北京国资，重仓一位90后教授

作者/刘博

报道/投资界PEdaily

如你所见，一场融资风暴正席卷 AI Infra。

这当中，不久前的一笔融资令人印象深刻——潞晨科技完成数亿元B轮融资，由博华资本与某美元投资机构联合领投。此前，北京国资更是罕见重仓——北京市人工智能产业投资基金、北京经济技术开发区产业升级股权投资基金先后出手。

身后掌舵者尤洋，这位90后教授再次进入创投圈视野。

回顾这轮热潮，潞晨科技的故事有些不同。很多公司在讲GPU规模、Token产能和API调用量，而潞晨科技最有辨识度的标签，是一个曾被全球顶级AI团队验证过的底层优化器。

2020年，Google使用潞晨科技创始人尤洋发明的LAMB优化器，将大模型训练时间从三天压缩至76分钟。此后，Google进一步在4000卡TPU集群上采用LAMB开展大规模训练。Anthropic联合创始人、OpenAI GPT-3共同第一作者Benjamin Mann，也曾借助LAMB将Transformer训练首次扩展至128个GPU。字节万卡集群系统MegaScale也曾使用LAMB进行模型训练。

如此种种，其实回答了AI Infra最核心的问题：AI时代不缺人买卡，真正稀缺的是让成千上万张卡稳定协同、高效产出的能力。

环视AI Infra赛道，潞晨科技显得特殊。它不是从单纯卖GPU、卖Token或卖API切入，而是从底层优化器出发，逐步延伸到训练框架、推理优化、模型API和企业级落地，试图打通AI Infra的完整链路。

当行业还在比拼GPU规模和Token产能时，潞晨科技给出的答案是：卡只是资产，能把卡充分利用的技术能力，才是AI Infra真正的壁垒。

90后教授带队

打造AI Infra全栈平台

就读于清华计算机系时，尤洋曾斩获该系数额最高的西贝尔奖学金，还获得清华大学优秀毕业生、北京市优秀毕业生等荣誉。2015年，尤洋完成清华大学硕士学位后决定继续出国深造，来到UC Berkeley（加州大学伯克利分校）攻读博士学位，师从该校电子与计算机学院院长James Demmel院士 (美国三院院士)。

博士毕业后，尤洋拿到多个美国常春藤大学以及新加坡国立大学的校长青年教授教职offer 。经过一番衡量，他在2020年5月加入了新加坡国立大学。至此，尤洋成为新加坡国立大学计算机系首位获得“校长青年教授”殊荣的华人。

常年奔走于科研一线，尤洋目睹到新趋势正在出现：AI 越来越像一个工业体系，而不是单纯的算法竞赛。后来，Google、Meta等团队都在大规模训练里采用了LAMB，对尤洋触动很大，“这恰恰证明一项底层系统技术，如果真的能解决关键瓶颈，也可以影响全球AI产业。”

于是在2021年8月，尤洋决定回国创业，在北京正式成立潞晨科技。彼时大模型创业已经开始变得炙手可热，但潞晨科技选择的却是要做一家AI Infra全栈平台，把算力优化、训练、推理、模型服务和企业级落地全部连接起来。

在尤洋当时的观察中，模型势必会越来越多，但真正稀缺的是让模型高效运行起来的系统能力。他将模型比作一辆车的发动机，AI Infra 便是道路、电网、加油站和维修体系，而发动机再好，如果没有这些基础设施，车辆也很难规模化投入使用。

放眼整个AI Infra赛道，大多数企业更多是聚焦于单点问题，业务类型包括GPU 云、Token 工厂、API 聚合、Agent 工具等等。不能否认的是，这每一个方向都具备各自价值，也都会在AI产业链里长期存在。

但在这背后有一个更重要的共识：客户的真实需求不是单点的，而是全栈的。可以预见一类情景会频繁上演——客户可能会先租用GPU，然后就需要训练或SFT，接下来需要私有化部署，再往后可能需要推理优化和企业级Agent应用。

