上海交大00后团队获数千万融资，让AI自进化写芯片算子

近日，由上海交大00后团队创办的芯生代完成数千万元种子轮融资，启高资本、交大菡源母基金、元生创投联合投资。此前公司还完成了由交大AI未来基金参与的Pre-Seed轮融资。

算子即跑在芯片上的底层代码，直接影响模型能否高效利用芯片算力。DeepSeek工程师刘胜与曾预测，半年至一年内AI写的算子质量大概率会追上乃至超越他自己，但这主要发生在英伟达CUDA上，国产芯片上AI写算子准确率不尽如人意。

上海交大硕博连读生李卓团队今年3月完成论文EvoKernel，后被ICML 2026录用。该工作面向昇腾算子生成，提出价值驱动记忆框架，让模型优先调用最有价值的经验，无需重新训练模型或标注新数据，用记忆方式解决国产平台算子生成正确率低的问题。优化前AI在昇腾上写算子仅4%正确率，团队让模型把试错经验沉淀成记忆后，正确率升至83%。

公司尚未正式成立时，团队就凭EvoKernel相关工作与多家芯片厂商达成合作。随着研究深入，他们看到更大空白：算力消耗主战场正从训练转向推理，推理侧存在大量性能释放空间，而通用推理引擎很难为每块芯片、每个模型调到最好。海外已有类似探索，如前英伟达杰出工程师创办的INT21，用智能体直接生成整套推理引擎。

今年七月团队正式创业，目标是让AI自己迭代推理引擎：针对“某个模型、在某块卡上、按某种要求运行”的特定组合，让Agent自己优化推理引擎，提高硬件利用率和Token生产效率。作为独立于芯片厂商的第三方公司，芯生代将模型能力适配到各种硬件，以用户需求为输入，输出能自我进化的推理引擎。李卓形容这就像《流浪地球》里的550W，电脑自己更新自己的部件，自己写自己的操作系统。

芯生代是上海交大人工智能学院第一个由学生牵头的创业团队。CEO李卓为该学院在读硕博生，本科毕业于北大计算机系，曾在华为负责大模型推理仿真系统搭建；CTO郑雨杰为李卓课题组同学，同为该学院在读硕博生。团队还有两位导师加入：上海交大人工智能学院长聘教轨副教授、博导温颖，以及助理研究员温睦宁。

上个月，智谱创始人唐杰官宣智谱RSI首个工程化结果：由GLM-5.3驱动的Infra Agent在10万+张国产AI加速卡集群上参与搭建并持续优化GLM-5.3-Flash生产级推理系统，不到两周端到端吞吐提升到基线约3倍。这给了李卓和郑雨杰很大信心。

常见推理引擎多以英伟达为最初设计场景，各家国产卡算子库、图编译器、推理框架又都不一样，换平台就要重学，人工维护难度大、成本高。芯生代想用定制推理管线充分发挥芯片能力，降低每个Token生产成本。其做法可概括为：给定一个模型、一块芯片和对应运行场景，由Agent为该组合生成专用推理管线，并在真实硬件上验证既算得对又跑得更快。

难点在于这些平台上Agent几乎没有可学的东西。团队用记忆配合强化学习补充缺失语料：EvoKernel基于强化学习价值迭代思想驱动记忆进化，解决国产硬件算子问题；在此之上可用同一方式优化整条推理管线——先在真实硬件上探索，再记下验证过的结果，下一次基于探索结果得到更好优化。此外引入AI for AI范式让推理引擎自我迭代。李卓认为推理引擎是反馈信号最诚实的场景，可用Token/秒等客观指标衡量，好坏由机器判定，Agent才能自己提出改法、自己跑、自己判断是否保留，人类专家除提前配置环境外几乎无需再给优化建议。

再往后是广度。芯生代手握多个平台国产卡，不同组合上的经验和记忆可相互复用，适配组合越多，新组合成本越低。过去Infra层面存在为软件设计硬件与为硬件设计软件两条路线之争，后者是国产芯片厂商试图走通的路线，而让Agent用AI for AI方式自我迭代软件，正是第二条路线最有可能弯道超车的变量。