Par Cray Xi, depuis Aofeisi
QbitAI | Compte officiel QbitAI
Avec 2,3 milliards de yuans, le fournisseur d'infrastructure AI-native Infinigence AI a bouclé sa levée de fonds de série C. En additionnant les tours précédents, Infinigence AI a accumulé 4,3 milliards de yuans, établissant un nouveau record national dans la filière chinoise de l'infrastructure AI-native, tant pour un tour unique qu'au cumul.
Depuis sa création, la liste des investisseurs d'Infinigence AI réunit de nombreuses institutions renommées, couvrant plusieurs catégories : institutions de capital public, investisseurs industriels, institutions d'investissement financier, etc. Parmi elles, les institutions de capital public incluent Hangzhou Gaoxin Jintou, le fonds social Zhongguancun (géré par Legend Capital), Zhuhai Science and Technology Industry Group, Xiamen Guoxing Investment, Xuhui Capital, Futeng Capital, China Insurance Investment, CDB Innovation Science and Technology, etc. ; les investisseurs industriels incluent Dabanc Holding, Lenovo, Ubiquant Ventures, Tongge Ventures, Tencent, Baidu, etc. ; les institutions d'investissement financier incluent Sequoia China, Hongtai Fund, Huiyuan Capital, Qiming Venture Partners, Fortune Capital, Shunwei Capital, Lishi Capital et d'autres institutions renommées. Infinigence AI est devenue l'une des licornes vedettes les plus courtisées de la filière AI Infra.
Cette entreprise n'entraîne pas de modèles et ne développe pas d'applications : elle opère la couche située entre les modèles et les puces. Concrètement, elle relie les modèles aux puces afin de réaliser une optimisation extrême de l'efficacité et des coûts entre divers algorithmes de modèles et divers matériels de puces.
L'objectif est d'agréger et de coordonner efficacement des ressources de calcul hétérogènes, fragmentées et inter-domaines, afin d'« extraire » de chaque kilowattheure et de chaque seconde de fonctionnement des puces des Tokens à faible coût, de haute qualité et utilisables en production, puis de faire entrer ces Tokens dans des scénarios métier réels.
À l'étranger, le marché a déjà fixé le prix de ce commerce. Les trois entreprises qui exercent la même activité ont toutes vu leur valorisation décoller comme une fusée au cours de l'année écoulée.
Fireworks AI est passée de 4 milliards à 17,5 milliards de dollars, soit une hausse de 337 % ; Baseten a augmenté de 160 % ; Together AI de 151 %.
Derrière ces trois entreprises se tient un même investisseur que nous ne pouvons que trop bien connaître.
NVIDIA.
NVIDIA, qui s'est enrichie à foison en vendant des pelles tout en haut de la chaîne industrielle des GPU, mise personnellement sur l'aval de l'AI Infra, de peur de manquer le billet de l'ère d'explosion massive de la demande en AI Infra.
Si même le vendeur de pelles s'impatiente, c'est que l'espace potentiel de ce marché est devenu si grand que l'amont ne peut plus rester les bras croisés.
Ce que mise NVIDIA, les investisseurs d'Infinigence AI veulent manifestement le parier aussi. Ce tour de 2,3 milliards injectés vise précisément ce marché.
Le déficit de puissance de calcul est un puits sans fond
Pour comprendre le contexte de ce financement, il faut d'abord examiner un fait.
Vous pensez que si les puces deviennent plus puissantes et la capacité de production augmente, le déficit de calcul de l'IA se comblera ; mais en réalité, la puissance de calcul n'a jamais été suffisante, car quelle que soit l'expansion de la production de puces, elle ne rattrape jamais la croissance de la demande.
C'est pourquoi Dylan Patel, fondateur du cabinet indépendant de recherche et d'analyse SemiAnalysis, juge que la pénurie de puissance de calcul va persister.
Et l'explosion des agents a amplifié ce déficit d'un ordre de grandeur.
Une seule tâche exécutée par un agent mobilise en arrière-plan des dizaines de requêtes d'inférence en cascade ; la consommation de Tokens n'a plus rien à voir avec les dialogues en tour unique d'autrefois.
Le capital, très fin dans son flair, a vite afflué avec ses fonds.
Les trois entreprises étrangères d'infrastructure IA évoquées au début illustrent déjà bien la tendance : toute la filière AI Infra est en train d'être revalorisée.
En parlant de son investissement dans Fireworks AI, Harry Stebbings, fondateur de 20VC, a déclaré : « C'était bouclé en 15 minutes, l'une des décisions les plus faciles de mes dix ans de carrière d'investisseur. »
15 minutes : un homme qui gère un fonds depuis dix ans n'a pas mis plus de temps qu'un repas pour investir dans une entreprise d'AI Infra.
