科技、苏州毅鸣等多家产业资本和市场化基金共同跟投。本轮融资金额在多数来源中未披露；证券之星据天眼查APP信息称融资额为数亿人民币，该口径为单一来源且与其余来源未披露金额的表述冲突，不应作为本轮融资金额的确定事实。

字段 内容
公司 北京清程极智科技有限公司
轮次 A轮
金额 未披露（证券之星据天眼查APP信息称数亿人民币，为单一来源且与其余来源冲突，不作为确定事实）
投资方 中国电信、瀚晖资本联合领投；星连资本追加投资；领阳投资、华胜天成、建信（北京）投资、直真科技、商汤科技、苏州毅鸣跟投
总部 北京市海淀区
创始人 汤雄超
官网 未披露

清华系团队把超算经验压进Token生产链路

清程极智的团队背景决定了它的技术路径与多数大模型应用层公司不同。据《科创板日报》报道，创始人汤雄超毕业于清华大学计算机系，获专业博士学位，因洞察到底层AI系统软件生态不完善而创立公司。据投资界报道，核心团队主要来自清华大学高性能计算所，郑纬民院士任首席顾问，翟季冬教授任首席科学家；翟季冬曾带领清华超算团队夺得十多个世界冠军。今年2月，公司已完成清华大学技转入股。

团队规模约20人，具备编译与并行系统双重背景及万卡集群训练优化经验。据上证报中国证券网报道，公司掌握并行系统、计算框架、AI编译器、调度系统等关键基础软件核心技术。这种能力结构指向一个具体问题：国产芯片种类多、生态碎片化，模型厂商若要在不同架构间迁移，往往需要重写算子、重新调优通信与存储路径。清程极智的产品逻辑是把这些重复劳动下沉到系统软件层，让上层应用不必感知底层硬件差异。

证券之星据天眼查APP信息进一步列出了公司技术栈的细分领域，包括通信库、算子库、编程语言、存储系统、内存管理与容错系统等。该来源同时称，公司自研了可为多种芯片生成高效代码的智能编译器，以充分利用各类国产智算芯片，实现代码可移植和性能可移植，消除用户的迁移成本。这一描述与投资界报道中的全栈能力表述方向一致，但更具体地落在编译器对多芯片适配的作用上。需要说明的是，该信息来自工商信息聚合平台，并非公司正式技术文档。

据投资界报道，清程极智在80000卡规模上实测训练万亿参数MoE模型，并使用纯国产CPU跑通DeepSeek-671B。前一项验证的是超大规模集群下的训练系统稳定性，后一项验证的是国产平台上的推理可行性。两者分别对应训练与推理两个截然不同的工程难题：训练侧更依赖通信效率与容错能力，推理侧更依赖内存管理与算子调度。投资界报道称其团队兼具十万卡级系统应用与大模型调优的复合能力，并称这一能力在国内屈指可数。这一表述属于报道方判断，尚无独立第三方验证。

赤兔、AI Ping与八卦炉：从生产到调度的三层产品结构

清程极智的产品矩阵围绕Token全生命周期展开，分为生产侧、调度侧与场景化应用侧。生产侧为清程赤兔，定位Token高效生产引擎，开源版与商业版并举，通过与国产算力的深度适配与针对性推理优化支撑Token生产。调度侧为AI Ping，定位一站式Token服务平台，提供资源汇集、科学评测、统一调用与智能Token调度。场景化应用侧为清程八卦炉，定位Token场景化安全使用软件栈，与WPS、Adobe、Revit等垂域软件联动，支持私有数据库调用及不同大模型效果对比，并提供安全沙箱、行为审计、用户鉴权等能力。

从产品结构看，清程极智试图覆盖的不只是模型运行效率，还包括Token作为交付单元的商业化基础设施。AI Ping已接入30多家服务商、400多个模型服务，这意味着它至少在规模上已经进入实际运营状态，而非停留在技术验证阶段。但需要指出的是，接入服务商数量与模型服务数量是平台供给侧指标，并不能直接反映付费客户规模、调用量或收入水平。公司未披露具体客户名称，也未披露AI Ping的商业化收入。

清程八卦炉的定位更接近企业级安全网关。它把大模型调用嵌入WPS、Adobe、Revit等办公与设计软件，同时叠加安全沙箱、行为审计与用户鉴权。这一设计解决的是企业使用大模型时的合规与数据安全顾虑，但其实际竞争力取决于与垂域软件厂商的合作深度，以及企业客户是否愿意为Token使用安全单独付费。据投资界报道，清程八卦炉已与多个垂域软件联动；来源未说明该联动的合作性质是技术集成、商业协议还是生态互认。

