當所有人都盯著模型層廝殺時，一支掌握開源推理事實標準的團隊，攜著硅谷最豪華的種子輪投資人陣容，正式將矛頭對準新時代的 AI 基礎設施。

文章作者、來源：機器之心

5 月 5 日，AI 基礎設施初創公司 RadixArk 宣布完成 1 億美元種子輪融資，投後估值 4 億美元。無論金額、估值還是投資人陣容，這都是 2026 年 AI Infra 賽道中目前最重的一筆早期下注。

本輪由 Accel 領投，Spark Capital 聯合領投。機構投資人涵蓋了 NVIDIA 旗下 NVentures、AMD、聯發科、Databricks，以及 Salience Capital、HOF Capital、Walden Catalyst、A&E Investment、LDVP、WTT Fubon Family 等一線機構。從 GPU 到 CPU，從邊緣晶片到數據平台，核心硬體與系統層的關鍵玩家幾乎全部到齊。

在頂級機構陣營之外，多位擁有 Intel、Broadcom、OpenAI、xAI、PyTorch 等背景的全球技術領袖也以天使投資人身份參與了本輪投資。

「硬體三巨頭 CEO + 頂級模型實驗室創始人 + PyTorch 創造者」，要在一輪種子輪中同時湊齊這個組合，在 AI Infra 的歷史上都極其罕見。熟悉這一領域的投資人直言：這是在押注「下一代基礎設施事實標準」。

全世界最好的推理引擎，掌握在他們手中

RadixArk 的故事，必須從一個叫做 SGLang 的開源項目說起。

自 2023 年誕生以來，SGLang 在兩年內以驚人的迭代速度，成為開源大模型推理的事實標準之一，在 GitHub 累積了 27K+ stars，被部署在 400K+ GPU 上。每天有數萬億 token 的生產流量運行在 SGLang 上，其用戶包括 Google、Microsoft、NVIDIA、Oracle、AMD、LinkedIn、xAI、Thinking Machines Lab。

過去兩年，模型架構經歷了 MoE、長上下文、推理模型、多模態融合等一系列重大變革。每一次架構重塑，SGLang 都實現了 Day-0 兼容——首創開源模型發布即支援機制，效能直逼硬體物理極限。投資人反覆提及的一個評價是，SGLang 的迭代速度與工程紀律相結合的風格，在開源項目中絕對名列前茅。

Behind the underlying discipline is a founding team with deep expertise in systems and algorithms.

CEO 盛穎（Ying Sheng）本科畢業於上海交通大學 ACM 班，博士畢業於史丹福大學，是 LMSYS Org 的發起者及 SGLang 的主要創始人之一。她在博士期間曾作為訪問學者在 UC Berkeley Sky Lab 進行研究，先後就職於 Databricks 和 xAI，曾擔任 xAI 推理團隊負責人。盛穎在注意力稀疏化、KV 緩存重用等方向的工作備受業界關注，SGLang 早期的 RadixAttention 機制即是其代表作之一。

CTO 朱邦華（Banghua Zhu）本科畢業於清華大學電子工程系，博士畢業於 UC Berkeley，師從機器學習泰斗 Michael I. Jordan 與 Jiantao Jiao。博士期間曾聯合創立 Nexusflow，後被英偉達收購，並出任英偉達 Principal Research Scientist。在他經手過的項目中，既有面向工業級訓練系統的全套搭建，也有 NVIDIA 內部底層系統優化與大規模訓練的長期積累。

某核心硬件廠商的技術負責人評價，這是 2026 年 AI Infra 創業中最具價值的一組創始人組合：一邊是掌握開源推理事實標準的研究型創業者，一邊是來自 GPU 廠商最核心研究層的大模型算法專家。

掌握每日處理萬億級 token 的推理引擎 SGLang——這本身已是 AI Infra 創業的夢幻起點。而這支團隊的底牌，還不止這一張。

Day-0 徵服 DeepSeek V4 強化學習

除了推理引擎，RadixArk 在訓練端同樣有所突破。

在 2025 年 11 月，團隊開源了強化學習框架 Miles，專注於大規模 RL 訓練的穩定性與效率，目前已被超過 20 支團隊用於 MoE 模型的強化學習訓練。

在 2025–2026 年，Reasoning、Tool Use、Agentic 能力的競爭全面升級，而每一步進步背後，都需要一套能承受超大規模分佈式 RL 的系統。業內觀察人士指出了一個被反覆提及卻長期無法解決的痛點：今天大模型團隊最痛苦的，遠超任何一段單點優化。從訓練到 RL 再到上線推理這條完整鏈路上的邊界摩擦，每一段單獨看都接近最優，拼在一起卻處處掉效率。

Miles 與 SGLang 的組合，正試圖填平當前大模型團隊在「訓練-RL-推理」完整鏈路上面臨的效率斷層。

新模型 Day-0 的支援能力是 Infra 團隊工程實力的直觀體現。

於 4 月 25 日，架構複雜的 DeepSeek-V4 正式發布。當天，SGLang 與 Miles 即實現了對 DeepSeek-V4 推理與 RL 訓練的同時支援。這得益於團隊在底層系統級優化上的突破，包括為混合注意力設計的 ShadowRadix 前綴快取、可在單一晶片內完成壓縮的 Flash Compressor，以及將 Top-K 延遲壓縮至 15 微秒的 Lightning TopK，並打通了從 FP8 推理至 BF16 訓練的完整 RL 管線。

