晨观时报讯,11月12日,通芯智能宣布完成数亿元种子轮及天使轮融资,投资方包括清华校友种子基金、北京通院、松霖科技、平治信息、暗物智能和豫资涨泉。公司2026年4月成立于北京海淀,由北京通用人工智能研究院孵化,由北京通院院长、北大清华讲席教授朱松纯发起,创始人王海洋曾任海光第四代芯片架构负责人。
这几个信息放在一起,构成了一个很典型的“学院派芯片公司”样本:有名誉院长背书、有大厂架构负责人落地、有地方政府与产业资本出钱,公司成立七个月,产品还停在图纸上。
本轮资金明确用于芯片流片前的核心架构设计与研发。这句话翻译过来就是:还没有流片。芯片公司的融资节奏通常是天使轮做架构、A轮做流片、B轮做量产,每一轮对应一次风险释放。通芯把种子轮和天使轮合并完成,说明它要在第一次流片之前,把架构、工具链和首批客户意向全部谈定。
这也是为什么“成立7个月”和“数亿元”要放在一起读。时间短,说明团队是带着现成方案出来的,不是从零摸索;金额大,说明投资人认可的是履历与方法论,而不是已经跑通的商业闭环。
还有一个容易被忽略的细节:这一轮的出资方里,既有清华校友种子基金这样的校友资本,也有北京通院这样的孵化方,还有松霖科技、平治信息这类产业公司。校友资本给信任,孵化方给场地与团队,产业资本给场景。三方凑齐,才撑得起一个“还没流片就融数亿元”的结构。
对照全球市场,英国AI芯片创业公司Fractile近日完成7.2亿美元C轮,由Thrive Capital、Founders Fund、Lightspeed、Redpoint等领投。同样是“还没量产”的AI芯片公司,海外已经能拿到C轮的量级,国内还停在种子与天使之间。这个差距不在技术,而在资本对长周期硬件的耐心。
B300是英伟达当前训练与推理的旗舰平台。对标它,比的不是某一个基准测试的算力数字,而是三件更硬的东西:高带宽内存的带宽与容量、scale-up互联的拓扑与延迟、以及编译器与算子库的成熟度。前两项决定芯片能不能跑大模型,后一项决定开发者愿不愿意用。
先说内存。大模型推理的性能瓶颈常常不在算力,而在把权重和KV缓存搬进搬出的速度。HBM的带宽决定了“喂数据”的速度,容量决定了能同时服务多长的上下文。一颗芯片的纸面算力再高,内存跟不上,实际吞吐会被腰斩。
再说互联。今天的大模型很少跑在单卡上,scale-up的拓扑设计和NVLink级别的互联能力,决定了它能不能组成一个机柜级、甚至集群级的系统。互联是国产芯片最容易被忽略、也最难补的一课。
最后说软件。编译器、算子库、通信库、推理框架适配,这四层东西决定“能跑”和“好用”之间的距离。英伟达花了十几年建这套生态,后来者只能靠“兼容主流框架加自研优化”两条腿走路。
通芯选择的场景是大模型推理、世界模型与具身智能。这三类负载的共同点是长上下文、视频类token多、对首token延迟敏感。为这类负载做专用优化,理论上可以用更少的面积换更高的有效吞吐,这也是“对标”最站得住脚的一种解释:不比全能,比特定负载的性价比。
再好的架构,也要落在制程、内存和EDA上。今天另一条新闻恰好说明问题:三星2027年的HBM产能已经全部售罄,部分云厂商的供货协议签到了2030年。国产云端芯片公司要在这样的供给环境里拿到高带宽内存,难度不亚于设计本身。
先进制程的获取同样受限。这意味着国产芯片的架构设计必须“认命”:在给定的制程与内存条件下,把能效做上去,而不是照着英伟达的规格表抄一遍。承认约束,反而是设计的起点。
EDA与IP是第三重约束。高端EDA工具、SerDes IP、接口IP的国产化程度,直接决定流片一次的成本和成功率。一次流片失败,几亿元就没了,这是这类公司最贵的学费。
第一看流片节点。什么时候tape-out,用什么制程,良率如何,这三个数字比任何发布会都重要。第二看软件栈。有没有自己的编译器,支持哪些主流框架,开发者迁移成本多高。第三看客户。第一个客户是谁,是科研机构还是云厂商,是试点还是批量。
对这类公司的合理期待,不是“替代英伟达”,而是在特定模型结构上做到性能够用、成本更低、供应可控。如果它能拿出一套国产HBM加国产互联的完整方案,价值会远高于单颗芯片的参数。
7个月、数亿元、对标B300,三个数字放在一起说明一件事:中国AI芯片的竞争已经从“能不能做出来”,进入“为谁做、和谁一起做”的阶段。前者是工程问题,后者是生态问题,后一个问题更难,但一旦解决,护城河也更深。