原粒半导体完成超7亿元A轮融资：Agent芯片如何跨过产品验证关

2026年上半年的AI圈，所有人都在找“数字员工”的肉身居所。

AMD、英伟达等行业巨头开始面向本地AI计算推出或规划新产品，英伟达也把相关产品指向Agent Computer。但当开发者把能写代码、能查合同、能24小时待命的AI塞进消费级硬件时，却发现一个根本矛盾：今天所有计算机，从处理器到操作系统，默认的服务对象都是人。鼠标、键盘、窗口、文件系统，这些为人类交互而生的基础设施，在AI Agent眼里全是冗余——它们需要的是持续运行、长上下文记忆、敏感数据隔离，以及一套完全不同的资源调度逻辑。

原粒半导体创始人兼CEO方绍峡在7月初的一场公开演讲中抛出一个问题：“我们真正关心的是，当AI开始替人工作后，在下一代的计算机里，它应该长什么样？”

他的答案指向一个正在被产业资本加速押注的新品类——Agent Computer。就在演讲后不到三周，2026年7月24日，原粒半导体宣布完成超7亿元A轮融资。本轮由九安医疗、汤臣倍健、绿茵生态等上市公司联合北洋海棠基金、仁爱基金等共同注资，IDG资本、武岳峰科创、英诺、一维创投等老股东持续加码。这距离公司上一轮超5亿元Pre-A轮融资只隔了三个月，两轮合计融资超过12亿元。

资本下注的不是芯片，是“计算主体切换”的红利窗口

从表面看，这是一家AI芯片公司拿了一笔大钱。但翻看两轮融资的股东名册，会发现结构远比常规技术投资复杂。

Pre-A轮的IDG资本、武岳峰科创、国新基金等机构，押注的是AI Chiplet技术路径和下一代计算平台方向的交叉点。而A轮新入局的九安医疗、汤臣倍健、绿茵生态，主业横跨医疗健康、营养保健和生态环保，与半导体产业链完全没有直接关系。其中汤臣倍健以5000万元参股，持股0.97%，被公司明确标注为财务投资。

问题就出在这个“财务投资”标签下的产业身份上。医疗健康企业要处理病历数据和专业知识库，企业办公涉及大量内部敏感文档，工业智能强调本地稳定运行和实时数据闭环。这些场景的底层需求高度一致：数据不能上云、任务不能间断、权限必须可控。当AI Agent开始进入实际的业务流程，它不是跑一个对话Demo，而是要长期驻留、不断访问私域数据、执行跨环节任务。这种计算负载，既不能丢给云端GPU集群——延时和数据安全不可接受；也无法塞进传统端侧NPU——算力和长上下文支持远远不够。一片介于端侧NPU和云端GPU之间的空白地带正在快速扩张，而定义这片地带硬件形态的窗口期，就在当下。

原粒半导体的公开叙事把Agent视为计算主体变化的一部分，并据此判断硬件与软件生态需要随之调整。这个判断构成了公司定义Agent Computer的出发点，但它是否会形成独立品类，仍取决于产品和客户验证。

这是典型的产业资本布局逻辑——不是直接进入芯片产业链，而是提前卡住未来可能渗透千行百业的“端侧硅基底座”。这些上市公司可能并不打算亲自下场做半导体，但它们需要确保自己未来所依赖的底层算力基础设施不会受制于人。从这个角度看，5000万买一张0.97%的入场券，本质上是一种战略期权——如果Agent Computer赛道如期爆发，这张门票可能意味着最先获得场景适配权和技术优先接入权。

端侧生产力AI芯片：一个被重新定义的赛道

原粒半导体将自身产品定位为“端侧生产力AI芯片”。这个定位中的每一个词都值得拆解。

“端侧”意味着本地运行，数据不出设备。这与当前主流的大模型应用路径形成鲜明对比——今天绝大多数AI助手、编程工具和办公Agent仍重度依赖云端GPU集群。但云端方案面临三重结构性约束：一是延时，对于需要实时响应的工业控制、本地交互任务，网络往返延时不可接受；二是成本，一个7×24小时持续运行的Agent如果一直占用云端算力，费用可能远超硬件成本；三是数据安全，当Agent需要访问企业核心数据时，将敏感信息上传到第三方云平台本身就是合规灾难。今年5月，海外独立安全研究员Aonan Guan就曾数次披露了AI编程工具Claude Code的网络沙箱存在严重绕过漏洞，进一步放大了本地化部署的紧迫性。

“生产力”意味着它不服务于娱乐或轻量级交互，而是面向真正替代人类劳动的任务。这要求芯片能够承载大规模模型、处理长上下文、支持多任务并行，并且在稳定性上达到企业级标准。这与手机NPU设计目标的差异，相当于一辆通勤轿车和一台工厂机械臂之间的区别。前者追求峰值性能和多场景覆盖，后者追求持续负载下的可靠输出。

“AI芯片”意味着这是一颗从零开始定义的新架构，而非将现有IP核拼接或对GPU做减法。这个赛道的独特之处在于，它同时踩中了三条正在交汇的技术趋势线：大模型能力向端侧迁移、Agent从概念验证走向生产部署、Chiplet技术从数据中心下探到边缘设备。

