北极雄芯完成新一轮融资：Chiplet能否成为大模型推理降本的关键路线？

当大模型从拼参数转向拼单卡成本，推理芯片的账要重新算了

大模型竞赛的下半场，叙事重心正在从训练侧的天文数字，转向推理侧每一瓦电力、每一平方毫米硅片能换回多少可用 token。当模型能力趋同、开源权重持续下探，决定一家 AI 芯片公司能否拿到订单的，往往不是纸面算力峰值，而是它能否让客户在现有服务器机箱里，用更少的钱跑起一个 70B 参数的模型。

这种评估逻辑的迁移，正在重塑整个 AI 芯片的价值链条。推理芯片的采购决策分散在云厂商的基础设施部门、模型公司的部署团队、以及大量行业客户的自建算力池中。这些买家的共同特征是：他们不再为“理论峰值”买单，而是把单位 token 成本、每瓦吞吐量、现有软件栈的迁移成本放在同一张表里做加权比较。这意味着芯片公司必须在架构设计阶段就把成本约束前置，而不是在流片之后再想办法降价。

北极雄芯信息科技（西安）有限公司在 2026 年 8 月宣布完成新一轮融资，把这套 Chiplet 叙事再次推到台前。据投资界报道，本轮新引入京能基金、北创投、无锡市集成电路产业基金等政府及产业背景投资方，以及长江证券创新投、慕华科创、首程控股、星连资本、西高投弘毅、嘉御资本、五源资本、山东科创、晨壹汇智、一村资本等市场化机构；老股东丰年资本、云晖资本、沃格光电、无锡科产集团追加投资。融资金额未披露。关于轮次，投资界仅称“新一轮融资”，未给出轮次编号；MSN 称 D 轮，网易号与证券之星称 C 轮，东方财富称 B 轮。综合来源可信度与信息颗粒度，本文以投资界口径为准，将本次融资标注为“新一轮融资”，并说明其他来源的轮次差异。

姚期智孵化、马恺声掌舵：学术背景能转化为量产纪律吗

北极雄芯的创始叙事带有鲜明的清华系色彩。据投资界报道，公司由清华大学姚期智院士孵化，由交叉信息学院马恺声副教授创立于 2021 年。新浪财经转载的信息进一步显示，北极雄芯由清华大学姚期智院士创建的交叉信息核心技术研究院自 2018 年起孵化发展，在西安、北京、天津、南京设立研发中心。创始人马恺声的公开身份在两条来源中略有差异：投资界称其为“交叉信息学院马恺声副教授”，新浪财经与证券之星则称其为“交叉信息研究院助理教授”。这一职称差异未在公司官方材料中得到统一。

从 2018 年研究院孵化到 2021 年公司正式成立，中间三年的技术积累期在 AI 芯片创业公司中并不算短。但学术孵化背景在 AI 芯片赛道并不罕见，真正稀缺的是从论文架构走到量产封装的工程化能力。Chiplet 方案的核心难点不在算法创新，而在物理实现：不同制程芯粒之间的信号完整性、热膨胀系数匹配、供电网络设计、以及封装后的测试与良率管理。北极雄芯未公开上述工程环节的具体数据或供应商信息，因此其工程化能力的成熟度无法从公开信息中独立评估。

据公司披露，北极雄芯基于 QM935 系列 Chiplet 异构集成的 AI Box 产品可成功实现端侧大模型应用，基于 3DIC+Chiplet 面向大模型推理应用的 Polar Stack 系列已经成功回片点亮，并已获得多家下游客户认可。上述进展均为公司披露口径，未经独立验证，公开材料中未见独立第三方测试或客户验证结论。

AI Box 与 Polar Stack：两条产品线背后的真实产业约束

北极雄芯的产品组合可以拆成两条线来理解。第一条是基于 QM935 系列的 AI Box 产品，据公司披露可成功实现端侧大模型应用。端侧大模型推理的典型场景包括边缘服务器、工业质检终端、车载计算平台等，这些场景对功耗和体积的敏感度远高于数据中心，但对模型规模的要求也在快速上升。把 Chiplet 异构集成用于端侧，意味着需要在有限的热设计功耗内，把通用计算芯粒与 AI 加速芯粒封装在一起，同时避免引入过高的封装成本。

第二条是 Polar Stack 系列，据公司披露基于 3DIC+Chiplet 面向大模型推理应用，已经成功回片点亮。3DIC 堆叠在技术难度上显著高于 2.5D 封装，它要求上下层 die 之间通过硅通孔或混合键合实现高密度互连，热管理难度呈指数级上升。对于大模型推理场景，3DIC 的价值主张在于缩短存储与计算之间的数据搬运距离，从而降低访存功耗。

