当“推理”变成一笔算不过来的账，钱开始流向架构层

2026年的大模型产业正在经历一次不易察觉但影响深远的迁移。训练集群的资本开支叙事尚未完全退潮，但真正让云厂商、终端品牌和模型公司夜不能寐的，是另一组更枯燥的数字：每一次用户向手机里的智能体发问，每一次AI PC在本地生成摘要，每一次智算中心响应MoE模型的稀疏激活请求，背后都是权重读取、数据搬运和内存带宽的持续消耗。推理不是一次性的资本开支，它是每天、每小时、每百万token都在发生的运营成本。

这个矛盾的尖锐程度，在端侧尤其突出。手机和PC对功耗、面积、散热和物料成本有着近乎苛刻的约束，而大模型推理偏偏是内存带宽密集型的负载。传统冯·诺伊曼架构下，数据在存储单元和计算单元之间反复搬运，搬运消耗的能量远超计算本身。图灵奖得主David Patterson近期的研究指向同一个结论：GPU/TPU等主流架构在大模型推理场景下面临显著的内存带宽与延迟瓶颈。换句话说，问题已经不在“算得不够快”，而在“数据搬得太累”。

正是在这个背景下，杭州微纳核芯电子科技有限公司于9月9日宣布完成10亿元C1轮融资。这家成立于2021年、孵化于浙江省北大信息技术高等研究院的AI芯片公司，试图用一套名为3D-CIM™的三维存算一体架构，从芯片底层改写大模型推理的成本结构。本轮融资的投资方名单同时出现了财务投资机构与产业资本：优势资本、元昊投资、金浦投资、阳光人寿、元禾璞华、德联资本、宽桥恒松、厚雪资本，以及美格智能、恒旭资本、华勤技术和一家未具名的知名大模型公司，并有多名老股东持续加码。

字段 内容
公司 微纳核芯（杭州微纳核芯电子科技有限公司）
轮次 C1轮
金额 10亿元人民币
投资方 优势资本、元昊投资、金浦投资、阳光人寿、元禾璞华、德联资本、宽桥恒松、厚雪资本、美格智能、恒旭资本、华勤技术、知名大模型公司（未具名）及多名老股东
总部 杭州
创始人 未披露
官网 https://www.nanocorechip.com/

3D-CIM™不是单点技术，而是一次架构层的“距离压缩”

微纳核芯将3D-CIM™定义为“3D近存计算+SRAM存算一体+RISC-V异构存算”的融合架构。据公司披露，其技术路径是：通过三维堆叠将计算逻辑与存储器的物理距离压缩到微米级，缩短数据通路；在SRAM存储阵列内直接完成矩阵和张量计算，使数据不出存储器即完成运算；再以RISC-V指令集实现存算协同控制，提供可编程灵活性。公司称，这一架构从根源上破解冯·诺伊曼架构的瓶颈。

公司披露的实测流片结果显示，其SRAM存算一体相比冯·诺伊曼架构可提升4—6倍算力密度和5—10倍能效比。需要明确的是，这一数据来自公司自身的流片测试，目前没有独立的第三方机构对其进行验证或复现。在半导体领域，流片实测数据通常需要结合具体工艺节点、工作负载、精度设置和对比基准来理解；公司未披露这些关键参数，因此4—6倍和5—10倍的区间只能作为公司口径下的技术声明，而非行业公认的基准结论。

从产业链视角看，3D-CIM™真正的差异化不在于“存算一体”这个概念本身，而在于它试图同时解决三个在传统架构中相互制约的变量。传统GPU/TPU的算力密度提升依赖先进制程，而先进制程意味着更高的流片成本、更严苛的供应链约束和更大的功耗挑战。微纳核芯的路线是：用三维堆叠和近存计算换取数据通路缩短，用SRAM存内计算消除部分数据搬运，用RISC-V提供可编程性以避免专用加速器常见的软件生态封闭问题。如果这条路线成立，其意义在于——据公司表述——依托国产成熟工艺即可达成先进制程等效算力。这一点对供应链自主可控的敏感场景具有实质价值，但“等效算力”的具体定义、对比基准和适用负载范围，公司尚未披露。

两条产品线同时押注端侧和云侧，但验证节奏完全不同

微纳核芯目前有两条产品线。PCIe-CIM™系列面向AI手机、AI PC、云侧智算中心和一体机，定位为大模型推理协处理器；LP-CIM™系列则与存储原厂深度协同，为端侧AI提供近存+存算解决方案。据公司披露，PCIe-CIM™系列已完成核心研发与仿真验证，技术路线获头部终端厂商和云厂商认可；LP-CIM™系列的产品化进程稳步推进。

从时间线看，公司的商业化推进有明确的阶段性节点。2024年，公司与多家头部终端厂商和存储器厂商完成产品定义；2025年，与主流手机客户敲定配套主芯片型号并完成软硬件兼容性评估；2026年，与数家端侧大模型公司建立战略合作关系，推进“芯模联动”生态。云侧方面，公司称已与数家云厂商和服务器厂商深度绑定，共同推动板级架构设计，争取年内完成板卡送样。