为“数字员工”重做一颗芯，从打破内存墙开始

如果只是把现有NPU放大或把GPU缩小，根本不需要原粒这样的新公司。传统端侧AI芯片的设计假设是“模型能跑就行”——跑个图像识别、处理下语音指令，TOPS数值好看就交卷了。但方绍峡将原粒的产品定位为“端侧生产力AI芯片”，生产力这个词意味着长时运行、复杂任务、大模型承载和稳定输出，这和手机里的NPU是完全两套设计目标。

当前大模型推理的真正瓶颈早已不是单点计算能力。每生成一个Token，芯片都需要从高带宽内存读取模型权重和不断增长的KV Cache。长上下文场景下，KV Cache膨胀到令人窒息，解码阶段计算单元频繁空转等待数据，内存带宽成为性能天花板。这就是行业反复提及的“内存墙”问题。在传统架构中，计算单元和数据存储之间的物理距离和带宽限制，导致大量时间和功耗被消耗在数据搬运上，而非实际计算。当上下文长度从几千Token扩展到几十万甚至上百万Token时，这个瓶颈会呈非线性恶化。

据原粒半导体公开资料，其核心应答是一套名为CalcuMex的混合自适应数据流架构。和静态数据流方案把模型执行路径死死固在编译阶段不同，公司称CalcuMex采用了“确定性计算主干加细粒度运行时调度”的协同机制：确定性数据流负责规则计算，运行时自适应调度则面向MoE专家路由、不规则算子等动态负载。上述能力目前主要来自公司披露，尚需通过流片结果、第三方测试和客户部署进一步验证。

在存储侧，CalcuMex没有选择简单粗暴地堆SRAM容量——那会导致面积和功耗失控——而是将片上SRAM、DRAM工作存储、Flash容量存储和系统级扩展组织成一个统一的、多介质分层存储体系。根据权重、KV Cache和专家数据的访问热度和生命周期，动态完成数据放置、预取和迁移。热点数据低时延通路保持畅通，冷数据则下沉到大容量低成本介质中。这套设计的直接效果是，在有限的功耗和体积约束下，可以承载更大规模的生产力模型、更长的上下文和更多MoE专家。

公司披露的首款芯片已完成工程验证，但具体型号、制程节点尚未公开。

用Chiplet弹性互联，对抗Agent负载的不确定性

按照公司公开的技术叙事，单颗芯片面对Agent复杂多变的实际需求会遇到资源边界：不同模型和任务的负载特性差异明显。原粒披露的第二层技术架构CalcuGrid，瞄准的正是这种不确定性。

这是一套面向AI推理数据流专门设计的Chiplet弹性互联体系。不同于通用芯粒间的物理连接标准，CalcuGrid包含专用通信协处理器、弹性互联协议和链路可靠性机制，可以实现算力、带宽和存储资源在多个芯粒之间高效协同。用公司的话说，需要更大模型时就扩展存储芯粒，需要更快速度时就增加计算和带宽芯粒，就像搭积木一样按需堆叠。

逻辑上很自洽。但Chiplet在AI推理场景的实际落地，行业里仍有诸多待解难题。芯粒间高速互联的功耗代价、不同任务切分策略导致的通信瓶颈、多芯粒协同下的热量管理，都是工程化的深水区。

据公司介绍，为了降低开发者使用多芯粒系统的复杂度，原粒还设计了CalcuKit硬件感知编译与智能调度系统，用于规划模型切分、数据流向和资源分配。如果CalcuKit能够兑现公司公开描述，它将降低多芯粒系统的上层使用门槛，但实际效果仍需独立测试与客户应用验证。

上述CalcuMex、CalcuGrid与CalcuKit的架构和能力描述均来自原粒半导体公开材料，截至目前尚未见第三方独立测试结果，不能视为已经完成的性能验证。

Agent Computer不是一个设备，是一个正在被定义的品类

2026年以来，围绕Agent终端的探索全面升温。但市场上各家的切入角度完全不同：苹果Mac mini本质上是将服务器级算力塞进桌面盒子，靠的是M系列芯片的既有能力；英伟达RTX Spark更接近工作站级GPU的小型化，依托CUDA生态的惯性优势。原粒的路径完全不同——不是拿现成芯片改一改，而是从Agent负载特征出发，反向定义一颗全新的芯片架构。

这决定了一个非对称的竞争格局。原粒目前公开并未提及直接竞争对手，它的对手不是某家具体的芯片公司，而是一个正在形成的品类定义权之争。如果Agent Computer真如公司预期那样，成为企业私域AI节点、行业Agent主机或是嵌入到办公和工业设备中的本地智能算力底座，那么谁能定义它的芯片架构，谁就可能复制ARM在移动终端、英伟达在云端AI训练中的地位。ARM和英伟达的成功说明了架构定义权的重要性，而Agent Computer的独特需求——持续运行、长上下文、敏感数据隔离——可能催生一套完全不同的设计哲学。