从商业路径看，三层产品对应三种可能的收入来源：赤兔引擎可能通过商业版授权或性能优化服务收费，AI Ping可能通过Token调度与平台服务收费，八卦炉可能通过企业级安全部署收费。但投资界报道只描述了客户可以围绕本地化需求部署行业Agent、优化已有算力上的模型运行，或通过AI Ping选择和调用Token服务，并未说明各产品线的定价方式、交付模式或收入贡献。这意味着产品矩阵的完整性尚不能等同于商业模式的闭环。

PD分离异构部署：用国产显卡做Prefill的性价比实验

在推理成本结构中，Prefill与Decoding对硬件资源的需求差异显著。Prefill阶段计算密集、对算力吞吐敏感；Decoding阶段访存密集、对内存带宽敏感。传统部署方式往往让同一批GPU同时承担两个阶段，导致资源利用率与成本难以同时优化。据投资界报道，在PD分离异构混合部署实测中，通过国产算力与通用算力协同，实现国产显卡Prefill性价比超越H系列高端显卡。这一表述需要被精确理解：它比较的是Prefill阶段的性价比，而非整体推理性能；比较对象是H系列高端显卡，而非所有海外高端产品；且这是投资界报道的实测结果，尚无独立第三方验证。若该结果可复现，其商业含义在于，智算中心可以用国产显卡承担Prefill负载，用其他硬件承担Decoding负载，从而在特定工作负载下降低单位Token成本。

《科创板日报》的报道补充了一个结果维度：该实测实现吞吐显著增加与延迟显著降低。这比单纯强调性价比更进一步，说明优化同时作用于吞吐和延迟两个指标。但该报道未给出具体数值、测试模型、批次大小或对比基准，因此无法判断“显著”对应的量级。对于智算中心运营方而言，吞吐与延迟的平衡往往比单一峰值指标更重要，因为真实推理流量通常混合了在线低延迟请求与离线高吞吐任务。

从产业链约束看，PD分离并非新概念，海外已有多个推理框架支持类似架构。真正的难点在于国产芯片的软件栈成熟度：不同厂商的编译器、通信库与内存管理接口差异较大，异构混部会放大调度复杂度。清程极智若能在国产与通用算力之间建立稳定的中间层，其价值就不只是单点性能优化，而是降低异构集群的运维门槛。但这一能力的可复制性，取决于它能否适配足够多的国产芯片型号，而非只在特定平台上跑通。

产业资本与市场化基金同台：中国电信的算力网络卡位

本轮投资方构成值得拆解。中国电信作为联合领投方，其角色不仅是财务投资者。上证报中国证券网报道称，中国电信、商汤等产业方持续看好清程极智专注的国产技术路线，尤其在未来新建智算中心要求持续提高国产化率的情况下。这一判断来自投资方视角，而非公司声明。中国电信在算力网络与智算中心建设上有明确的国产化诉求，投资一家国产算力软件层公司，可以与其基础设施布局形成协同。

商汤科技作为跟投方，则代表了另一种逻辑。商汤自身有大模型训练与推理需求，投资清程极智可能意味着其在国产算力软件栈上的战略备份。华胜天成、直真科技等上市公司参与跟投，说明部分系统集成商与IT服务商也在向国产算力软件层延伸。瀚晖资本作为联合领投方，其市场化基金属性与产业资本形成互补。老股东星连资本追加投资，则传递出早期投资方对公司后续融资能力的信心。

上证报中国证券网还提到，市场化基金的参与体现了其对Token生产、调度、使用层巨大市场空间与盈利能力的认同。这一表述同样属于投资方或报道方的判断，而非已经兑现的财务数据。从投资组合逻辑看，中国电信与商汤科技分别代表基础设施运营方与模型应用方，两者同时出现在股东名单中，可能意味着清程极智试图在算力供给与模型需求之间建立双向连接。但股东身份本身并不保证商业合作，后续能否转化为采购订单或联合项目，仍需观察。

投资方名单以投资界、上证报中国证券网等来源为准。证券之星据天眼查APP信息列出的参与机构包括“峰毅远达基金”，而其余来源列出的是“苏州毅鸣”；该差异为单一来源且与其他来源冲突，不应作为本轮投资方的确定事实。此外，证券之星将中国电信列为“中国电信投资”，其余来源多写为“中国电信”，这一差异可能只是对同一产业投资主体的不同简称，来源材料未进一步说明。

