一笔数十亿元的 B 轮

《科创板日报》11 月 5 日讯,存算一体 AI 芯片企业后摩智能近期完成 B 轮融资,单笔融资金额达数十亿元人民币,近一年内已连续完成多轮融资。据披露,本轮投资方包括上下游产业资本、国有资本及国际投资人,多家老股东继续追加,但具体机构名单与估值尚未公布。本轮资金将主要用于扩大 M50 芯片的规模化交付,推进新一代 M6X 及下一代 3D 存算一体产品研发,并完善软件工具链与产业生态。

需要说明,后摩智能尚未通过官方渠道发布本轮融资的正式公告,上述信息来自《科创板日报》、环球网、国际金融报等多家媒体的交叉报道(记者获悉、公司宣布)。我们据此成稿,具体投资方与估值以公司后续披露为准。

后摩智能数十亿元 B 轮:存算一体 AI 芯片,M50 量产不到一年 150+ 定点资金用于 M50 交付 + M6X + 3D CIM(资料:《科创板日报》、环球网、国际金融报,2026-11-05)B 轮融资数十亿元M50 算力160 TOPS带宽 / 功耗150GB/s·10W根技术:SRAM-CIM(存算一体)2D CIM 大容量3D CIM 大带宽面积 30% / 功耗 10%量产与落地:M50 不到一年 150+ 定点,服务客户超百家端边大模型推理:160 TOPS@INT8 / 150GB/s / 10W联想开天 P7 采用 M50中国移动全光终端合作资金用途M50 规模交付M6X 新一代3D CIM + 软件栈注:后摩智能未发官方融资公告,信息来自多家媒体交叉报道(记者获悉),具体投资方与估值待披露。
后摩智能完成数十亿元人民币 B 轮融资:存算一体 AI 芯片企业,量产芯片 M50 拥有 160 TOPS@INT8 算力、150GB/s 带宽、典型功耗 10W,量产不到一年已获 150 多个产品定点、服务超百家客户;资金用于 M50 规模化交付、新一代 M6X 与下一代 3D CIM 研发及软件生态(资料:《科创板日报》、环球网、国际金融报,2026-11-05)

存算一体为何回到牌桌中央

传统芯片执行 AI 任务时,需要频繁在存储与计算单元之间搬运数据,带来带宽与功耗瓶颈;存算一体尝试让部分运算在更靠近数据的位置完成,以减少搬运开销。后摩智能自 2020 年成立以来,始终以 SRAM-CIM 为根技术,并在产业界多集中于小算力、超低功耗场景时,选择了面向高算力与端边大模型推理的方向。据公司披露,采用 SRAM-CIM 后,核心计算单元面积压缩至传统架构的约 30%,运行功耗减少至约 10%;在同一根技术上形成 2D CIM(面向更大容量)与 3D CIM(面向更大带宽)两条路径。

资本与出货同向。IDC 数据显示,2026 年一季度全球端侧与边缘 AI 芯片出货量同比增长 45%,而云端 AI 芯片增速为 12%。英伟达近年也通过投资 Groq、d-Matrix 等方式下注存算一体方向。端侧 AI 正进入规模化窗口期:模型变小变强,使终端可承载的模型从 2024 年的 7B 级提升到今年的 120B 级,智能体又让大量任务转向本地执行,终端从被动执行指令的设备,变成持续生产和消耗 Token 的计算入口。

M50 量产不到一年,150 多个产品定点

支撑融资叙事的核心,是后摩智能持续投入的存算一体路线落到芯片上的成果。已量产的 M50 面向本地大模型推理,拥有 160 TOPS@INT8 算力、150GB/s 内存带宽,典型功耗 10W;首款 3D CIM 芯片 A20 已投产,M 系列新一代产品 M6X 正在研发中。板级产品覆盖 PCIe 标准卡与 M.2、MXM 等小型化模组,面向从 8B 级到近千 B 级模型的本地化运行需求。

对一家芯片公司来说,定点意味着芯片被写进了客户的产品规划,比发布会更能说明交付能力。据公司披露,M50 量产不到一年已获得 150 多个产品定点,服务客户超过百家,应用覆盖智能体电脑、智能移动终端、具身机器人和边缘推理四大方向。部分合作已落实到具体终端:联想开天 P7 采用后摩 M50 提供本地 AI 算力,中国移动与后摩合作推出全光网络智能终端,面向办公与园区场景。

从硬件指标到软件生态

国产 AI 芯片的竞争重心正从硬件指标转向软件生态的成熟度与易用性。后摩智能围绕易用性持续完善软件栈,并把模型适配、编译优化与开发经验沉淀为可复用的后摩 AI 生态软件,通过开源降低伙伴的重复适配投入,相关开源项目计划于 2027 年 1 月前陆续上线。每一个新定点都在为软件积累经验,更成熟的软件又降低下一个伙伴的适配投入,资本则继续投向规模化与下一代产品。

看待这笔融资,既要看到端侧 AI 窗口期对存算一体路线的现实拉动,也要留意:后摩智能尚处股份制改造后早期(今年 4 月完成股改,更名为后摩智能科技股份有限公司),M50 的客户落地节奏、软件生态的第三方采纳度,以及存算一体在更大模型与更复杂负载下的能效表现,仍需时间与真实工作负载来检验。

信息来源