Sous la catalyse accélérée des agents, le déficit de puissance de calcul ne se comblera pas, il ne fera que se creuser davantage, et ce commerce n'a donc aucun plafond en vue.
Sur la même filière, l'étranger a déjà produit des entreprises valorisées à dizaines de milliards de dollars, tandis qu'en Chine vient tout juste de naître le nouveau record de financement de cette filière.
De plus, Infinigence AI n'a pas choisi de construire ses propres data centers : elle a emprunté une voie différente.
Sans data centers, on peut aussi faire de l'AI Infra
Pour faire de l'AI Infra, il n'existe en somme que deux voies.
L'approche traditionnelle consiste à construire ses propres data centers, échangeant des actifs lourds contre de la taille, mais cela signifie très probablement s'endetter pour croître.
L'autre approche va à l'extrême opposé : on ne touche pas du tout aux salles de serveurs, on recueille la puissance de calcul dispersée un peu partout et l'on s'appuie sur l'orchestration logicielle pour la tisser en un réseau.
无问芯穹 a choisi la seconde option. Elle ne possède elle-même aucun centre de données physique, ses ressources de calcul sont dispersées dans des centres de calcul répartis un peu partout, et les fabricants de puces sont véritablement « de tous les pays ».
Le système technologique de 无问芯穹 repose sur trois mots-clés : multi-hétérogène, coopération matérielle-logicielle et IA autonome.
Commençons par le multi-hétérogène : la plateforme de 无问芯穹 a déjà adapté 16 types de puces, notamment NVIDIA, AMD, Huawei Ascend, Biren, Hygon, Moore Threads, MetaX, Enflame et T-Head, et sert 37000P de puissance de calcul.
Même si une nouvelle puce arrive, l'équipe n'a besoin que de 2 jours ouvrés pour achever son adaptation, ce qui a réduit de plus de 70 % les coûts d'adaptation des puces nationales.
Aujourd'hui, la chaîne d'approvisionnement en puces devient de plus en plus complexe, et la capacité de basculer librement d'une puce à l'autre, sans que les clients soient liés à une puce unique, est particulièrement remarquable. Au-delà de la non-exclusivité, 无问芯穹 maintient sa neutralité : en tant que plateforme indépendante reliant les modèles, les puces et les besoins des clients, elle organise les capacités des modèles dispersées et la puissance de calcul hétérogène, optimisant continuellement l'efficacité de conversion des ressources sous-jacentes en productivité IA.
Wuwen Xinqiong a été la première à réaliser un entraînement mixte hétérogène à l'échelle de mille cartes, avec un taux d'utilisation de la puissance de calcul atteignant 97,6 %. Plus précisément, Wuwen Xinqiong a utilisé quatre types de puces nationales — Huawei Ascend, Tianshu Zhixin, Muxi et Moore Threads — ainsi que deux types de puces importées, AMD et NVIDIA, pour réaliser l'entraînement mixte sur puces hétérogènes d'un grand modèle de 70 milliards de paramètres (700). C'est une première dans le secteur.
L'entraînement inter-domaines est également un indicateur exigeant.
Wuwen Xinqiong, en collaboration avec China Telecom, a réalisé le premier cas national d'entraînement mixte inter-domaines d'un grand modèle sur plus de 4000 kilomètres, en reliant la puissance de calcul de Hami au Xinjiang et de Shenzhen au Guangdong, pour un entraînement conjoint sur un modèle de 30 milliards de paramètres (300), avec une amélioration des performances de 165 %.
En outre, l'équipe a également mis en place un entraînement conjoint multi-centres de données sur 4 clusters de GPU de générations et de modèles différents, ainsi qu'un entraînement mixte en cloud hybride entre clusters privés locaux et puissance de calcul du cloud public, avec des gains de performance respectifs de 41 % et 68 %.
Bien entendu, l'adaptation n'est qu'une étape ; une fois en fonctionnement réel, la vitesse constitue également un indicateur important.
Car un Agent n'a clairement pas le temps d'attendre que le modèle produise les mots un par un.
C'est précisément le problème que la coopération matérielle-logicielle doit résoudre.
无问芯穹 a réalisé toute une série d'optimisations sur la pile logicielle, de l'orchestration et la recherche parallèles automatisées, en passant par l'optimisation des opérateurs et des graphes de calcul, jusqu'au chevauchement calcul-communication et à l'orchestration et la planification dynamiques, convertissant efficacement les ressources de calcul en performances de modèles de haute qualité et en capacité de service de Tokens.
Le résultat final est que, sur l'infrastructure optimisée par 无问芯穹, le débit d'entraînement des modèles MoE de mille milliards de paramètres est supérieur de 41 % à 75 % à celui des principaux frameworks open source.
Du côté de l'inférence, grâce à une série d'innovations technologiques, 无问芯穹 a réduit en un an les coûts d'inférence au dixième de leur valeur initiale.