系统级竞争时代：软件层从附属品变成主战场

国产AI算力基础设施的竞争逻辑正在发生变化。国盛证券指出，算力赛道竞争逻辑正在重塑，集群工程能力与软件生态正在成为核心壁垒，国产算力将进入系统级竞争时代。开源证券认为，2026年或成为国产超节点放量元年。这两家机构的判断指向同一个趋势：当单卡性能差距难以在短期内抹平时，系统级优化成为国产算力缩小代差的主要路径。

国盛证券还提到，超节点厂商多采用无线缆正交互联架构。这一细节与清程极智的业务并非直接对应，但它说明系统级竞争已经深入到机柜内互联层面。开源证券则指出，众多超节点集中亮相表明国产芯片厂商已形成以“集团军”式系统级方案弥补单卡算力性能短板的战略判断。对清程极智这类软件层公司而言，超节点放量可能带来新的适配需求，因为更高密度的硬件集成会进一步放大通信、散热与调度复杂度。

政策层面也在强化这一方向。中共中央、国务院印发《关于发展新质生产力的意见》，提出全面实施“人工智能+”行动，强化算力、算法、数据等高效供给。工业和信息化部、国家发展改革委印发《电子信息制造业发展“十五五”规划》，提出提升人工智能芯片设计水平，推动开发多元异构智算系统等新产品。这些政策为国产算力软件层提供了需求侧支撑，但政策红利能否转化为商业订单，仍取决于智算中心与行业客户的实际采购节奏。

竞争格局方面，基流科技提供算力网络与算力建维服务，已推出端网融合的GPU-RDMA集群管控通信框架和面向GPU集群的高性能以太网RDMA计算通信系统；博伦智汇作为异构智算平台与梯度Token工厂技术服务商，也在该领域开展业务。与清程极智相比，基流科技更偏网络与集群基础设施，博伦智汇更偏异构平台与Token工厂服务。三者的交集在国产算力软件层，但切入角度不同。清程极智的差异化在于从Token全生命周期切入，把训练、推理、调度与安全使用打包成产品矩阵。

资金用途与待验证假设：代码投入之外的商业化路径

清程极智在上证报中国证券网报道中表示，本轮融资资金将花在让国产算力更高效的每一行代码上，将继续深耕国产算力软硬协同，与客户和产业伙伴共同推动技术成果落地，并走向更多应用场景。该资金用途表述为定性描述，未披露研发、市场、人力等具体分配比例，尚无独立验证。

清程极智披露的项目积累包括：参与国家级项目5项以上，支撑超大型国产芯片系统10个以上，累计取得技术认证30项以上、发明专利30项以上、软件著作权20项以上，并在全国性国产芯片优化比武中获四项冠军。这些指标反映的是技术参与度与成果数量，而非商业收入。公司未披露收入规模、客户数量或合同金额，因此无法判断其技术积累是否已经转化为可持续的商业化能力。

从验证路径看，清程极智面临三个待解问题。第一，AI Ping的平台侧供给丰富度不等于需求侧付费意愿，Token调度平台的商业模式仍需验证。第二，清程八卦炉与WPS、Adobe、Revit的联动，若不能转化为企业级付费部署，就可能停留在生态展示层面。第三，国产芯片软件层的竞争正在加剧，基流科技、博伦智汇以及芯片厂商自研软件栈都在争夺同一批智算中心客户。清程极智的清华系团队背景与技术实证是其优势，但优势能否在商业合同中兑现，仍取决于其销售能力与客户触达效率。

财联社创投通—执中数据以2026年10月为预测基准时间，给出清程极智后续2年的融资预测概率为89.26%。这一数据是模型预测结果，不是对公司未来融资的保证。它反映的是基于工商信息与融资历史的外推，而非对业务基本面的独立判断。

RecodeX 极客视：清程极智的A轮融资真正值得关注的不是金额，而是投资方结构——中国电信的算力网络卡位、商汤的模型需求备份、华胜天成与直真科技的系统集成渠道，共同指向一个判断：国产算力的竞争已经从芯片参数表转向软件栈能否把异构硬件变成可交付的Token产能。但技术实证与商业收入之间仍有距离。八万卡训练、国产CPU跑通DeepSeek-671B、PD分离性价比超越H系列，这些是工程能力的证明，不是客户付费的证明。清程极智接下来要回答的问题是：当智算中心从建设期进入运营期，有多少客户愿意为“让国产算力更高效的每一行代码”单独买单。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。