但反过来说，如果Agent Computer最终被证明不过是现有PC的一个AI增强变体，或者云端推理成本持续下降使本地部署失去经济学依据，那么整个端侧生产力芯片的投资逻辑就需要重新评估。这个风险并非空穴来风。云端GPU的性价比仍在持续提升，而推理优化技术也在降低同等任务所需的算力门槛。如果三年后，一台普通PC搭配云端推理就能满足大多数Agent场景，那么专用Agent芯片的市场空间可能被极大压缩。

这才是这笔12亿元融资背后真正的押注——不仅赌技术能跑通，更赌一个独立于PC和手机之外的品类会真实成立。按照原粒半导体的公开叙事，下一代计算平台应更多围绕AI Agent的运行需求设计。如果这一方向成为产业共识，硬件体系可能迎来一次重构；如果判断落空，原粒则可能更接近特定场景下的加速芯片供应商，其估值逻辑将完全不同。

三个月两轮，资本为何如此急迫

两轮融资间隔仅三个月，速率在芯片行业极不寻常。一个常识是，即便在成熟赛道，设计一款新芯片的周期通常都要两年以上；涉及Chiplet这类前沿技术的，周期只会更长。这意味着原粒距离规模营收还有不短的路。资本如此急迫加注，只能从产业周期来解释。

芯片产业的底层架构定义和生态建设，从来都发生在市场规模爆发之前。就像ARM成为了移动终端芯片的主导，英伟达定义了云计算的AI算力标准，当一个新的计算范式开始形成共识，底层的硅基底座就必须抢先定型。一旦窗口关闭，生态锁定效应会让后来者极难翻盘。

原粒正处于这个窗口期。公司已完成首款芯片工程验证并启动生产力级端侧算力产品落地，说明技术路线至少通过了可行性关口。12亿资金的意义在于，它给了原粒跨越后续流片、封装、量产良率、工具链完善、开发者生态搭建等一系列关卡的足够粮草。更重要的是，这轮融资的快速完成本身就是一个信号——产业资本愿意在这个时间点下重注，说明它们对Agent Computer方向的时间表判断比外界预期的更紧迫。

产业资本夹层：战略耐心与业绩压力的对峙

这轮投资方构成中，九安医疗、汤臣倍健、绿茵生态的集体出现值得单独拆解。三家上市公司的主业各有不同，但它们有一个共同点：都不是半导体产业的核心玩家。作为产业资本，它们更关心技术能否在未来进入各自的业务场景。

这种投资逻辑的优势在于，如果原粒的产品最终跑通，这些产业资本将成为天然的早期用户和场景验证方，为芯片进入真实业务流程提供跳板。劣势在于，芯片创业公司的退出周期普遍较长，而上市公司股东面临更严苛的财务披露和业绩考核压力，一旦产品延期，内部压力可能比专业VC更大。汤臣倍健以0.97%的持股比例做财务投资，影响有限；九安医疗和绿茵生态的具体持股比例未披露，它们在董事会层面的参与程度将直接影响原粒的战略节奏。

接下来的硬仗：从芯片到场景的连续验证

如果把原粒当下的状态拆开来看，它的技术叙事已经搭建完成：CalcuMex解决高效计算问题，CalcuGrid解决可扩展系统问题，CalcuKit解决多芯粒协同的易用性问题。技术底座上承载的是面向企业办公、行业Agent、工业智能和本地大模型部署的产品矩阵。这个叙事逻辑清晰，层次分明。

但芯片公司的真正考验在于，从一颗工程验证芯片到一个客户愿意买单的产品，之间的距离远比外界想象的大。产品层面需要完整的参考设计、开发套件和稳定的软件工具链；场景层面需要证明自己“端侧生产力AI芯片”的定位不是一句口号，需要持续的案例积累来回答。更深层的挑战在于，原粒面对的是一个仍处在早期定义阶段的市场，Agent Computer本身都没有标准化，这意味着原粒不仅要做芯片，可能还需要参与定义整个产品形态的边界。

公开报道也把公司下一阶段概括为“还需要进一步完成从芯片到产品、再到场景的连续验证”。累计超过12亿元的融资为这一验证过程提供了更多缓冲空间，但窗口不会永远敞开，英伟达、AMD、高通都在不同方向上向这一领域延伸，它们的生态优势和客户关系不可轻视。原粒属于少数从零开始、围绕Agent长期运行需求定义架构的芯片创业公司之一。未来一段时间，如果它能把架构主张转化为可量化的场景能力和客户案例，才有机会在Agent Computer这个正在形成的品类中争取定义权。

RecodeX 极客视点：过去的计算机主要围绕人类操作设计，而原粒半导体押注的是围绕AI Agent持续运行重新组织计算、存储与互联。这个方向足够大胆，但超过12亿元融资不会自动把架构主张变成产品，更不能替代流片、软件生态和真实客户验证。公司下一阶段最重要的指标，不是继续解释CalcuMex、CalcuGrid和CalcuKit的概念，而是公开可复核的性能功耗数据、开发者迁移成本以及付费场景。只有这些证据出现，“Agent Computer”才会从一个有吸引力的新名词，变成能够被市场定义和持续采购的新计算品类。