Lors du WAIC 2026, la société a également dévoilé une architecture pionnière dans le secteur de séparation PD inter-clusters hétérogènes, PDD (Prefill-RelayDecode-MainDecode), réduisant la latence du premier Token de 51,5 % et le coût par Token de 37,5 %.
Avec le déploiement à grande échelle du PDD, les coûts d'inférence disposeront encore à l'avenir d'une marge de baisse d'un facteur dix.
Mais à l'ère des Agent subsiste un autre problème : les modèles n'ont pas tous les mêmes points forts, de sorte que le choix du modèle à solliciter et de la quantité de calcul à utiliser pour une tâche donnée devient une préoccupation.
无问芯穹 a confié ce problème de jugement au système, ce qu'ils appellent l'« IA autonome ».
Concrètement, l'introduction d'un mécanisme de collaboration adaptative entre grands et petits modèles permet au système de confier les tâches complexes aux grands modèles pour la planification et le raisonnement, tandis que les réponses légères en temps réel sont déléguées aux petits modèles ; le système bascule dynamiquement selon la complexité de la tâche, les exigences de latence et le coût des Tokens.
Sur la base de ce mécanisme, 无问芯穹 a également déployé un essaim d'agents intelligents, qui comprend actuellement trois sous-ensembles : un système d'agents de gestion de plateforme orienté utilisateurs, un système d'agents d'exploitation et de maintenance orienté clusters, et un système d'agents de génération d'opérateurs orienté puces. Grâce aux capacités d'Agent qui entraînent l'ensemble de l'AI Infra dans une boucle fermée d'itération autonome et d'auto-optimisation, l'infrastructure devient de plus en plus puissante à mesure de son utilisation.
En réunissant toutes ces capacités, ce que fait 无问芯穹 devient facile à comprendre.
Ils s'appuient sur l'infrastructure, agrégeant en aval l'énergie et les puces, et soutenant en amont les modèles et les applications ; non seulement ils optimisent de manière extrême l'échelle et l'efficacité de la conversion des ressources sous-jacentes en productivité IA, mais ils possèdent aussi la capacité la plus caractéristique de l'ère de l'Agentic AI — une capacité IA native : utiliser l'essaim d'agents intelligents de l'infrastructure pour faciliter l'extension de l'échelle des ressources, accroître l'efficacité de la production de Tokens et soutenir l'évolution continue de l'Agentic AI, faisant preuve d'une réelle anticipation des besoins métier.
Puissance de calcul, modèles, secteurs : trois niveaux d'activité menés de front
Une fois le bilan technique établi, passons à la commercialisation.
无问芯穹 a proposé un positionnement stratégique de « boutique à l'avant, usine à l'arrière, avec un centre », concrètement en décomposant son activité en trois niveaux.
Le niveau le plus bas est le centre de collecte et de distribution de puissance de calcul (Agentic Infra, plateforme d'infrastructure autonome) : sa mission consiste à agréger de manière unifiée, à planifier avec élasticité et à distribuer à la demande les ressources de calcul dispersées et hétérogènes, afin de fournir aux couches modèles et applications une base de calcul abondante, stable et évolutive ; les clients n'ont pas à se soucier des différences matérielles sous-jacentes, ils se connectent et utilisent directement.
Le niveau intermédiaire est l'usine à Tokens (Agentic MaaS, plateforme de services de grands modèles), qui sert la production massive et de haute qualité de Tokens avec une efficacité extrême. À ce jour, la plateforme a établi une collaboration étroite avec des acteurs de premier plan des grands modèles tels que Zhipu et Moonshot AI, et a mis en ligne plus d'une centaine de grands modèles ; les clients n'ont pas à les déployer eux-mêmes, ils choisissent le modèle et l'utilisent immédiatement.
Le niveau le plus élevé est la boutique de productivité IA (solutions sectorielles), qui offre aux entreprises des solutions sectorielles Agentic Infra. Pour un même scénario sectoriel, différentes tailles de modèles et différentes configurations matérielles peuvent correspondre à des coûts de Tokens totalement différents ; 无问芯穹 utilise la technologie d'adaptation autonome aux scénarios d'agents comme voie technologique centrale pour améliorer l'efficacité de conversion en productivité IA, et a déjà lancé des solutions sectorielles Agentic Infra couvrant les domaines du divertissement et du jeu vidéo, de la santé, des services juridiques, de l'énergie et de l'électricité, convertissant davantage les Tokens en productivité sectorielle exécutable et livrable.
Depuis l'explosion des applications Agent, l'utilisation quotidienne moyenne de Tokens sur la plateforme de services de grands modèles de 无问芯穹 a augmenté de plus de 40 fois en six mois, et plus de 95 % des tâches d'inférence proviennent d'Agents.