编辑分析：北极雄芯的 AI Box 产品若以 QM935 系列 Chiplet 异构集成为核心，其技术挑战在于端侧场景对封装尺寸和功耗的约束比数据中心更紧，Chiplet 方案引入的额外封装面积和互连功耗可能侵蚀其在端侧的成本优势；Polar Stack 系列采用 3DIC 堆叠，其技术挑战在于大模型推理负载下的热密度管理——推理任务持续运行，热流密度高于间歇性训练负载，这对堆叠结构的散热设计提出更高要求。上述分析的前提是公司披露的产品架构属实，结论边界在于：公司未公开具体封装参数和热设计指标，因此这些技术挑战的严重程度无法量化。

“低成本、短周期、高灵活性”的商业模型，卡在谁的钱包里

北极雄芯对外反复强调其商业模型是“为高性能计算场景提供低成本、短周期、高灵活性的解决方案”。据新浪财经转载的信息，公司以通用型 Hub Chiplet 与功能型 Functional Chiplet 为基础，针对不同场景支持灵活的封装方式。这一架构思路在理论上可以平衡标准化与定制化：Hub Chiplet 承担通用控制、I/O 和缓存功能，可以在多个客户间复用；Functional Chiplet 则承载特定的 AI 加速逻辑，可以根据客户需求做有限度的定制。

编辑分析：北极雄芯的 Chiplet 方案若以标准化模块为核心，可能面临“大客户嫌不够定制、小客户付不起定制费”的中间地带困境。这一分析的前提是北极雄芯的 Hub Chiplet 与 Functional Chiplet 组合确如公开转载信息所述，结论边界在于：公司未披露现有客户的具体行业分布、客单价或复购情况，因此其商业模型的验证程度只能停留在“已获多家下游客户认可”这一公司披露口径上。

投资方名单里的政府基金与产业资本，意味着什么

本轮投资方名单的构成值得拆开看。京能基金、北创投、无锡市集成电路产业基金属于典型的政府及产业背景资金，它们的投资逻辑通常不只看财务回报，更看重项目对当地集成电路产业链的带动效应。无锡市集成电路产业基金的参与尤其值得注意——无锡是国内封装测试产业的重镇，长电科技、通富微电等封测龙头均在该区域有重要布局。北极雄芯的 Chiplet 路线对先进封装产能有直接依赖，但公司未在公开材料中披露与无锡封测企业的具体合作。

市场化机构方面，五源资本、嘉御资本、云晖资本、丰年资本等均在名单中。其中云晖资本和丰年资本为老股东追加投资，这在一定程度上传递了既有股东对公司进展的认可信号。编辑分析：老股东追加投资也可能发生在公司融资环境不理想、需要内部资金接续的情况下，仅凭“追加投资”本身无法判断公司的真实估值走向。本轮融资金额和估值均未披露，投资方各自的持股比例和董事会席位变化也未公开，因此资本结构层面的信息增量有限。沃格光电作为老股东的身份也值得留意——这是一家以光电玻璃和显示材料为主业的上市公司，其参与 AI 芯片公司的投资可能与其在先进封装材料领域的布局有关，但公司未披露双方的具体业务协同。

资金用途指向云端推理，但竞争格局里没有“空白市场”

据投资界报道，本轮融资资金将用于持续投入云端大模型推理产品研发。这是北极雄芯从端侧 AI Box 向云端推理延伸的明确信号。云端大模型推理芯片的竞争格局已经异常拥挤：英伟达凭借 CUDA 生态和 H 系列/B 系列产品占据主导地位，AMD 的 MI 系列在开源模型推理场景中持续渗透，中国大陆市场还有华为昇腾、寒武纪、海光信息等厂商在国产替代逻辑下争夺份额。北极雄芯的 Chiplet 路线在这个格局中的差异化在于，它可以用成熟制程芯粒组合出针对特定推理任务的定制方案，理论上降低对先进制程的依赖。

这种差异化的价值需要放在具体的采购场景中评估。对于已经深度绑定英伟达生态的云厂商，切换到 Chiplet 方案意味着要重新适配推理框架、算子库和集群管理工具，迁移成本可能远超单卡成本节约带来的收益。对于正在构建国产算力池的客户，华为昇腾和寒武纪已经在软件生态和客户关系上建立了先发优势，北极雄芯作为后来者需要在性能、成本或定制化程度上提供足够大的增量价值，才可能撬动客户的切换意愿。云端客户对芯片的选择标准远比端侧苛刻。软件生态的成熟度、推理框架的适配速度、集群组网能力、以及长期供货稳定性，都是比单卡成本更靠前的评估维度。

投资方声明中提到的“已在 Chiplet 异构集成、3DIC 堆叠大模型推理硬件上完成关键技术验证”，属于投资方口径，未提供独立第三方验证依据。在云端推理这个竞争维度上，北极雄芯面对的不是一个“空白市场”，而是一个已经被多个成熟玩家定义了技术标准和客户预期的市场。Chiplet 路线可能提供一条差异化的进入路径，但这条路径的可行性取决于公司能否在软件生态和客户验证上投入与硬件研发同等量级的资源。

