IT之家 AI

Die Firma Wumin Xinqiong hat eine Finanzierung in der C-Runde von 2,3 Milliarden Yuan erhalten, wobei sowohl die Einzelfinanzierung als auch…

IT Home, 12. Oktober – Laut Nachrichten von the Securities Times hat das Unternehmen AI Infra, ein Unternehmen im Bereich künstlicher Intelligenz-Infrastruktur, eine Finanzierung in Höhe von 2,3 Milliarden Yuan in der…

IT之家 Am 12. Oktober berichtete die Zeitung Shenbao, dass das Unternehmen für künstliche Intelligenz-Infrastruktur (AI Infra) Wunwenxinqiong eine Finanzierungsrunde in Höhe von 2,3 Milliarden Yuan abgeschlossen hat. Die gesamte Finanzierung seit Gründung beträgt 4,3 Milliarden Yuan. Sowohl die einzelne Runde als auch die Gesamtfinanzierung haben den höchsten Rekord im chinesischen Markt für künstliche Intelligenz-Infrastruktur erreicht.

Laut öffentlichen Informationen wurde Wenhixin Dongyu im Jahr 2023 gegründet und ist ein Unternehmen zur Verwertung von Forschungsergebnissen der Tsinghua-Universität und der Shanghai Jiao Tong-Universität.

IT Home hat bemerkt, dass laut Informationen von Personen, die über Informationen verfügen, die Bloomberg im aktuellen Monat zitiert hat, Wuyinqiong in den letzten Monaten in geheimen Formen eine IPO-Anmeldung bei der Hong Kong Stock Exchange eingereicht hat. Das Ziel ist es, innerhalb des ersten Halbjahres 2027 an der Börse zu erscheinen und mehrere hundert Millionen US-Dollar zu erhalten.

Weitere Lesestoff

Shanghai Wuwenxinqiong Intelligent Technology Co., Ltd. ist die volle Name des Unternehmens. Es wurde im Mai 2023 gegründet und von der NICS-EFC-Laborkommission der Abteilung für Elektronikbau an der Tsinghua-Universität ausgehen. Zudem ist es ein Unternehmen zur Umsetzung wissenschaftlicher Erkenntnisse der Tsinghua-Universität und der Shanghai Jiao Tong-Universität.

Im Bereich der Teammitglieder ist die Co-Founder und CEO Xia Lixue Doktor der Tsinghua-Universität. Sie studierte bei Professor Wang Yu, Leiter des Lehrstuhls für Elektronikengineering an der Tsinghua-Universität. Sie wurde in die Liste der weltweit einflussreichsten KI-Forscher unter AI2000 (Top100 im Bereich Chips) aufgenommen. Der Gründer Wang Yu hat langjährige Forschungen zu intelligenten Chips und effizienten Schaltkreisen durchgeführt. Im Jahr 2016 investierte er in Shenjian Technology, die 2018 von SAILINGS übernommen wurde und anschließend in das AMD-System eingegliedert wurde. Der weitere Gründer, Dai Guohao, ist Chief Scientist und Professor mit ordentlicher Stellung an der Shanghai Jiao Tong University.

Im Gegensatz zu Unternehmen wie BeiRen Technology und Su Yuan Technology, die sich auf Chipsystementwicklung spezialisiert haben, sowie zu Unternehmen wie Zhi Pu und MiniMax, die große Modellierungssysteme entwickeln, folgt Wu Wenxin Qiong dem Weg der „mittleren Schicht“: Es entwickelt weder Hardware für GPU/AI-Acceleratoren noch entwickelt es direkt grundlegende Modelle, sondern konzentriert sich auf technische Herausforderungen wie die Verteilung heterogener Rechenleistung, die Synergieoptimierung von Software und Hardware sowie den Nutzungsgrad großer Clusterer. Zudem schlägt es das M×N-Technologiemodell vor, das „M Arten von Modellen“ mit „N Arten von Chips“ verbindet. Im Detail: Das „Ein-Zentrum“-Rechenleistung-Distributionszentrum hat eine Rechenleistung von 37000 P bereitgestellt, die 16 Hauptchips abdeckt; seine Plattform für heterogene Chips im Umfang von tausend CPUs ist erweiterbar bis zu zehntausend CPUs. Es wurde bereits eine Mischtrainierung mit vier chinesischen Chips – Huawei Ascend, Tiande Smartchip, MuXi und Moore Threads – sowie zwei importierten Chips – AMD und NVIDIA – für große Modell-Trainings durchgeführt, wobei die Nutzung der Rechenleistung bis zu 97,6 % beträgt.

In einem Cross-Domain-Szenario hat Wunwenxinqiong zusammen mit China Telecom das erste in China erfolgte technische Verifizierung eines großflächigen Cross-Domain-Mix-Trainings über 4000 Kilometer durchgeführt. Dabei wurde eine Cross-Domain-Trainingaufgabe zwischen Hami in Xinjiang und Shenzhen in Guangdong durchgeführt, wodurch ein effizientes und stabiles Training eines Modells mit 30 Milliarden Parametern realisiert werden konnte.

„Hinterhaus“-Token-Fabrik entspricht der Agentic MaaS-Modelldatenplattform. Die von der Firma eingeführte interklastische PD-Separationarchitektur (PDD) senkt die erste Token-Latenzzeit (TTFT) um 51,5 % und reduziert den Kosten pro Token um 37,5 %. Im letzten Jahr führte ihre Token-Fabrik zu einer 10-fach Senkung der Rechenkosten.

Im Bereich Kunden und Ökologie hat Wunwenxinqiong Zusammenarbeit mit führenden Großmodellunternehmen wie Zhipu und Yuezhi Andi erreicht. Die Branchenlösungen umfassen Bereiche wie Unterhaltung und Spiele, Gesundheitswesen, Rechtsdienstleistungen und Energie- und Strombranche. Zu den Kunden gehören auch China Mobile, China Unicom, Southern University of Science and Technology und Migu Culture Technology – politische und Unternehmenseinrichtungen sowie Forschungseinrichtungen.

In der vorherigen Finanzierungskampagne erhielt Wuwenxinqiong im September 2024 eine A-Finanzierung von fast 500 Millionen Yuan, und innerhalb von mehr als einem Jahr wurden insgesamt fast 1 Milliarde Yuan finanziert; im November 2025 wurde eine A+-Finanzierung von fast 500 Millionen Yuan abgeschlossen; im Mai 2026 wurde außerdem die Finanzierung von über 700 Millionen Yuan bekanntgegeben, wobei die Partner waren die Hangzhou High-tech Capital Investment Group und Huiyuan Capital.

Die Investorenstruktur umfasst ausländische und chinesische Institutionen sowie Industrie- und Finanzinvestmentfirmen. Zu den chinesischen Investitionen gehören Hangzhou High-tech Capital, Social Security Zhongguancun Fund, Zhuhai Technology Industry Group, Xiamen Guoxing Investment und Xufei Capital; zu den Industrie-Investoren zählen Tencent, Baidu, Lenovo und Xiaomi; zu den Finanzinvestmentfirmen gehören Sequoia China, Qiming Venture Capital, Hongtai Fund, Dachen Finance Intelligence und Shunwei Capital.

Originalquelle

IT之家 AI

Hinweise zum Inhalt

Originalveröffentlichung und Rechte liegen bei der Quelle.

Maschinelle Übersetzung · Original beachten