墨芯获近10亿元C轮融资：稀疏计算能否让AI算力像水电一样触手可及？

当一家大模型公司以“白菜价”疯狂抢占市场时，整个AI产业链的利润压力正像病毒一样向上游传导。在应用层血流成河的价格战中，推理成本不再是锦上添花的财务指标，而是决定创业公司生死的生命线。每处理一个用户请求，背后消耗的GPU算力与电力都在无情地吞噬着微薄的毛利。这种残酷的商业现实，正在底层芯片市场催生一场静默但剧烈的范式革命——传统的“堆算力”军备竞赛已显疲态，如何从算法源头消减计算的冗余，成为破局的关键。

这正是墨芯人工智能（以下简称“墨芯”）试图捅破的天花板。这家公司不走寻常路，死磕一种名为“双稀疏化”的计算技术，试图让AI芯片学会像人脑一样“偷懒”——只激活必要的神经元来完成特定任务，从而在几乎不损失精度的情况下，实现算力翻倍的惊人效果。就在这场算力成本焦虑达到顶峰之时，墨芯用一笔近10亿元的巨额融资，将自己的技术路线推向了产业舞台的中央。

近日，墨芯正式宣布完成C轮融资，金额逼近10亿元人民币。在资本寒冬的余韵尚未完全散去的当下，这笔巨额融资显得尤为刺眼。它不仅汇集了深创投、岩山科技、大湾区共同家园、力鼎资本等具有深厚产业背景的资本力量，也获得了凯旋创投、创享投资等老股东的持续押注。公司曾获得蚂蚁集团、深圳天使母基金、将门创投、金浦投资、真格基金、基石资本等众多知名机构加持，本轮产业资本与国资力量的加入，为墨芯注入了从早期创新到规模裂变的全周期资本动力。这轮融资不仅是墨芯自身的成人礼，更被市场视为稀疏计算这条小众技术路线，从实验室走向规模化产业爆发的关键信号。

一次“技术路线的豪赌”：双稀疏化如何重构芯片的算力逻辑

要理解为什么资本愿意在此时重仓墨芯，必须先解剖其核心技术——“双稀疏化”。传统AI芯片执行计算任务时，往往需要激活整个神经网络，如同一个冗长的会议，所有部门都必须到场，即便大部分人与议题无关。这造成了巨大的算力与能耗浪费。稀疏计算的原理可以类比人脑，人在处理不同任务时，会激活大脑皮层的相应区域，无需调用整个神经网络。类比到芯片上，就是在不同的任务上进行稀疏激活——通过底层创新、软硬协同设计，让神经网络模型消减冗余，以提高计算效率。

墨芯的技术则更进一步。它通过同时实现“权重稀疏化”（剪除模型中不重要的连接）和“激活稀疏化”（只为特定任务激活相关神经元），让芯片仅需处理那些不可或缺的计算单元。相比于仅使用一种稀疏化，这种双稀疏路线可以带来更大的效率收益。其商业化副总裁尚勇将此技术优势与产业场景深度绑定，他用一个生动的比喻解释了这种布局：“我们的千卡集群布局并非单纯的算力建设，而是通过贴近产业集聚区部署高性能、低TCO的推理算力节点……让AI算力像水电一样触手可及。” 这种技术路径的核心价值，在权威测试中得到了可视化的验证。墨芯的S30、S40计算卡在国际权威AI基准测试MLPerf Inference中连续三届夺冠，充分验证了稀疏计算在真实数据中心负载下的工程可行性与商业价值。具体而言，其S40在特定场景下的峰值吞吐量，相比英伟达A100实现2.9倍性能提升，较H100也有1.4倍领先；而在多卡集群表现中，4卡S30的性能比4卡H100高出1.8倍，甚至超越了8卡A100的集群表现。

