融资数千万，驭驯网络重构AIDC网络基建，3个月拿下过亿订单｜涌现新项目

联合智谱、清华大学推出ZCube架构，集群网络硬件成本降低1/3，GPU推理吞吐率提升15%。

文｜王欣逸

编辑｜张雨忻

一句话介绍

一家推翻传统网络架构的清华系创业公司，联合智谱、清华大学推出了全新的网络架构ZCube，能提升推理算力集群15%的Token产量，还能砍下约33%的网络硬件成本。

融资情况

近日，驭驯网络已完成智谱独家领投的数千万元融资，源合资本担任长期财务顾问。

产品及业务

今年以来，随着Claude Code等Agent应用落地，Token消耗量持续攀升，算力需求随之增长。

驭驯网络CEO熊典告诉我们，部分芯片长时间处于供不应求的哄抢状态，自年初以来，作为集群核心网络硬件的交换机，价格也已经涨了快一倍。

在这一背景下，网络，正在成为决定AI算力集群性能的关键变量。驭驯网络顺势而上，在网络架构层推出了新的组网技术ZCube。

ZCube是一种组网架构，用一种全新的方式把GPU和交换机连接起来，其核心思路是摒弃了传统网络架构中的多层树状结构，采用完全扁平化互联架构。

△ZCube架构示意图，图源：驭驯网络

这一架构在智谱的算力集群中得到了验证，结果显示：一个用于GLM-5.1 Coding推理的千卡生产集群，在GPU、软件栈不变的前提下，仅靠网络架构升级，就能实现吞吐提升15%、时延降低40.6%，同时交换机与光模块成本减少33.3%。

仅从吞吐这一个指标来看，采用ZCube架构后的集群Token产出可以直接提升15%，能为企业增加数千万元的收入。

据智谱公开的博客信息，同一规模下，ZCube相较于传统架构节省了约1/3的硬件成本，在万卡智算集群上可节省约2.1亿至6.4亿元的网络硬件投资。

围绕ZCube，驭驯网络还提供了YCOS调优服务和XOPS运维方案。

尽管现有的算力集群规模与状态各不相同，但这并不影响驭驯网络业务的规模化。

一方面，行业内对于从0到1新建算力集群存在较大需求；

另一方面，驭驯虽然采用项目制交付，但ZCube技术本身极其标准化。比如，某一个千卡集群和另一个千卡集群，其交换机配置、服务器配置都是可复制的。

熊典透露，ZCube项目的交付周期以周为单位，最长不超过两个月，与此同时，每个项目只需要一位项目经理驻场，这也让20人团队撑起了亿元级订单额。

到目前为止，驭驯网络已服务智谱、无问芯穹等客户，在手订单额过亿元人民币。

核心壁垒

2025年8月，关于ZCube的论文正式见刊。

2026年5月，ZCube架构率先在智谱的英伟达千卡集群中得到了验证，随后，也在一系列国产卡（如沐曦）集群验证有效。6月，ZCube架构及其产业应用被授予WAIC 2026 SAIL TOP30（卓越人工智能引领奖）。

△ZCube 三维拓扑，图源：驭驯网络

相比传统网络架构，ZCube解决了以下问题：

1. 打破了过去单一的多轨或单轨的接入模式，选择了单轨与多轨的混合接入机制。

其中，部分交换机以“单轨”方式连接不同服务器上的同编号卡，另一部分交换机以“多轨”方式紧密连接连续编号的GPU。

这让GPU之间的路径更短，每个GPU都连接了交换机，在实际通信的过程中，GPU只需经过两跳交换机的转发，这显著降低了通信延迟，而传统架构则需要三跳或者更多。

2. 有效打破了传统架构的性能瓶颈。

在传统的Clos和ROFT架构中，常因为多路径随机选路出现哈希冲突，使网络利用率难以提升。由于ZCube的扁平化拓扑与确定性路径，它能从架构层面大幅降低冲突概率，提升带宽利用率以及有效吞吐。

3. 在减少1/3的交换机的同时，光模块和光纤也减少了1/3，这意味着组网成本更低、整个网络中的故障源更少，单个故障的影响范围也会减小。

与此同时，网络中的路径更为确定，也让ZCube天然实现了多用户流量的物理隔离，使集群在多任务并行时更加稳定。

团队介绍

驭驯网络创立于2026年3月，团队主要来自清华大学，规模约为20人。

创始人兼CEO熊典目前是清华大学计算机系在读博士生，曾在字节跳动Infra部门实习近4年，是字节内部第一批做大模型训练的同学。

联合创始人王晗负责市场相关工作，拥有二十年ICT（信息与通信技术）头部厂商高管经验，曾任某网络公司AIDC部门高管。

联合创始人闫梓涵也是清华大学计算机系博士生，是ZCube架构相关论文的第一作者。

Founder思考

过去几年，行业经历了从算力过剩到需求井喷。

2023年，行业里紧锣密鼓地建了一波集群，而到了2024年，各大模型厂商的模型还处于预训练阶段，算力出现冗余。因此，彼时的Infra市场对于AI的预期比较低。

而到了今年年初，Agent的爆发让Token的需求也迎来了一波高潮。智谱也面临着这一问题，既有集群性能不足，集群数量也不够。

从服务走向整体解决方案，从人力密集走向更大的市场。

我们团队之前主要做网络调优、仿真和运维等工作，本质上是偏服务性质的人力密集型的工作。现在驭驯的业务拓展到了软件、硬件和服务，原因在于：

一是，相比于卖服务，整体解决方案的摊子能铺得更大，而且交付效率和结果能更好保证；

二是，大模型一定是未来。传统集群（IDC）寿命可以达到十几年，而现在的智算集群（AIDC）的寿命一般在3-5年，因此，网络建设需求一定是源源不断的。

现阶段切入推理场景。

目前推理侧算力需求正在爆发。传统架构的哈希冲突常会引发不可预测的时延波动，对推理场景影响尤为致命，这也正是ZCube的优势所在。

驭驯真正的壁垒在于工程化能力。

并不是说按照拓扑图把网络互联起来，ZCube就能直接投入使用。它不是一个单点的技术，其背后还有一整套复杂的工程部署，包括交换机和服务器的配置、路由表的设计等等。

ZCube存在硬件门槛，但这一门槛正在降低。

ZCube要求每个GPU必须能访问两个网口——要么网卡本身就是双端口的，要么GPU能等价访问两张独立网卡。部分国产卡暂时达不到这一要求。

不过，从长期来看，国产卡使用ZCube的门槛正在逐步降低：国产卡的算力正在提升，网卡的配置正逐渐跟上；双端口网卡也在普及，容错性和组网灵活性都更好。

封面来源｜企业官方

👇🏻 扫码加入「智涌AI交流群」👇🏻

36氪旗下AI公众号

👇🏻 真诚推荐你关注 👇🏻