这里有一个值得注意的节奏差异。端侧的客户导入路径相对清晰：产品定义、主芯片配套、兼容性评估、模型公司战略合作，每一步都有可验证的产业动作。但云侧的进展仍停留在“深度绑定”和“板级架构设计”阶段，板卡送样尚未完成。对于数据中心客户而言，板卡送样只是漫长验证流程的起点，之后还有系统集成、性能基准测试、软件栈适配、稳定性验证和规模化部署等多个环节。公司称“争取年内完成板卡送样”，这意味着云侧产品的收入贡献在短期内几乎可以忽略不计。端侧能否率先跑出标杆客户，将在很大程度上决定市场对这家公司的定价逻辑能否从“技术期权”切换到“订单预期”。

资本结构透露的信号：存储、终端和模型公司为什么坐到了一张桌子上

微纳核芯的融资历程呈现出罕见的产业资本聚集密度。2021年8月首轮融资由红杉中国和北大科技成果转化基金参与；2022年1月Pre-A轮小米集团进入；2022年8月A轮/A+轮联想创投加入；2025年10月B轮蓝驰创投领投，中芯聚源和锦秋基金加持；2026年1月B2轮兆易创新战略投资；2026年4月B3/B4轮中国移动链长基金、超越摩尔、江城基金、佰维存储、九坤创投、深创投、中国互联网投资基金等入局，中芯聚源、毅达资本、蓝驰创投、东方嘉富、立讯精密产投等老股东继续跟投。到C1轮，美格智能、恒旭资本、华勤技术和知名大模型公司加入。

这个资本结构的意义不在于“钱多”，而在于它把存储原厂、终端品牌、ODM厂商、运营商和大模型公司放进了同一个股东名单。存储原厂投资存算一体芯片，意味着存储产业正在尝试从“卖容量”走向“卖计算能力”的定价体系；终端品牌和ODM厂商投资，意味着产品定义和客户验证的路径可能已经被前置锁定；大模型公司从客户变成股东，则指向“芯模协同”——芯片架构与模型推理特性的匹配度，正在成为端侧AI落地的核心变量。

但需要警惕的是，产业资本背书不等于客户导入。股东名单里的终端厂商、存储原厂和模型公司，究竟是在进行战略卡位，还是已经签署了有约束力的采购意向或开发合同，公司未披露。在半导体行业，产业投资方与客户身份的重叠既可能加速产品定义和验证，也可能在商业化谈判中制造利益冲突。微纳核芯需要在后续披露中证明，这些产业资本关系能够转化为可验证的订单和收入，而不是停留在“生态协同”的叙事层面。

与高通、联发科和英伟达的竞争，不在同一个维度上展开

微纳核芯面临的竞争格局需要分层来看。在端侧AI芯片市场，高通和联发科是绕不开的对手。但两者的产品形态是集成在SoC中的AI加速单元，与微纳核芯作为独立推理协处理器的定位存在差异。高通和联发科的优势在于成熟的软件生态、庞大的出货基数和与手机品牌长达十余年的深度绑定；微纳核芯的机会则在于，当端侧大模型对内存带宽和能效的要求超出传统SoC内AI单元的承载能力时，独立协处理器可能获得一个结构性窗口。但这个窗口的大小，取决于手机厂商是否愿意在已经高度集成的系统架构中额外增加一颗芯片，以及这颗芯片带来的能效收益是否足以覆盖额外的物料成本和板级设计复杂度。

在云侧推理市场，英伟达的GPU生态壁垒依然坚固。微纳核芯的3D-CIM™架构在MoE模型场景下强调局部数据循环的优势——MoE模型每次推理只激活部分专家网络，数据局部性更强，理论上有利于减少跨节点数据传输。但这一优势的兑现，需要云厂商在现有GPU集群之外，为一种全新的芯片架构重建软件栈、调度系统和运维体系。对于已经深度绑定CUDA生态的云厂商而言，这种迁移成本可能远超芯片本身的性能收益。微纳核芯云侧产品的真正机会，可能不在替代英伟达，而在那些对国产供应链自主可控有刚性需求、且负载特征与存算一体架构高度匹配的特定场景。

投资逻辑的成立，依赖于三个尚未被验证的假设

本轮投资方的声明透露出清晰的逻辑主线。优势资本称“非常荣幸陪伴公司迈过资本化发展的关键阶段”；元昊投资表示“高度认可创始人格局品行与团队深厚技术积淀”；金浦投资看好团队“正向研发持续创新、坚韧不拔的硬核能力”；阳光人寿将微纳核芯定位为“耐心资本重点投资布局的硬科技方向”；元禾璞华看好公司打通“存储—大模型—终端品牌”的完整产业协作；德联资本认为3D-CIM™架构“直击AI产业存储墙、功耗墙痛点”；宽桥恒松强调存算一体芯片在汽车智能化浪潮中的卡位价值；厚雪资本则判断“存算一体是下一代算力的重要方向”。