尤洋直言，如果一家AI Infra公司只能解决其中一个环节，客户最终还是要自己把其他环节拼起来，效率和体验都会受到限制。

他指出，全栈团队的优势在于，可以从整体系统效率出发做优化。例如训练怎么做，会影响推理成本；推理如何影响API服务体验；算力调度与整体毛利之间的关系；怎样设计企业级部署可以提高客户留存。换言之，AI Infra的每一层并不是孤立的，真正的效率提升来自跨层协同。

潞晨科技之所以坚持全栈路线，也离不开其先天的技术背景。尤洋带领的这支团队，从底层优化器和大规模训练系统起步，最早解决的就是大模型训练效率和稳定性问题，后续又将沉淀的能力发展成Colossal-AI训推框架，再进一步延伸到GPU云、推理优化、Model APIs和企业级解决方案。“我们不是只在AI Infra的表层做资源整合，而是在最底层的训练效率问题上有原创能力和长期积累。”

沿着这条演进路线梳理，不难看出潞晨科技一直以来所思考的，都是怎样将 AI 算力真正变成生产力。

当然，潞晨科技所选择的也是一条更难的路。尤洋坦言，最大的挑战是AI Infra 行业变化太快，这意味着团队并不是在一条静态赛道里跑，而是一边跑一边修路。潞晨科技的应对之道是在不改变底层方向的前提下，快速调整商业入口以适应市场需求。不管产品形态、客户入口如何变化，他们提升AI生产效率的方向从未改变。

创业一路走来，尤洋也收获颇多。以前他会认为一个技术指标的提升很重要，现在则会更关注这一提升能不能让客户少花钱、少踩坑、快一点上线自己的 AI 应用。“技术要做到真正有用，就必须走到客户那里。”

解码护城河

尤洋娓娓聊起对于AI Infra赛道的最新观察

他坦言，如今把AI Infra简单理解成“谁有更多GPU”，是市场最大的误解。GPU固然重要，如同是AI时代的“石油”，但并不存在上限。而真正决定一家Infra公司长期价值的因素，不是手里存了多少石油，而是能不能把每一滴油炼成更高价值的产品。

这正是潞晨科技和很多资源型公司的区别。这支团队不是以“卖卡”起家，而是从“优化算力”开始。比如LAMB优化器曾帮助Google在千卡AI集群上，把大模型训练时间从3天缩短到76分钟，DeepSpeed、英伟达NGC、字节MegaScale等体系也使用LAMB相关技术。

尤洋强调，AI Infra的核心能力不是“拥有GPU”，而是如何“驾驭GPU”。“卡是资产，技术才是把资产变成利润的能力。”

放眼整个行业，许多AI Infra公司选择从推理或API切入，因为看起来模式更轻、更容易商业化。对此，尤洋却表示，长期看，不懂训练的公司很难真正做好推理。因为推理优化并不是简单把模型跑起来，而是要把模型放在真实业务里做到跑得快、跑得稳、跑得便宜，只有能深度理解训练逻辑的团队，才有可能把推理做到极致。

实际上，真正影响推理成本和稳定性的很多因素，早在训练阶段就已决定。比如模型结构、并行策略、显存管理、精度选择、优化器设计等等，都会影响模型后续如何部署、如何推理、如何扩展。如果只做推理而不懂训练，就像只懂开车、不懂发动机，很难把油耗、速度和稳定性做到最优。

更关键的是，潞晨科技对国产芯片的适配优化能力，也是其他单点AI Infra公司难以复制的一点。早在2021年，华为诺亚方舟实验室开始广泛使用LAMB优化器进行大模型训练；此后在2023年，潞晨科技再度与华为团队合作，提出了CAME优化器，有效缓解了硬件在显存容量上的相对不足，这一算法也获得了当年ACL的最佳论文奖。

