Infinity获1500万美元融资 推动全芯片通用推理软件挑战Nvidia垄断

融资概况

7月20日，AI推理初创企业Infinity宣布完成1500万美元的新一轮融资，估值约1亿美元。领投方为Touring Capital，随后跟进的还有Principal VC以及来自OpenAI、Anthropic的多位资深研究员。此轮资金将主要用于加速通用推理软件栈的研发、扩充团队以及推动与芯片厂商的合作落地。

技术核心

Infinity的核心产品是一套能够在任意AI芯片上运行的推理库，目标是提供与Nvidia CUDA相当的性能与易用性。其关键技术包括：

• Ignition AI 代理：自动生成、调试并优化低层Kernel代码，支持GPU、SRAM、手机AI芯片以及专用的Systolic Array。
• 自我优化循环：系统会实时测量吞吐量（tokens per second），并在发现性能瓶颈时自动重写代码，实现持续收益。
• 跨架构适配层：无需开发者自行编写针对不同芯片的适配代码，直接使用主流框架（PyTorch、TensorFlow）即可调用。

Infinity创始人Jeremy Nixon曾是Google Brain的研究员，曾开发过能够自我进化的机器学习算法Omega。凭借对“自动发明”理念的执着，他将其延伸至硬件层面，期望AI系统能够自行生成运行所需的底层指令集。

市场意义

Nvidia凭借CUDA生态多年保持着AI加速卡市场的绝对优势。大多数AI创业公司只能依赖CUDA来实现模型推理，否则就需要投入巨大的研发成本自行编写Kernel。Infinity的通用库如果能够兑现“CUDA级别”性能，将显著降低AI初创企业进入其他芯片生态（如AMD、华为昇腾、寒武纪等）的门槛。

目前Infinity已与新晋AI芯片厂商D‑Matrix签订合作，正在与多家云服务提供商洽谈。公司采用基于性能提升与成本节约的分成模式，而非传统的前期授权费，进一步降低了客户的使用成本。

前景与挑战

• 技术成熟度：跨架构的高效Kernel生成仍面临不同指令集差异、功耗限制等技术壁垒。
• 生态竞争：Nvidia正加速自家CUDA的开源化，并投入大量资源在GPU软硬件协同优化上，Infinity需要在性能和兼容性上保持领先。
• 行业采纳：虽然分成模式灵活，但大企业在安全合规和供应链可控性方面仍倾向于自研或采用成熟厂商方案。

总体而言，Infinity的融资为其在AI推理软件层面的布局提供了强有力的资本支持，也标志着AI基础设施领域正迎来新一轮的竞争格局重塑。若其技术能够实现声明的通用性与高性能，将为AI模型的部署成本带来显著下降，进而推动更多创新应用在多样化芯片上落地。