这些投资判断共同指向三个核心假设。第一，存算一体架构能够在量产中兑现流片测试阶段的能效优势。流片测试通常在小规模、特定负载和优化条件下完成，量产则涉及良率、封装、散热、稳定性和一致性等全新变量。公司称“即将商业化量产”，但量产芯片的性能、功耗和成本数据尚未公开。第二，端侧AI芯片的市场需求能够在2026—2028年间从“产品定义”走向“规模出货”。权威机构Omida预测全球端侧AI芯片组市场规模将从2024年的20亿美元提升至2028年，但具体数值未披露；国务院文件提出2027年智能体终端普及率达70%的目标，但政策目标与市场实际渗透率之间往往存在时间差。第三，RISC-V存算一体生态能够从标准制定走向开发者采纳。微纳核芯受中电标协RISC-V工委会任命，作为组长单位牵头启动全球首个RISC-V存算一体标准和生态建设工作，联合数十家产业链企业。但标准制定只是生态建设的起点，开发者工具链的成熟度、模型适配的便利性和迁移成本，才是决定“芯片是否好用”的关键。

资金用途清晰，但商业化路径上的“最后一公里”仍然模糊

公司披露，C1轮融资资金将用于加速突破AI大模型推理领域的芯片瓶颈，投入研发和量产，以提升大模型推理效率并降低功耗。这个表述足够宽泛，涵盖了从芯片设计、流片、封装测试到软件栈开发和客户支持的全部环节。结合公司当前的产品化阶段——芯片、板卡/服务器、全软件栈的开发工作已逐步完成，将于年内陆续完成多场景客户送样测试——可以推断，本轮资金的核心用途大概率集中在送样测试的工程支持、量产备货的前期投入，以及软件生态的持续建设。

但商业化路径上仍有几个关键节点未被清晰定义。首先，公司未披露任何营收、出货量或客户订单数据。对于一家成立五年、累计融资超过20亿元（B轮系列超10亿元加C1轮10亿元）的芯片公司而言，收入端的沉默会让市场难以判断其商业化进程的真实位置。其次，“头部终端厂商”“云厂商”“服务器厂商”“手机客户”“端侧大模型公司”等客户描述均未具名，无法独立核实其合作深度和商业约束力。第三，公司未披露C1轮融资前累计融资总额，以及B轮系列超10亿元与C1轮10亿元之间的资本结构关系。这些信息的缺失，使得外部观察者难以评估公司的资金消耗速度、估值变化和后续融资需求。

存算一体赛道的系统性风险：生态碎片化与软件适配成本

微纳核芯面临的风险不仅来自竞争，更来自存算一体赛道本身的生态困境。目前各家CIM方案在指令集、编程模型、算子库和工具链上互不兼容，下游客户如果选择某一家存算一体芯片，就意味着要为其单独适配模型、优化算子和维护软件栈。这种生态碎片化带来的软件适配成本，往往比芯片本身的硬件成本更让客户犹豫。微纳核芯牵头RISC-V存算一体标准建设，本质上是在试图从“技术领先”走向“生态主导”，但标准能否被足够多的产业链参与者采纳，取决于微纳核芯能否在标准制定过程中平衡自身商业利益与生态开放性。如果标准被市场视为微纳核芯的“私有协议”，其推广效果将大打折扣。

另一个系统性风险在于技术迭代速度。存算一体架构在学术层面已经验证了能效优势，但工程化过程中仍面临计算精度、工艺变异、热管理和可靠性等挑战。与此同时，传统架构厂商并未停滞。高通和联发科在端侧SoC中持续强化AI加速能力，英伟达在云侧通过HBM升级和软件优化不断抬高竞争门槛。微纳核芯的架构优势如果不能在量产中转化为可量化的客户价值，其技术窗口可能被传统架构的渐进式改进逐步侵蚀。

从已披露的信息看，微纳核芯确实站在了一个产业逻辑的交叉点上：大模型推理从云端向终端迁移、存储产业寻求价值重估、RISC-V生态寻找高价值落点、国产供应链追求成熟工艺的算力突破。这四个趋势的同时存在，为3D-CIM™架构提供了罕见的叙事空间。但叙事空间不等于商业验证。公司需要在未来12—18个月内证明三件事：量产芯片的能效数据能够复现流片测试结果；至少一个端侧标杆客户完成从验证到出货的闭环；软件工具链的成熟度足以让外部开发者在合理时间内完成模型迁移。这三件事中的任何一件出现实质性延迟，都会让当前10亿元融资所承载的期待面临重新定价。

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：微纳核芯的C1轮融资，表面上是又一家AI芯片公司拿到了大额资金，实质上是产业资本在“推理成本”这个新锚点上的一次集体下注。存储原厂、终端品牌、ODM厂商和大模型公司同时出现在股东名单里，说明产业链上下游已经意识到，大模型推理的瓶颈不在算力堆叠，而在数据搬运。但意识到问题不等于解决问题。3D-CIM™架构能否从流片测试的能效优势走向量产芯片的客户价值，能否从RISC-V标准制定走向开发者生态的自我生长，能否从产业资本背书走向可验证的订单和收入——这三个问题，才是决定这家公司能否真正“破解存储墙”的关键。融资可以买来研发时间，但买不来客户信任；架构可以压缩数据通路，但压缩不了商业化验证的必经之路。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。