全棧共識背書：

巨頭們集體入局，到底在焦慮什麼？

NVIDIA、AMD、聯發科、Broadcom、Intel——這些在硬體層最關鍵的公司，同時出現在種子輪，這在業內幾乎是不可想像的。事實上，硬體廠商比任何人都清楚，當前算力仍然昂貴且稀缺，僅靠堆疊硬體已無法持續。一個真正實現硬體解耦、並能在異構平台上將晶片效能壓榨到極限的開源推理系統，是他們最迫切需要的最大訴求。

Databricks、PyTorch 創始人、OpenAI / Thinking Machines / xAI 的一線人物同時入局，則代表了模型與系統層對「訓練-推理一體化基礎設施」的強烈預期。天使陣容中的每一個名字，都意味著一個極度精準的下注視角：

• Chen Liwu, CEO of Intel, a towering figure in the semiconductor industry with decades of deep experience.
• John Schulman 是 OpenAI 前聯合創始人、Thinking Machines Lab 聯合創始人，以及強化學習的奠基人之一。
• Soumith Chintala——PyTorch 聯合創始人，全球深度學習框架的守門人。
• Igor Babuschkin，xAI 前聯合創始人，親手搭建了業界最複雜的訓練系統與硬體平台。
• Lilian Weng，Thinking Machines Lab 聯合創始人，對 AI 系統的工業級落地有最一線的洞察。

當這些在任何場合都能獨自撐起一輪融資的人，選擇集體出現在同一張 cap table 上，便是對未來的熱切押注。

面向所有人的基礎設施：讓 AI 的建設權，不再被少數人壟斷

RadixArk 的願景，用一句話可以概括：讓 AI 基礎設施，成為像電力一樣普及、可靠、不被任何人壟斷的公共品。這聽起來像個理想主義宣言，但從實際落地來看，他們正在將這句話變為現實：

• 學術界

三年前，一位專注於 LLM 推理優化的博士生面前通常只有兩個選擇：一個是 OpenAI 的 API，按 token 計費，無法查看任何內部結構；另一個是古老的開源代碼，README 裡寫著「works on a single GPU」，與論文中實現的真實分佈式場景之間隔著數年的工程量。

SGLang 打破了這一二選一——工業級日吞吐量、代碼完全開源，史丹佛、柏克萊、CMU、華盛頓大學的系統研究團隊均將其設為基線。對於從事 agent 研究的學者而言，RadixAttention 的 prefix cache 將共享前綴組織成樹狀結構，相同的 KV 僅計算一次，原本需要兩天才能完成的實驗，現在半天就能完成，本地推理時引用 SGLang 幾乎已成為默認做法。

• 初創公司

一群離開大廠的工程師，帶著對某個垂直場景的深刻理解出來創業。他們沒有百萬美元的算力預算，沒有專門的 Infra 團隊，只有對產品的一腔直覺。

過去，搭建生產級推理管線、維護跨硬體相容性的工程負擔，往往超出種子輪公司的承載上限，大量時間耗費在重複造輪子上。現在，他們可以直接基於 SGLang 建立接近前沿性能的推理服務，並用 Miles 訓練領域專屬模型——基礎設施不再是瓶頸，省下的時間與資金可以全部投入他們真正想打造的東西。

• 科技巨頭

為什麼 Google、Microsoft、NVIDIA 這些擁有全世界最強內部 Infra 的巨頭，也會出現在 SGLang 的用戶列表裡？答案藏在本輪投資人結構中——NVIDIA、AMD、聯發科、Broadcom、Intel 五家核心硬體廠商同時入局。它們比任何人都清楚，一個硬體無關、不被任何競爭對手鎖定的開源推理系統對整個生態意味著什麼。使用一個被社區共同維護、多家硬體廠商共同支持的開源系統，本身就是更高維度的基礎設施戰略。

RadixArk 的官方表述沒有煽情，但足夠銳利：

「下一代 AI 不應受到對私有基礎設施訪問權的限制。更多團隊應能擁有自己的模型、自己的系統、自己的未來。」

這 1 億美元的種子輪融資，就是要讓這句話變成工程現實：讓 SGLang 成為任何新模型的 Day-0 生產標準；把 Miles 做成大規模訓練與 RL 的基礎設施級框架；然後，在開源核心之上，建一套不鎖定模型、不綁架客戶、卻提供頂級基礎設施能力的託管平台。

RadixArk 的願景，從來不是取代誰。而是讓一個學術實驗室、一個三人工作坊、一家剛獲得種子輪融資的初創公司，與市值萬億的巨頭——站在同一條基礎設施起跑線上。

如果說 2023 年的 Anthropic、2024 年的 Mistral、2025 年的 Thinking Machines Lab 各自代表了 AI 模型層一次方向性的下注，那麼 2026 年的 RadixArk 下注的東西更底層、也更漫長：讓前沿 AI 的建設權，真正回到足夠多的人手裡。

融資落定後，團隊發起了一項面向開源社區的回饋：參與註冊平台並轉發推特，即可在 RadixArk 托管平台正式上線後獲得免費使用積分。對於這支從開源社區成長起來的團隊而言，這是用真金白銀的算力，感謝那些一路支持 SGLang 走到今天的人。

• 連結：platform.radixark.com