清华团队押注国产算力自进化 Infra，AI 优化 AI

清昴智能，一家由清华系团队创立的 AI 基础设施（AI Infra）创业公司，正在用「AI 优化 AI」的方式，探索让算力底座具备自我迭代能力的路径。

行业背景：模型迈向 L4 自主，国产算力仍靠人工手搓

近年来，大模型从对话、生成，发展到调用工具、长时间推理，再到能持续运行数小时的 Agent，智能化进程类比自动驾驶，正向 L4 级别的高度自主执行迈进。由此带来的直接变化是，单次任务需要处理更多 Token、更长的推理链路和更复杂的工具调用。

与此同时，中国 AI 产业在外部先进芯片供给受限的背景下，越来越依赖国产芯片。但一款模型要在国产芯片上跑起来，需要经过算子适配、编译优化、内存调度、框架适配、推理优化等一系列环节。国产算力软件生态相对碎片化，长期依赖少数资深工程师手工调优，开发一款复杂算子往往耗时数周。

于是出现了新的矛盾：上层模型已向 L4 迈进，底层算力却仍需 L1 式人工接管。

技术路线：从学术到产业的「AI 优化 AI」

清昴智能由清华特奖获得者关超宇创立，团队核心源自清华计算机系朱文武教授实验室。该实验室自 2015 年前后起深耕 AutoML 与元学习，2022 年正式提出「自我驱动机器学习」概念，将机器的自主权扩展到任务、数据、模型、优化策略乃至评价标准。

清昴将这一路线从学术前沿推向产业实践，聚焦 AI Infra 领域。其核心能力被拆解为两条：

• 自主优化：系统根据真实运行状态自动定位瓶颈、尝试不同方案，通过实际反馈寻找更优解，解决「这一次怎么优化」的问题。
• 自主演化：系统将每次优化过程中的经验沉淀下来，在面对新模型、芯片和运行环境时复用经验、减少重复试错，解决「下一次怎么更快优化」的问题。

由此形成「优化→积累经验→再优化」的闭环，使得系统越优化越会优化。

落地数据：效率提升数十倍

据清昴披露，在国产算力真实生产环境中：

• 复杂算子开发与调优周期由资深专家耗时两周压缩至约 1 小时，效率提升约 336 倍。
• 国产芯片全链路模型打通从一个月左右压缩到 1 天至 1 周，综合提速约 30 倍。
• 部分代表性算子性能相较基线版本最高实现 30 倍加速。

截至目前，清昴已完成数十款国产芯片的适配与性能优化，覆盖国内超半数主流国产算力芯片，是国内适配国产芯片和性能优化最多的 AI Infra 厂商之一。

商业模式：Token 工厂与自进化产线

在 Agent 时代，算力面对的核心问题已从「某一模型能否跑通」转向「能否稳定、持续、低成本地生产海量 Token」。清昴在文章中指出，部分复杂 Agent 单次任务 Token 开销较传统对话模型提升数百倍，不少业务场景的日均调用量已向万亿级别靠拢。

基于此，清昴的交付路径分为两条：

• 直接提供高性价比的 Token 产出（卖 Token）；
• 对外输出整套自进化的 Token 生产平台（卖产线）。

两种模式之下，客户购买的都不再是一次性的芯片适配外包，而是一套能够持续优化的 Token 生产能力。新模型接入系统自动学习，新芯片接入系统自动调优，「适配」由此形成复利。

行业坐标：押注自进化 Infra

报道将清昴置于更宏观的 AI 趋势中：硅谷正在押注 Recursive Self-Improvement（递归自我改进），OpenAI 据称已将 GPT-5.6 的 RSI 相关能力用于端到端服务优化，Anthropic 披露其代码库中超过 80% 的代码由 Claude 自主生成，Jeff Dean 离职创办的 Discovery Loop 估值也已冲击 100 亿美元。

在国内 AI Infra 版图中，清昴选择把全部筹码押在国产算力上，其目标被概括为「让优化本身变成一项能够持续运行的基础设施能力」，将国产算力从 L1 人工调优向 L4 自动进化跨越。