Parmi les trois niveaux d'activité de 无问芯穹, le centre de collecte et de distribution de puissance de calcul fournit aux couches modèles et applications une base de calcul abondante, stable et évolutive ; l'usine à Tokens améliore considérablement, grâce à une série d'innovations technologiques originales, l'efficacité d'inférence des grands modèles et réduit les coûts d'inférence ; quant à la boutique de productivité IA, elle convertit efficacement les Tokens en productivité IA de haute qualité reconnue par l'industrie.
Dès 2025, 无问芯穹 avait été la première dans le secteur à proposer le changement de paradigme de l'Agentic Infra. Aujourd'hui, la valeur industrielle de l'Agentic Infra, qui permet le fonctionnement à grande échelle et l'évolution continue des agents intelligents, ne cesse d'être validée. Quand le vent se lèvera vraiment, elle sera déjà au cœur du tourbillon.
Avec 2,3 milliards de yuans investis, sur quoi parie-t-on ?
La technologie fonctionne, la demande est validée, il ne reste plus que la question de l'échelle.
Avec ce tour de série C de 2,3 milliards de yuans, et en comptant les tours précédents, le financement cumulé d'Infinigence atteint désormais 4,3 milliards, un record historique pour la filière chinoise des infrastructures d'IA, tant pour un tour unique qu'en montant cumulé.
Ces fonds sont précisément l'énergie clé qui permettra à Infinigence de passer à une expansion à grande échelle.
Par ailleurs, selon Bloomberg citant des personnes proches du dossier, Infinigence aurait déposé ces derniers mois une demande d'introduction en bourse auprès de la Bourse de Hong Kong, de manière confidentielle.
Après avoir levé un total de 4,3 milliards de yuans, ce fournisseur d'infrastructures natives pour l'IA a sonné l'heure de l'IPO.
Si les investisseurs acceptent de payer ce prix à ce moment précis, c'est qu'ils regardent trois choses : l'équipe, la position et le timing.
Commençons par l'équipe. Infinigence est une entreprise typique issue de l'université Tsinghua : son initiateur Wang Yu est professeur titulaire au département d'électronique de Tsinghua, alors chef de département et IEEE Fellow ; le CEO Xia Lixue, le scientifique en chef Dai Guohao et le CTO Li Boxun sont tous diplômés du département d'électronique de Tsinghua.
De Zhipu à Moonshot AI, les diplômés de Tsinghua ont déjà fait émerger un lot d'entreprises leaders dans le domaine de l'IA, et l'ADN d'Infinigence s'inscrit dans cette lignée.
Cette équipe travaille depuis son doctorat sur l'accélération matérielle de l'apprentissage profond et l'optimisation des systèmes hétérogènes ; alliée à une riche expérience industrielle, elle combine des capacités de R&D et d'ingénierie de premier plan, tant en logiciel qu'en matériel.
Voyons maintenant la position.
Infinigence occupe un poste de pivot dans la chaîne industrielle : en aval, elle se connecte à l'énergie et aux puces ; en amont, elle porte les modèles et les applications ; face à elle se trouvent les charges de travail réelles de milliers de secteurs. Chaque client supplémentaire accroît d'un cran la complexité de l'ordonnancement et de l'adaptation aux scénarios.
Enfin, le timing : au cours des deux dernières années, on comparait la force des modèles, mais l'écart entre les modèles se resserre.
Quand tout le monde parvient à entraîner des modèles à peu près équivalents, la compétition se déplace d'un niveau en dessous : ceux qui peuvent faire tourner des modèles similaires de manière rapide, économique et stable sont les vrais gagnants.
De plus, les acteurs arrivés en premier ont accumulé données et expérience ; il est très difficile pour les retardataires de rattraper simplement en dépensant de l'argent.
Sur ce point, Infinigence a continuellement affiné et accumulé une vaste expérience d'optimisation dans des scénarios métiers réels, et a déjà lancé des solutions sectorielles Agentic Infra couvrant les domaines du divertissement et du jeu vidéo, de la santé, du juridique, de l'énergie et de l'électricité, entre autres. Cette masse d'expérience métier alimente en retour l'itération rapide des technologies, entraînant une progression simultanée des performances et de la fiabilité de la plateforme, formant ainsi un cercle vertueux de commercialisation.
Sur la piste de l'AI Infra, Infinigence, fondée il y a trois ans, mène des explorations autour des ressources de calcul, de la production de tokens et des applications d'agents intelligents sectoriels. Partant des besoins réels de l'industrie, elle a résolu par des innovations technologiques autonomes des problèmes tels que l'utilisation de la puissance de calcul, les coûts de service et la conversion en applications, jusqu'à aujourd'hui, où elle a établi un record de la filière tant en montant d'un tour unique qu'en financement cumulé.
La bataille de l'échelle des infrastructures d'IA ne fait que commencer, et Infinigence est déjà en tête.