从存储公司到存算协同公司

10 月 19 日,北京存算协同芯片企业铭芯启睿(MemSilicon)宣布完成超 4 亿元 A 轮融资,同时宣布启动面向大模型推理的 LPU 研发。本轮融资由博原资本领投,博世创投、创领资本、米哈游、中关村科学城公司、兆易创新等跟投;老股东复容投资、国开科创、恒裕资本、锦秋基金、顺禧基金、小米战投、中科创星持续加注。资金将主要用于阻变存储器 RRAM 的产业化与商业化,以及 LPU 新产品的研发。

同步公布的还有人事与定位调整:前英国 AI 芯片公司 Graphcore 总裁兼大中华区总经理卢涛加入团队,出任 CEO 兼联合创始人。公司把这次变化概括为从 RRAM 技术公司迈向存算协同芯片公司——存储不再只是最终产品,而是通向另一条计算架构的地基。

MemSilicon(铭芯启睿)战略升级:存储地基 + 计算引擎RRAM 产品化阻变存储器材料、器件、工艺与芯片设计,源自中科院刘明院士团队二十余年积累存储地基LPU 研发启动面向大模型推理低延迟、长上下文、高吞吐需求,公司称不参与 GPU 峰值算力内卷计算引擎组织变化前 Graphcore 总裁兼大中华区总经理卢涛出任 CEO 兼联合创始人团队补强本轮资金投向(公司口径)RRAM 的产业化与商业化把器件与工艺积累推进到可量产出货的产品形态LPU 新产品的研发从系统层面重新设计计算、存储与互联的协同方式投资方:博原资本领投 · 博世创投、创领资本、米哈游、中关村科学城公司、兆易创新跟投老股东加注:复容投资、国开科创、恒裕资本、锦秋基金、顺禧基金、小米战投、中科创星LPU 规格、流片时间表与目标客户均未披露;越级性价比属公司自述口径
铭芯启睿从 RRAM 走向存算协同:A 轮超四亿元后的双线布局与投资方构成

卢涛的判断:解码环节是搬运,不是算

卢涛在芯片行业有二十余年经历,历任曦智科技副总裁、Graphcore 总裁兼大中华区总经理、美国网络处理器公司 Cavium 中国区总经理,覆盖 Arm 服务器 CPU、DPU、RDMA 网卡、数据中心交换芯片、大 SRAM 架构 AI 处理器 IPU、3D 堆叠 DRAM NPU 与硅光芯片等方向。他对这次转向给出的解释是:大模型推理的解码环节本质是内存搬运密集型任务,单纯增加 GPU 数量会推高功耗和单位服务成本。

由此推导出的竞争指标变化值得留意。公司称,随着 AI 从问答转向多轮推理、工具调用与多智能体并行,一次任务包含多轮解码、上下文复用与并行调度,客户要的不只是更多 Token,而是在保证质量的前提下更快解码、更多任务并行,并压低单次任务成本。换言之,衡量标准正从峰值算力转向任务完成效率,低延迟从体验加分项变成业务能否成立的前提。这是卢涛的公司口径,也呼应了近两年推理侧优化的整体方向。

院士团队的底子,与要跨过去的门槛

铭芯启睿成立于 2024 年 5 月,总部位于北京海淀区中关村,在海淀区西三旗设有芯片测试实验室,在上海张江设有研发中心。公司由中国科学院刘明院士团队孵化,在 RRAM 材料、器件、工艺与芯片设计领域有二十余年积累,技术路线是融合近存计算、存内计算与先进封装,面向消费、工业与数据中心场景提供「感—存—算」一体化芯片产品与解决方案。刘明院士表示,团队多年积累的器件与工艺研究,需要进一步走向系统、走向应用,与 AI 芯片的设计能力和产业实践深度结合。

从纸面看,这条路径的合理性在于:RRAM 的高密度与低功耗特性天然适合放权重,把权重贴近计算单元可以显著减少搬运。但要把它变成可商用的推理引擎,中间隔着良率、器件一致性、编译器与软件栈,以及与主流 GPU 生态的兼容问题。RRAM 在业内长期被寄予厚望,也长期卡在这几道门槛上;把二十余年的器件积累转成系统能力,才是这次融资真正要买的东西。

投资方名单里的产业信号

本轮的参投方结构值得一提:博原资本与博世创投带产业资本属性,兆易创新是存储芯片上市公司,小米战投与米哈游分别代表终端与内容侧的潜在需求方,中关村科学城公司、国开科创与中科创星则属于科研转化与耐心资本。对一家成立两年、尚无量产芯片产品的公司来说,这份名单买的不是当期财务回报,而是「存储—计算」这条路线在国内供应链上的卡位。反过来看,产业方愿意连续加注,也说明下一代推理架构的窗口期仍被普遍认为没有关上。

4 亿元能买到什么,买不到什么

超 4 亿元人民币对一家芯片公司而言,大致够支撑一到两轮流片与早期团队扩张,远不足以支撑量产爬坡与生态建设。公司称 LPU 瞄准的是通用 GPU 架构与纯 SRAM 架构均未覆盖的空白地带,不与 GPU 在峰值算力上内卷,而是从系统层面重新设计计算、存储与互联的协同方式;卢涛还提出推理市场的 Token 正在分层——标准档拼成本,越级档拼体验与未来的业务逻辑,公司选择服务后者。

需要留一份清醒的是:LPU 的具体规格、流片时间表、目标客户与性能实测数据目前官方及行业暂未披露,「满血模型」与「越级性价比」均属公司自述口径,尚无第三方验证。此外,LPU 这一命名并非本公司专用,海外厂商此前已用同一称谓定义过推理加速架构,读到这个名字时不必默认技术同源。真正能验证这次战略升级的,是流片结果与可复现的端到端成本数据,而不是融资通稿里的形容词。