然而，技术路线的领先性在商业应用中常常伴随着风险。稀疏计算之所以长期被视为“小众”，在于其技术实现难度极大。在算法层面简单剪枝获得的理论增益，与在实际芯片及集群环境中稳定实现该增益，中间隔着巨大的工程鸿沟。墨芯的差异化壁垒在于，它并非在软件算法上做表面文章，而是将其自研的双稀疏算法深度内嵌到了自研的Antoum芯片架构底层，从软硬协同的角度将稀疏计算融入芯片计算核中，使其性能达到最优。这意味着，对用户而言，迁移过来的模型无需大幅修改，就能获得稀疏计算带来的效率提升，这在很大程度上降低了新技术的接受门槛。

告别“盆景式”布点，千卡集群背后是精明的商业地理

获得近10亿元融资后，墨芯最核心的动作之一，是加速其全国算力网络的扩张。这是检验其技术能否从“单点测试”走向“集群验证”的关键一步，也是其商业逻辑能否成立的试金石。许多AI芯片创业公司的问题在于，其产品只能在理想环境下跑出漂亮的参数，进入客户复杂的真实生产环境后，性能便开始打折扣。

墨芯的策略是深入产业腹地，用多地域、多场景的千卡级集群来证明自己。根据公司披露，其已在西北、西南、华东、华北四大片区完成了战略性部署，与国家“东数西算”与“算电协同”的宏观战略高度共振。在西北，其千卡集群支撑着传统制造产线上的AI视觉安防应用，在电子制造、消费品生产等场景落地多个工厂项目；在西南，则充分利用当地的绿电资源，构建低功耗的绿色算力池；华东的集群服务于高附加值的生物信息分析与医疗健康领域，用以加速基因测序等计算密集型任务，已与行业头部企业合作；而在华北，算力则被用于赋能城市治理，落地了包括人脸识别、姿态识别在内的多模态视觉应用，实时监测与预警异常行为。

这种“算力跟着产业走”的布局，比单纯建设一个大型数据中心更考验商业落地的能力。它意味着墨芯不仅要卖卡，更要深入理解不同行业的业务逻辑、数据特点与网络环境，并能提供定制化的解决方案。这背后是一支深知“场景验证比技术专利更重要”的商业团队。尚勇提到，在一次服务非AI领域制造业客户的算力集群项目中，客户唯一关心的是在有限预算内拿到能效比最优的方案。墨芯通过分析其业务特点提供的整体方案，实现了远低于市场主流产品的总拥有成本（TCO）。这种来自一线战场的真实反馈，也为其下一代芯片的研发提供了最宝贵的设计依据。公司的商业化路径由此清晰浮现：技术端依靠独家稀疏计算架构突破算力瓶颈；市场端聚焦AI推理赛道，依托推理业务与产业应用场景的强关联性，协同客户完成芯片定制化落地与规模化商用，实现技术与场景的深度绑定。

投资逻辑已变：从“理论峰值”转向“有效算力”和“总拥有成本”

墨芯的此轮融资，背后折射出AI芯片领域投资逻辑的深刻转向。投资人不再天真地为纸面上最高的峰值算力买单，而是开始用更严苛的标尺衡量商业价值。墨芯董秘兼企业发展及资本市场部总经理王率宇道破了这个天机：“从投资视角看，评判一家AI芯片公司的价值，不应只看单卡理论算力，更要看其在真实集群环境中完成同等AI任务的有效算力和能效比。墨芯的多地部署与客户持续扩容，正是产品力和商业价值的硬核验证。”

这一观点切中了当前AI产业的最大痛点。在整个行业从追逐大模型训练转向铺开大规模推理的节点，推理成本成为AI大规模普及的致命瓶颈。据多家行业机构测算，当前国内推理算力需求已攀升至训练算力的10到15倍，推理赛道已然成为算力竞争的新主战场。面对每天以万亿计的大模型Token调用量——国家数据局数据显示，今年3月底我国日均Token调用量已突破140万亿——单次推理成本的微小差异，都会被放大为企业利润表上触目惊心的鸿沟。稀疏计算，正是为了解决这一成本难题而生。它从底层架构上精简了计算任务，使其在完成同等AI任务时，天然具备更低的功耗和更高的能效比。对于追求极致TCO的数据中心和智算中心客户而言，墨芯解决方案的单token运行成本远低于主流GPU产品，这种能效优势就是最具说服力的选择理由。

