拿下1億美元種子輪！SGLang團隊創立RadixArk，打造下一代開放AI基礎設施

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

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，投后估值 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。機構投資人覆蓋了 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，從邊緣芯片到數據平臺，核心硬件與系統層的關鍵玩家幾乎全部到齊。

在頂級機構陣營之外，多位涵蓋 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。

「硬件三巨頭 CEO + 頂級模型實驗室創始人 + PyTorch 締造者」，要在一筆種子輪里同時湊齊這個組合，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，在他們手里

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 在兩年內以難以置信的迭代速度，成為開源大模型推理的事實標準之一，在 GitHub 積累了 27K+ stars，被部署在 400K+ GPU。每天有數萬億 token 的生產流量跑在 SGLang 之上，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 MoE、長上下文、Reasoning 模型、多模態融合等一系列劇變。每一次架構的重塑，SGLang 都做到了 Day-0 兼容——首創的開源模型發布即支持機制，性能直逼機器物理極限。被投資人反復提及的一個評價是，SGLang 的迭代速度與工程紀律合一的風格，在開源項目中絕對頂尖。

底層紀律的背后，是一支在系統與算法領域積累深厚的創始團隊。

CEO 盛穎（Ying Sheng）本科畢業于上海交通大學 ACM 班，博士畢業于斯坦福大學，是 LMSYS Org 的發起者及 SGLang 的主要創始人之一。她博士期間曾作為訪問學者在 UC Berkeley Sky Lab 進行研究，先后就職于 Databricks 和 xAI，曾擔任 xAI 推理團隊負責人。盛穎在注意力稀疏化、KV 緩存復用等方向的工作備受業內關注，SGLang 早期的 RadixAttention 機制即是其代表作之一。

CTO 朱邦華（Banghua Zhu）本科畢業于清華大學電子工程系，博士畢業于 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，后被英偉達收購，出任英偉達 Principal Research Scientist。在他經手過的項目里，既有面向工業級訓練系統的整套搭建，也有 NVIDIA 內部底層系統優化與大規模訓練上的長期積累。

某核心硬件廠商的技術負責人評價，這是 2026 年 AI Infra 創業中最有含金量的一組創始人組合：一邊是握住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行家。

手握每天吞吐萬億級 token 的推理引擎 SGLang——這本身已經是 AI Infra 創業的夢幻起點。而這支團隊的牌，還不止這一張。

Day-0 馴服 DeepSeek V4 強化學習

除了推理引擎，RadixArk 在訓練端同樣有所突破。

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

2025–2026 年，Reasoning、Tool Use、Agentic 能力的競爭全面升級，而每一步進步背后，都需要一套能扛住超大規模分布式 RL 的系統。業內觀察人士指出了一個被反復提及卻長期無法解決的痛點：今天大模型團隊最痛苦的，遠超出任何一段單點優化。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 支持能力是 Infra 團隊工程實力的直觀體現。

4 月 25 日，架構復雜的 DeepSeek-V4 發布。當天，SGLang 和 Miles 便實現了對 DeepSeek-V4 推理和 RL 訓練的同時支持。這得益于團隊底層的系統級優化，包括為混合注意力設計的 ShadowRadix 前綴緩存、單次芯片內完成壓縮的 Flash Compressor，以及將 Top-K 延遲壓縮至 15 微秒的 Lightning TopK，并打通了從 FP8 推理到 BF16 訓練的完整 RL 管線。

全棧共識背書：

巨頭們集體入局，到底在焦慮什么？

NVIDIA、AMD、聯發科、Broadcom、Intel——硬件層最關鍵的公司，同時出現在種子輪，在行業內幾乎是不可想象的。事實上，硬件廠商比任何人都清楚，當下算力仍然昂貴且稀缺，僅靠堆硬件已經無法持續。一個真正硬件解耦、能在異構平臺上將芯片性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 締造者、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：

陳立武，Intel CEO，半導體行業深耕數十年的泰斗級人物。

John Schulman 是 OpenAI 前聯合創始人，Thinking Machines Lab 聯合創始人，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，親手搭過業界最復雜的訓練系統與硬件平臺。

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 的愿景，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，一個做 LLM 推理優化的博士生面前通常只有兩個選項：一個是 OpenAI 的 API，按 token 計費、看不到任何內部結構；另一個是古早的開源代碼，README 里寫著「works on a single GPU」，離論文里要實現的真實分布式場景隔著數年的工程量。

SGLang 打破了這個二選一——工業級日吞吐、代碼完全開放，斯坦福、伯克利、CMU、UW 的系統研究組默認將其設為 baseline。對做 agent 的研究者而言，RadixAttention 的 prefix cache 把共享前綴組織成樹狀結構、相同 KV 只算一次，原來要跑兩天的實驗半天就能跑完，本地推理論文引用 SGLang 幾乎成了默認動作。

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、維護跨硬件兼容性的工程重負，往往超出種子輪公司的承受上限，大量時間消耗在重復造輪子上。現在，他們可以直接站在 SGLang 之上拉起接近前沿性能的推理服務，用 Miles 訓練領域專屬模型——基礎設施不再是瓶頸，省下的時間和錢可以全部投入他們真正想造的東西。

科技巨頭

為什么 Google、Microsoft、NVIDIA 這些擁有全世界最強內部 Infra 的巨頭，也會出現在 SGLang 的用戶列表里？答案藏在本輪投資人結構中——NVIDIA、AMD、聯發科、Broadcom、Intel 五家核心硬件廠商同時入局。它們比任何人都清楚，一個硬件無關、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么。使用一個被社區共同維護、多家硬件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，但足夠鋒利：

「下一代 AI 不應該被對私有基礎設施的訪問權所限制。更多團隊應該能夠擁有自己的模型、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；然后，在開源內核之上，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托管平臺。

RadixArk 的愿景，從來不是取代誰。而是讓一個學術實驗室、一個三人工作室、一家剛拿到種子輪的初創公司，和市值萬億的巨頭——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，那么 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里。

而融資落定之后，團隊發起了一項面向開源社區的回饋：Star SGLang 的 GitHub 倉庫并留下用戶名，即可在 RadixArk 托管平臺正式上線后獲得免費使用積分。對于這支從開源社區生長出來的團隊而言，這是用真金白銀的算力，感謝那些一路支撐 SGLang 走到今天的人。

鏈接：platform.radixark.com

尋找那些對幾毫秒延遲都無法容忍的人

RadixArk 目前正在全球范圍招聘，系統、模型、編譯器、內核、調度、評測等各條線全面開放。如果你也會因為幾毫秒延遲睡不著覺，會為兩次內存拷貝的冗余來回推敲，看到不優雅的系統就渾身不舒服，不動手改掉，絕不罷休。這或許是今年最值得認真考慮的一封簡歷。

簡歷投遞入口：https://job-boards.greenhouse.io/radixark

文章來源：機器之心。