硬氪获悉，近日异构智算平台与梯度 Token 工厂技术服务商博伦智汇完成千万级天使轮融资，投后估值约 1.5 亿元。本轮融资由专注 AI 及 AI Infra 赛道、同时布局过大模型训练框架的一线产业基金投资，将主要用于异构智算核心技术迭代、算力基础设施产品打磨、核心技术团队扩充。
博伦智汇创立于 2026 年，总部位于北京。CEO 刘进治曾任职英特尔亚太研发中心，硅谷分布式系统软件中国负责人，在计算架构与系统软件领域经验丰富。刘进治 2016 年曾是全球首批专注自然语言处理的 AI 初创企业核心成员，后参与搭建中国第一批 Nvidia Superpod 训练集群，支撑大语言模型研发与服务落地。
CTO 杨光在西门子通信、Oracle、IBM、华为云等跨国企业先后负责软件研发和系统架构，是云原生研发早期成员。公司核心成员均出自 IBM、天数智芯、华为、趋动科技等创新企业，核心团队曾操盘国内第一批英伟达 SuperPod 训练集群，较早实现国产异构 GPU 万卡推理。
随着各地智算中心建设风潮，纸面算力规模持续攀升，但许多机柜上架后处于 " 空转 " 状态。有芯片不等于有算力，有算力不等于能用。从芯片到输出 Token，中间横着几道工程鸿沟。不同架构芯片如何统一纳管？碎片化算力如何调度优化？算力如何按需分级，产出不同价值？
同时，全球 AI Token 日调用量已突破 300 万亿次。Agent 兴起后，智能体复杂任务增加，单任务消耗 Token 量动辄十万甚至百万级，算力需求爆涨。全球 AI 推理芯片市场规模已近 500 亿美元，推理成本跃升为 AI 企业最大的运营支出。
刘进治向硬氪介绍，基于这一背景，公司自研了 TOLD （Token Oriented Large-scale Distributed architecture）技术栈，将算力优化为梯级 Token 输出。
刘进治在 2023 年就进入了智算赛道。" 我们在英伟达高端算力禁售前，做了国内第一批英伟达 SuperPod，也就是基于英伟达 DGX 的 SuperPod 架构，并与头部大模型公司进行了深度合作。" 另一方面，他带着团队也较早地介入了国产 GPU 的生态和技术体系。
受到地缘政治和国产 GPU 崛起等各种因素，各企业持有的 GPU 资产非常分散，既有英伟达的 GPU，又有不同的国产 GPU，" 问题在于，这些不同的 GPU 本身因技术路线等不同没有办法直接协同使用。既能够把它们协同起来，又要做到最优是个技术难题。"
因此，国内企业如何把这些异构的算力资产整合起来并进行调优成为刚需，" 而且随着各个企业、国央企积累的 GPU 资产越来越多、越来越多样化，这会成为一个非常大的需求。"
博伦智汇的自研架构 TOLD 则可以兼容英伟达及多种国产 GPU 架构，自研云原生分布式调度技术，实现万卡级异构 GPU 的统一纳管与推理调度。让不同芯片在同一套框架下按模型效能最优协同工作。面向 token 及应用，还能提供大模型一键适配、B2B2C 多租户创新模式。
刘进治介绍，公司目前已经有签单客户，接下来还会推出硬件产品。以下是硬氪与他的访谈节选：
硬氪：现在大模型阶段，算力主要被用在哪些环节？
刘进治：如果按大模型阶段来看，算力主要分成两大块：大模型训练，以及训练完成之后的推理应用。
现在大模型公司已经比较集中，也有一些国央企自己在训练大模型，但不会对外商业化，只是内部使用，它们的投入也很大。这些公司还在持续大量铺设训练算力。中国优质的训练算力目前大概还不到美国的十分之一，所以训练算力还需要继续追赶。
未来更大的市场是推理，DeepSeek R1 带动了真正的推理和 AI 落地，再加上今年出现的一些新的应用，对 Token 落地带动了大量推理需求。长期来看，推理需求可能会达到训练需求的十倍甚至百倍以上。随着大量 AI 应用落地，推理理论上会成为一个更加广泛的市场，也是国产算力能够发挥很大作用的地方。
硬氪：你们自己的 TOLD 技术栈具体是什么？技术壁垒体现在哪里？
刘进治：它有几个特点，第一是面向 Token，让 Token 做到最快、最优。第二是 Large Scale，市场上有很多公司都在讲异构，但我们的特点是真正做过大规模的国产 GPU 集群。从工程角度来讲，大规模异构和做几台异构完全不一样。比如现在一些最新的国产卡，单卡性能已经逼近英伟达 H200，但大模型训练需要上千张甚至上万张卡组成超大规模集群，这种集群的稳定性才是最大的挑战。
另外，我们的集群可以分布在全国甚至全球。实际上，我们拉管过超过 10 个千卡级别、分布在全国各地的计算中心，达到万卡级别。在这个过程中，我们做了非常多研发。第一层是调度层，我们基于云原生，但会深度修改云原生底层的一些东西。这不是单一的架构，我们需要把云、分布式架构、大规模分布式架构，以及对模型本身的理解融合到产品里面。
目前已经支持超过 5 种异构 GPU，包括英伟达和国产的大规模 GPU。
硬氪：目前这种大规模异构平台已经得到验证了吗？主要在哪些场景？
刘进治：我们实际做过超过 10 个千卡级别组成的万卡级国产 GPU 集群，类似一个 " 大网吧 "，这个集群真实对外提供服务。后来有一些卡被商业化出租，但我们已经在这个上面完成了验证。
这个场景其实比较通用，可以 To B，也可以 To C。To B 可以给企业内部提供服务 , 比如一家做 AIGC 短剧的公司，它需要调用不同的语言模型、多模态模型和生图模型，也可以是具身智能，或者其他泛生态场景。C 端则是个人使用，比如个人养 " 龙虾 "，Agent 工具调用，codex、claude code 等都可以接入我们提供的模型。
硬氪：你看重 C 端的原因是？后续会有什么样的商业模式？
刘进治：现在大家都在说用不起 " 龙虾 "，因为它白天晚上都要待机跑任务。核心问题是现在还没有做好分层，大家都想一起上最顶的模型，而最顶的模型也意味着后面使用最贵的卡。
但实际上，大量工作比如整理文件、数据，基础模型完全够用了，也就意味着便宜的卡就够了，尤其是国产 GPU。
在商业模式上，C 端我们首先会自营一部分 Token 工厂，架设在自己的平台上，我们会做好调试工作，保证用户可以自己选择想要的模型，同时给出最优选。B 端我们可以和企业合作，为自己的私有化智算集群提供服务，甚至从头给它设计，看匹配什么样的卡型来满足它的具体场景。