本轮投资方结构本身也颇具深意。除了深创投这类带有政策导向的“国家队”，岩山科技、蕴盛资本等产业资本的入局，意味着墨芯的潜在价值并不仅限于财务回报。它们能为墨芯带来产业链上下游的协同资源，有助于墨芯的计算卡进入更广泛的商业场景。这种“产业巨头+国资背书+财务资本”的多元股东结构，既保障了技术协同的深度，也为墨芯在全国算力网络布局中提供了坚实的资源保障与产业支撑。特别是在互联网CSP（云服务提供商）厂商对第三方高品质低成本推理算力需求持续增长的背景下，墨芯的千卡集群恰好为这一市场提供了低TCO、高能效的算力供给选项，而这种产业背景的投资人网络，将是墨芯产品大规模出货的重要渠道支撑。

量产“SparsePrime®”：一场从冠军到商品的生死大考

此轮融资的另一大核心用途，是全力推动新一代计算卡SparsePrime®的量产与商业化。这款计划于年内推出的产品，被视为墨芯从一家技术领先的创业公司向规模化商业公司转变的决定性一步。SparsePrime®基于自研的Antoum2.0架构，是专为下一代大模型和复杂推理场景设计的高性能AI通用推理计算卡。该产品采用自顶向下的整体设计理念，广泛适用主流Transformer模型，强化通用适配性。

该产品的亮点在于其开发了“零接受成本”的客户友好性。它支持开发者使用Triton语言进行自定义算子开发，并能无缝对接PyTorch、vLLM等现有主流推理框架，让客户能以近乎零代码修改的方式完成迁移并直接部署运行。SparsePrime®将基于多个算力中心千卡集群部署中积累的真实负载数据，在稀疏计算效率上实现新的突破。这种策略极其清晰：用最快的速度完成存量市场的替代和增量市场的渗透，将一个技术优势的故事转变为一个可规模复制的销售故事。

然而，芯片行业的历史反复昭示，从一次流片成功、一次测试夺冠，到百万片级别的稳定量产和商业化交付，中间横亘着一条布满风险的“死亡之谷”。量产意味着需要解决良率控制、供应链安全、成本优化、客户支持服务等一系列极其繁复的工程和商业问题，这与实验室里做出一款冠军样片是截然不同的两种能力。此前市场上并非没有国产AI芯片在特定指标上超越英伟达的先例，但真正能经得起大规模、多场景商业验证的产品依然凤毛麟角。SparsePrime®能否跨越这一步，是墨芯未来18个月内最核心的待验证命题。据王率宇透露，公司预期明后年能实现盈亏平衡，这进一步将量产与商业化进程的压力推向了前台。

产学研编织“人才网”：为技术护城河储备源头活水

在商业化的高歌猛进之外，墨芯也在一刻不停地加固其技术护城河的源头。这家公司正不惜重金，在全球范围内编织一张顶尖的产学研合作网络。从与卡内基梅隆大学在大模型稀疏化训练方向的合作——该方向已经取得阶段性成果，未来将持续推进大模型加速技术从前沿研究走向产业落地——到与复旦大学可信具身智能研究院就“半结构化稀疏”课题进行研究，旨在通过智能化的稀疏模式搜索大幅提高模型稀疏率并提升硬件友好性，再到与清华大学CCNILab和SparseMind团队共同探索稀疏计算理论前沿，墨芯正系统性地将外部大脑的智慧内化为自己的技术储备。

这种产学研“组合拳”至少有三重考量。其一，这是保持技术先进性的必要投资。稀疏计算仍是一片有待深度开垦的学术沃土，通过与顶尖高校的联合研究，墨芯可以在稀疏模式搜索、硬件友好性等前沿领域保持敏感，为下一代芯片架构寻找灵感。其二，这是构建开发者生态的重要一环。与高校共建联合实验室——墨芯已与杭州电子科技大学成立稀疏计算联合实验室，探索“云-边-端”协同的创新推理算力解决方案——有助于培养一批从学生时代就熟悉墨芯工具链和稀疏化思想的开发者，他们将成为墨芯生态未来的火种。墨芯将这一系列合作定位为“产业需求与学术积淀的双向奔赴”，期望借此打通从算法创新到芯片架构的技术闭环。其三，这也是最现实的人才争夺战。在AI芯片人才极度稀缺的当下，这些合作是提前锁定优秀毕业生、构建稀缺人才管道的高效途径。