轮次冲突与融资节奏：一家融资频繁但叙事模糊的公司

北极雄芯的融资历史在公开信息中呈现出一幅相当混乱的图景。2025 年 9 月，网易号报道公司完成 C 轮融资，投资方为云晖资本、无锡新发集团；2026 年 8 月，东方财富和新浪财经称公司完成 B 轮融资，投资方名单与投资界报道的“新一轮融资”高度重合；MSN 则直接称其为 D 轮投资。同一笔融资在四个渠道中被标注为 B、C、D 和“新一轮”。

从来源可信度看，投资界（pedaily.cn）为一级市场垂直媒体，其报道通常直接引用公司或投资方提供的融资通稿，信息颗粒度最细，但本次仅称“新一轮融资”，未给出轮次编号；证券之星明确标注其信息来自天眼查 APP 的工商变更记录，属于工商数据平台的自动归类，可信度较高但归类逻辑可能与公司自身口径不同；网易号内容由 AI 基于亿欧数据生成，属于二手聚合，可信度低于原始工商记录；东方财富和新浪财经的 B 轮报道均未注明信息来源，且两者引用的投资方名单与投资界报道高度重合，无法判断其轮次编号的依据；MSN 的 D 轮报道为搜索引擎聚合摘要，信息完整性不足。综合来看，各来源均未提供公司官方对轮次的统一说明，因此本文以投资界口径为准，将本次融资标注为“新一轮融资”，并说明其他来源的轮次差异。这种矛盾无法用“不同平台归类标准不同”完全解释，更可能反映公司在融资信息披露上存在实质性的口径混乱。

更值得关注的是，北极雄芯在 2025 年 9 月完成 C 轮融资后不到一年，又在 2026 年 8 月完成新一轮融资，且投资方名单中出现大量老股东追加。这种融资节奏在 AI 芯片赛道并不罕见——研发投入大、流片费用高、量产爬坡周期长，公司需要持续输血。但频繁融资且金额不披露，会让外界难以判断公司的资金消耗速度和商业化进展是否匹配。公司官网未披露，具体客户名称、产品性能参数、市场规模数据均未公开，这些信息缺口使得任何关于公司竞争力和市场地位的判断都缺乏可验证的锚点。一家融资频繁但核心数据集体沉默的公司，其叙事可信度会随着每一轮信息缺失的累积而递减。

风险不在技术路线本身，而在验证路径的透明度

北极雄芯面临的核心风险，并非 Chiplet 技术路线是否成立——这条路线在产业界已有共识，AMD、英特尔等厂商的实践证明了其工程可行性。真正的风险在于，北极雄芯能否在有限资源下，把“回片点亮”转化为“批量出货”，并在云端推理市场找到愿意为定制化 Chiplet 方案买单的标杆客户。公司披露的“多家下游客户认可”缺乏具体信息支撑，无法判断这些客户是付费客户还是试用客户，是批量采购还是样片验证。

从已披露的 Polar Stack 系列回片点亮和 AI Box 端侧应用来看，北极雄芯至少完成了从设计到流片再到点亮的关键节点，这意味着其工程团队具备把 Chiplet 架构从图纸带到硅片的能力。但“点亮”之后到“量产”之间，还有封装良率爬坡、可靠性测试、软件工具链完善、客户导入验证等多个环节，每一个环节都可能消耗比预期更长的时间和更多的资金。北极雄芯未公开上述环节的具体进展、时间表或资源投入，因此无法判断其距离量产的实际距离。

公司本轮融资金额未披露，也无法判断这笔资金能在多大程度上支撑上述环节的推进。在国产算力芯片的竞争窗口期，时间本身就是最昂贵的成本。窗口期的长度取决于两个变量：一是英伟达等头部厂商在中国市场的供货能力是否持续受限，二是国产替代客户对非头部供应商的容忍度能维持多久。如果北极雄芯在窗口期内无法完成从点亮到量产的跨越，后续融资的难度会随着竞争格局的固化而显著上升。Chiplet 路线本身不构成护城河——它是一条已被验证的工程路径，任何有足够封装资源和工程能力的团队都可以尝试。真正的护城河在于谁能先把这条路径走通到量产，并用真实客户订单证明其商业可行性。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

• 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
• 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
• 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：北极雄芯的故事里，最确定的资产是姚期智院士的孵化背书和马恺声团队从 2018 年延续至今的 Chiplet 技术积累；最不确定的资产，是“多家下游客户认可”背后到底有多少真实订单。当一家芯片公司同时讲端侧 AI Box 和云端 Polar Stack 两条产品线，却对融资金额、轮次、客户名称和性能指标集体沉默时，市场只能把它的技术进展当作一个待验证的假设，而不是一个可定价的事实。Chiplet 确实是大模型推理成本难题的一条可能解，但可能解要变成商业解，需要的不只是回片点亮的新闻稿，而是一张能公开核对的量产时间表。