独家 | 比特智路完成最新一轮融资,金额高达 5 亿人民币

AI 科技评论独家获悉,由前字节 AI Lab 高管郭传雄创办的比特智路近日完成了最新一轮融资,融资额达到 5 亿人民币。 比特智路成立于成立于2023年6月29日。 2023年11月,比特智路由红杉中国、真格基金、奇绩创坛参与投资。

AI 科技评论独家获悉,由前字节 AI Lab 高管郭传雄创办的比特智路近日完成了最新一轮融资,融资额达到 5 亿人民币。

比特智路成立于成立于2023年6月29日。2023年11月,比特智路由红杉中国、真格基金、奇绩创坛参与投资。2024年,比特智路完成了天使轮融资,投资方包括德同资本、国富绿景创投等。2025年1月,比特智路完成天使+投资,由德同资本、富华资本GRC、风投侠共同投资。

比特智路创始人是前字节跳动 AI Lab 总监郭传雄,他毕业于国防科大,在加入字节前,曾担任微软研究院的研究员。比特智路另一位联合创始人是罗腊咏,毕业于中科大电子工程与信息科学系,曾任职于微软亚洲研究院和腾讯网络平台部,后在字节芯片团队负责FPGA NIC 项目,在芯片领域造诣颇深。

郭传雄曾是字节 Infra 一把手,主要负责人工智能底层技术的研究和开发。他的研究兴趣包括机器学习系统、数据中心网络和硬件研发。

在字节跳动期间,郭传雄创立了字节跳动机器学习系统、数据中心网络、硬件加速等部门。郭传雄有相当的实战经验,是字节集群的领军人物,他在 Rocky 方向的研究论文在集群领域引用量最高,是国内训练大型集群的重要参考资料。

阶跃星辰系统负责人朱亦博在字节工作期间曾汇报给郭传雄,积累了丰富的大规模系统建设经验。

更早之前,郭传雄是微软研究院的研究员,并曾在微软云计算部门 Azure Networking 从事研发工作,他的研究兴趣涵盖理解、设计和管理大规模高可用计算机系统。郭传雄在微软做过一个较为称颂的项目是在美国一个较大的数据中心的交换机上重新做一套架构。他还做过微软电脑管家。

郭传雄是网络系统领域的专家,被称为“Network 四大天王之一”,曾因对数据中心网络设计的突出贡献而被选入IEEE Fellow,谷歌学术论文引用超过 1.5w 。

2023 年,郭传雄离职创业,聚焦在 Scaling 上,要做的“中国版 Mellanox”。比特智路基于第一性原理,结合其在数据中心网络、机器学习系统以及芯片和硬件设计方面的专业知识,致力于通过端到端的方式解决人工智能基础设施所面临的网络可扩展性和通信效率问题,将 AI 基础设施扩展到一百万张 GPU 或 AI 芯片的规模,解决 AI 网络面临的可扩展性和通信效率问题。

相关资讯

「鲶鱼」DeepSeek 正在搅动上下游

作者|朱可轩编辑|陈彩娴春节结束,DeepSeek 热度不减,而要说刚刚过去的春节假期,留给科技圈的印象可能是“卷上加卷”,几乎无人不在热议分析着 DeepSeek 这条“鲶鱼”。 硅谷方面迎来了空前的危机感:开源的信徒们声量再度走高,甚至连 OpenAI 都在反思闭源的决策是否正确;低算力成本的新范式引发芯片巨头英伟达连锁反应,创下美股史上最大规模单日市值蒸发纪录;政府部门下场调查 DeepSeek 使用芯片的合规性......在海外对 DeepSeek 评价褒贬不一的同时,国内也迎来了空前繁荣。 DeepSeek 发布 R1 模型后上线的 APP 接到泼天流量,初步验证了应用端增长将会拉动整个 AI 生态发展。

国产 AI Infra 变革进行时:新势力正在崛起

作者丨朱可轩编辑丨陈彩娴近日,“源神”Deepseek 密集开源了一系列代码库,包括FlashMLA、DeepEP、DeepGEMM、DualPipe 等项目及 3FS 系统,几乎实现了对 AI Infra 底层计算、网络、存储的全覆盖式优化,这对于 AI Infra 而言也能提供许多有价值的参考。 当前,国内 AI Infra 领域公司围绕 DeepSeek 带来的一系列启发,也正在思考下一步大模型训推优化更好的解决方案,驿心科技便是其中之一。 上周 DeepSeek 开源 3FS 等一系列组件,充分说明了从存储到网络往 GPU 里面传输数据的能力是 AI 训练和推理中最重要的问题,这也正是驿心科技想解决的核心技术问题。

当大模型升级速度变缓,AI Infra 创业还是一门「好生意」吗?

作者丨朱可轩编辑丨陈彩娴时至今日,如果说清华系撑起了中国大模型创业的半壁江山,那 AI Infra 这条赛道绝对是清华系「上阵师徒兵」的又一波创业豪赌:媒体所实验室孵化的清昴智能、高性能计算机研究中心牵头的清程极智、NICS-EFC 实验室孕育出的无问芯穹......AI Infra 赛道的明星创企几乎都来自清华各大实验室,而硅基流动和潞晨科技的创始人袁进辉和尤洋也均属「清华代表队」。 当前,在这层创业要解决的问题也比较明确,主要就是面向上下游,把各类模型同芯片深度适配,一方面减少算力资源闲置现象,另一方面则实现模型应用的提速降本。 不过,作为中间层,模型、应用和硬件层正处在瞬息万变之间,这意味着 AI Infra 的突破方向也在随之调整,值此之际,该方向的创业也不断面临质疑和些许阵痛,例如:创业公司做 MaaS 平台会不会面临压力?