盛宴下的暗影：英伟达的阴影与路径的孤独

尽管资本的追捧与企业自身的成绩单簇拥着墨芯站在了聚光灯下，但冷静审视这一赛道，风险与不确定性同样清晰。最直接的压力来自无法回避的巨头——英伟达。英伟达已不再仅仅是竞争对手，它正在定义一个完整的生态系统。值得注意的是，英伟达在A100、H100及后续的Blackwell GPU中也已经开始支持低倍率稀疏化，其在硬件生态层面的布局可能侵蚀墨芯的差异化优势。更强大的护城河在于CUDA生态，它构成了一个几乎无法被绕过的庞大壁垒。墨芯虽然在能效比上表现亮眼，但要让客户从稳固的CUDA生态中迁移出来，需要的不仅是单点性能的微弱领先，更是一个全方位的、可替代的软件生态和工具链支撑。

其次，技术路线的相对小众化，既是墨芯的最大标签，也是其最大风险。稀疏计算的成功，在很大程度上依赖于AI模型本身的可稀疏性。尽管当前基于Transformer架构的大模型展现出了显著的稀疏潜力，但若未来模型架构发生颠覆性迭代，转向更稠密或完全不同特性的计算模式，专为稀疏化而生的硬件架构将面临被边缘化的风险。这是一场与算法演进方向的赛跑。墨芯在战略层面对此有所布局，其产品体系能满足从传统小模型到小尺寸大模型，再到超大规模模型迭代的算力需求，旨在覆盖未来3到5年的潜在算力需求，但技术路径的长期有效性仍需持续验证。

此外，供应链问题也是悬在其头上的达摩克利斯之剑。尽管墨芯宣称其技术优势不依赖先进制程，能以成熟制程实现超越高阶产品的能效比，这在保证供应链安全的前提下提高了计算效率，但在当前的全球地缘政治博弈下，任何一家中国芯片设计公司都要面对晶圆代工产能、先进封装等方面的不确定性与潜在中断风险。一旦进入规模化量产阶段，供应链的韧性将直面严峻考验。

“算力水电化”愿景：是终局还是序幕？

墨芯为市场描绘的终局叙事极具诱惑力——让AI算力像水和电一样，成为无处不在、按需取用且廉价的公共基础设施。这也是其商业化副总裁尚勇反复强调的愿景。在这个宏大叙事下，稀疏计算不再仅仅是一项节能技术，而是成为支撑整个智能社会高效运行的基础范式。王率宇对此表述得更为直接：“我们希望通过自研芯片与算力网络的组合，成为AI基础设施层中不可或缺的绿色算力底座。”

此轮近10亿元C轮融资的成功，表明已有相当数量的产业资本和国资力量选择相信这个愿景。但这依然只是万里长征的第一步。从四个片区的千卡集群，到支撑全国算力网络——未来1至2年内，墨芯计划完成覆盖国内东、中、西全域更为广泛的算力网络部署；从连续三届在MLPerf上夺冠，到新一代SparsePrime®计算卡在真实商业环境的百万片出货，并同步拿下云端、边缘端及算力网络侧的商业化订单；从一家技术驱动的明星创企，到真正成为行业内不可或缺的算力底座，墨芯面前的道路既宽阔又充满未知。当下所有的成就，更像是拉开了稀疏计算这场范式革命真正意义上的序幕。

RecodeX 极客视：墨芯的故事是当前AI芯片投资逻辑切换的完美样本——当整个行业从“拼算力”转向“拼能效”，资本立刻用近10亿元投出了自己的一票。但商业的本质不是跑分，而是规模复制。SparsePrime®的量产与大客户导入，将是把这项冠军技术变成一门赚钱生意的真正考验。在英伟达生态坚不可摧的墙壁上，稀疏计算能否凿开一道足够宽的裂缝，答案在未来18个月将逐渐清晰。