而这些提升非常依赖技术团队对整个系统的深度理解，和多层级的方案判断。看似是训练侧技术栈的尝试，实际这些技术经验对于国产芯片，包括推理在内的深度优化都十分重要。

尤洋坦言，潞晨科技做AI Infra训推全栈，是从实际出发，站在多个角度更全面地观察系统，找到更优的解法。“不论是什么芯片，我们都会从硬件的约束中，主动通过算法找到最大化芯片效率的路径。”

毋庸置疑，在同样的GPU资源之下，全栈能力成为潞晨科技与其它AI Infra企业拉开差距的关键所在。

具体而言，潞晨科技的全栈能力首先可以转化为更低成本。例如潞晨科技针对国产芯片所做的优化方案和客户案例，不只为自身带来商业优势，也是为国产化芯片赋能。由此一来，能让单卡产出更高，也让其成本结构更好。

其次是更高稳定性。一方面，潞晨科技定位全栈平台，可以端到端地优化和负责，不会出现多供应商责任分散、难以定位具体问题的情况。另一方面，技术全栈可以享受到不同层级的技术更新带来的红利，也能更好地利用新的研究发现，保证自身技术领先的稳定性。

此外是更强的客户粘性。客户的需求会一步步延伸至AI Infra的每个环节，如果潞晨科技可以做到覆盖整个链条，收获的便是长生命周期的客户。

“总结来看，全栈不是为了‘业务看起来更多’，而是为了提高资本效率。单点AI Infra赚的是一个环节的钱，全栈AI Infra赚的是客户整个AI生命周期的钱。”

几篇论文打动投资人

北京国资重仓

过去一段时间里，潞晨科技给创投圈留下了深刻印象。

时间回到2021年，彼时尤洋入选福布斯亚洲的一项榜单，创新工场创始人李开复则是评委之一，他在看到尤洋的简历后，就推给创新工场投资经理，双方建立了联系。尤洋回忆，后来到创新工场与李开复老师面聊，很快就达成共识，从见面到打款仅花费了一周的时间。实际上，这“第一桶金”的LP也来自于北京国资基金。与此同时，真格基金也接触到了尤洋，共同领投了种子轮。

“我当时是孤身一人，只有几篇论文和代码，商业表达也远不如今天成熟，但我感受到了他们对于创业者的支持和信任。”尤洋至今记忆犹新，他很庆幸早期投资人看到了AI Infra的长期价值。

很快，潞晨科技在2022年9月完成天使轮融资，由蓝驰创投领投。进入2023年，“百模大战”打响，潞晨科技迅速获得两家知名美元VC的数亿元A轮融资。此后，公司又在同年年末完成了A+轮融资，由某世界500强科技巨头领投，同时大湾区基金和新加坡电信投资公司 (SingTel Innov8)也参与了投资。

时隔一年，潞晨科技在2024年10月完成数亿元A++轮融资，北京市人工智能产业投资基金、石溪资本、Capstone Capital、领沨资本参与投资。紧接着，北京国资在去年2月再度加码——北京经济技术开发区产业升级股权投资基金完成出手。由此一来，北京国资成为潞晨科技身后份量最重的机构股东。

谈及这两笔投资，尤洋认为对企业而言意义非比寻常。因为 AI Infra 不是一个短期风口，需要长期技术投入，更需要产业场景、政策环境和算力生态的支持，而北京恰恰具备成熟的AI 产业资源、科研资源和政企应用场景。“北京国资持续支持的意义不仅在于财务投资，更是带来了产业信用和生态入口。”

直至今年3月，潞晨科技数亿元B轮融资浮出水面，由博华资本与某美元投资机构联合领投。

一路走来，尤洋深刻感受到AI Infra的估值逻辑正在重构。以往投资人会问“你有多少卡”，现在问得最多的是“每张卡能产生多少收入”。这一幕变化标志着，上一轮AI Infra融资看资源，下一轮AI Infra融资看效率；上一轮看谁能拿到卡，下一轮看谁能把卡变成利润。

