清华团队创业公司清昴智能用AI优化AI，构建国产芯片万亿Token工厂
AI不再只被调优，而是反过来调优自身运行的算力底座，清昴智能正把这件事做成国产芯片上的生意。
AI Infra进入自进化时代。清昴智能由清华朱文武教授团队孵化，专注用AI优化AI基础设施，让算子开发、芯片适配等环节从数周压缩至约1小时。其自主优化系统已适配数十款国产芯片，通过租赁或代运营模式，打造基于国产算力的万亿Token工厂。
正文摘录
AI Infra 进入自进化时代！清华团队 AI 优化 AI 造就国产万亿 Token 工厂 一个词开始在前沿讨论里高频出现：Recursive Self-Improvement（递归自我改进，即 AI 系统自己优化自己）。 这被认为是继 AI 推理、Agent 之后的下一个重大前沿，也是通往 AGI（通用人工智能）的关键路径。 就拿 OpenAI 来说，GPT-5.6 的 RSI 相关能力，已经帮其把端到端服务成本降低了 20%，Token 生成效率提升了 15% 以上。 Jeff Dean 从谷歌离职创办 Discovery Loop，投身的也是 RSI 这条赛道，根据最新市场消息，其估值已经冲击 100 亿美元。 清昴智能，国内第一家专注 AI 自进化 Infra 的创业公司，布局比这轮 RSI 热潮要更早。 模型可以自己进化，承载它的算力底座，怎么跟上？如何让 AI 进化的软件基础设施本身可以被算法化和自动化？ 从聊天、生成，到调用工具、长程推理，再到越来越多能持续运行数小时甚至更久的 Agent，模型正在从一问一答走向更加自主的任务执行。 如果把这种智能化进程类比成自动驾驶，可以说上层的模型已经开始向 L4 式的高度自主执行迈进。 这种「L4 自动驾驶」带来的直接变化是，单次任务要处理更多 Token、更长的推理链路、更复杂的工具调用，这自然就对底层算力提出了更高的要求。 一款模型想要在一张芯片上跑起来，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。 手写算子、调试参数、规划内存与并行策略……一个复杂算子的开发与调优往往耗时数周，却可能很快被模型和芯片的高速迭代淘汰。 不再依赖于专家的手工调优，也不局限于单点的算子生成或编译适配，而是让整个底层系统也进入一个由 AI 驱动的反馈循环。