放眼整个赛道，Token工厂和 AI 基建方向均有创业公司拿到高估值，表明赛道价值已被验证。这也让尤洋坚信，潞晨科技所面临的机遇，是在一个已经被资本认可的赛道里，用更深的技术壁垒、更强的生态入口和更完整的商业模式，去证明自己有更大的估值重估空间。

拿下2.6亿元合同

商业化拷问

进入2026年，商业化成为AI Infra企业的必答题。

正如业内流传着一个观点——AI Infra最终会变成“水电煤”生意：随着GPU越来越多，模型开源更广泛，推理价格愈发便宜，基础设施服务会越来越同质化。如此让人不禁疑惑，AI Infra真正的利润空间在哪里？

尤洋对此只持一半的肯定，他不否认低层次的AI Infra会越来越像水电煤，但高层次的AI Infra并不会。他认为，如果一家公司的业务只是转售GPU、转售Token、或者做简单API聚合，那势必朝着同质化走去。因为GPU供给会增加，开源模型会变强，推理价格会下降，客户也会越来越敏感，最终演变为一场价格战。

而真正的AI Infra利润空间离不开“提高资源效率”。尤洋将GPU比作是电，模型则是机器，因此AI Infra真正赚钱的能力不是卖电，而是帮工厂把整条生产线跑得更快、更稳、更省。

沿着这一逻辑，潞晨科技的商业化优势得以体现。他们提供的是端到端AI基础设施，帮助客户完成训练、微调、推理、部署和私有化交付。只不过从表面来看，这种全栈模式更重，但其实这些技术底层具备相通性，只要能将其中最复杂最难的训练优化做好，其他技术自然也能实现规模效应。

对比来看，GPU云的收入主要来自资源租赁，毛利容易受供需和价格影响；API平台的收入主要来自调用量，也容易被上游模型价格和同行补贴影响。“但潞晨的模式是把底层技术、算力平台、模型服务和企业交付串起来，形成多层收入结构。”

所以从资本效率角度而言，潞晨科技的全栈模式反而更优，并且更多类型的客户意味着更高的抗风险能力，可以降低单一业务周期性的影响。

对此，潞晨科技披露了一组数据：2025年合同营收达2.6亿元人民币，已完成交付并实现回款收入达1.2亿元人民币；其中，云端与软件收入占比达75%，海外收入占比达48%。而进入2026年，其业务结构也进一步优化升级，今年第一季度云端产品化收入（PaaS+MaaS）占比已达87%，海外收入占比提升至79%。

“AI Infra不会没有利润，只有低效的资源生意会被压缩，高效的系统平台则会越来越值钱。”尤洋笃定地说道。

当然，更大的想象空间在于出海。事实上，AI Infra具有天然的全球化属性，因为开发者、模型、算力和应用需求本身就是跨地域流动的。

但尤洋也指出，全球化需要一定的能力积累，并不是简单出海销售，需要具备三种能力：全球开发者信任、全球技术标准兼容、全球成本效率优势。

正如此前潞晨科技推出的Colossal-AI和Open-Sora在全球开发者社区里建立了深厚的影响力，两大开源项目在GitHub上被多家著名机构公开称赞，而开发者口碑和技术生态，又是很多B端用户所看重的因素。此外，潞晨科技的底层技术能力类型丰富，使其拥有一整套系统级别的AI Infra能力，能够高效解决各类可能出现的问题，做到全球技术标准兼容。

目前从收入结构来看，潞晨科技的海外收入占比较高，已经形成全球化收入趋势，在海外市场积累了一定的口碑，并且有一定的基础设施作为后续扩张的基础。“中国AI Infra公司出海，必须要做‘更高效率的全球AI基础设施’，有核心竞争力，才能在市场上争得一席之地。”

遥望未来，尤洋心中早已设定好目标。他希望潞晨科技成为AI时代的新型基础设施公司，率先把链条打通，成为真正的“AI Infra训推全栈第一股”。“我们不是一家‘有GPU的公司’，而是一家‘让GPU真正变成AI生产力的公司’。”

或许这就是AI时代真正的底色。