大模型推理的成本曲线正在出现一个尴尬的交叉点：模型能力越强，单次推理需要搬运的权重与 KV 缓存越多；而用户对延迟的容忍度，却随着 Agent 从“问答玩具”变成“执行任务的数字员工”而急剧下降。一次多轮推理、工具调用、上下文复用并行发生的长程任务，可能在任何一个环节因为解码太慢而整体超时。在关键场景里，超时就是失败。这个矛盾把竞争焦点从“每秒能算多少次浮点”推向了一个更朴素的问题：数据能不能少搬一点、搬得快一点、算的地方离存的地方近一点。
正是在这个节点上，一家此前并不高调的存储技术团队把融资消息推到了台前。10 月 19 日，铭芯启睿（MemSilicon）宣布完成超 4 亿元 A 轮融资。据公司通稿及多家媒体报道，本轮由博原资本领投，博世创投、创领资本、米哈游、中关村科学城公司、兆易创新等跟投，老股东复容投资、国开科创、恒裕资本、锦秋基金、顺禧基金、小米战投、中科创星持续加注。同一时间，前 Graphcore 总裁兼大中华区总经理卢涛加入团队，担任 CEO 和联合创始人。
这笔融资的特殊之处不在于金额本身，而在于它同时完成了一次公司身份的切换。据公司通稿称，铭芯启睿将在继续推进阻变存储器（RRAM）产品化的基础上，启动面向大模型推理的第一代 LPU 研发，定位是“满血模型、高速 Token、越级性价比”的新一代推理引擎。换句话说，这家公司试图用同一条技术根系同时长出两种产品：一种是把 RRAM 卖进存储市场，另一种是用 RRAM 的存储密度和近存计算能力，去切大模型推理芯片的缝隙市场。
| 字段 | 内容 |
|---|---|
| 公司 | 铭芯启睿（MemSilicon） |
| 轮次 | A轮 |
| 金额 | 超4亿元人民币 |
| 投资方 | 博原资本领投；博世创投、创领资本、米哈游、中关村科学城公司、兆易创新等跟投；老股东复容投资、国开科创、恒裕资本、锦秋基金、顺禧基金、小米战投、中科创星持续加注 |
| 总部 | 未披露 |
| 创始人 | 卢涛（CEO兼联合创始人） |
| 官网 | https://memsilicon.com/ |
卢涛的加入，把一家存储公司推向了推理芯片的牌桌
铭芯启睿此前的底色更接近一家新型存储技术公司。据公司通稿称，其团队源自中国科学院刘明院士团队，在 RRAM 材料、器件、工艺与芯片设计领域拥有二十余年积累，工作链条从材料与器件物理延伸到可靠性、工艺集成、IP 和芯片设计，再到流片验证与应用。除 RRAM 外，团队在三维集成、近存计算及混合存算一体架构方面也有科研储备。这些表述指向的是一家以底层器件能力见长的团队，而不是一家天然具备 AI 芯片产品定义和客户交付经验的公司。
卢涛的履历恰好补在后者。据公司通稿披露，卢涛在芯片行业深耕 20 余年，历任曦智科技副总裁、Graphcore 总裁兼大中华区总经理、Cavium 中国区总经理，长期聚焦 AI 基础设施核心组件，覆盖 Arm 架构服务器 CPU、DPU、RDMA 网卡、数据中心交换芯片、大 SRAM 架构的 AI 处理器 IPU、基于 3D 堆叠 DRAM 的 NPU 以及硅光芯片等领域。其中 Graphcore 的经历尤其值得注意：那是一家曾试图用 IPU 挑战英伟达 GPU 的英国 AI 芯片公司，最终未能在数据中心市场建立起足够大的商业基本盘。这段经历本身构成了一个微妙的背景——它既意味着卢涛见过“从架构创新到商业落地”之间的全部沟壑，也意味着市场会对他这次选择的差异化路径提出更苛刻的追问。
公司通稿援引铭芯启睿董事长刘琦的话称，团队研究存储二十多年，始终在追寻一个问题：能不能通过材料、器件与架构的创新，减少数据搬运对计算效率的限制，突破冯·诺依曼架构的瓶颈。过去团队是“领先的 RRAM 技术团队”，随着卢涛加入，得以从产品定义之初就把 RRAM 与 LPU 的架构创新、工程实现、客户需求和商业交付放在一起考虑。这段表述的实质是承认：器件能力本身并不自动转化为推理芯片产品，中间缺的正是系统定义和商业化环节。
LPU 的赌注不在“算得更快”，而在“搬得更少”
铭芯启睿对 LPU 的定义，与市场上已有的“LPU”命名存在明显差异。Groq 的 LPU 以大规模 SRAM 和确定性调度著称，代价是片上存储容量受限、单卡成本高企。铭芯启睿的 LPU 则把 RRAM 作为存储地基。公司通稿称，其 LPU 立足于内存技术和架构创新，从系统层面同步优化计算、存储与互联。卢涛在通稿中的原话是，MemSilicon 的定位“不与 GPU 内卷”，聚焦满血模型的高速 Token 体验，用越级性价比服务高端推理市场；他认为这是“当前通用 GPU 架构和纯 SRAM 架构的无人区”。
这个判断的技术逻辑并不复杂。大模型推理的解码环节本质上是内存搬运密集型任务：每生成一个 Token，都要反复搬运模型权重与 KV 缓存数据。据腾讯新闻刊发的公司稿件引用的一组数据，在缓存能够有效保留的条件下，输入缓存命中率为 84.6% 至 99.5%，解码占 LLM 执行时间的 91.0% 至 98.6%。该数据来自一篇 arXiv 论文，属于公司稿件援引的第三方研究，而非铭芯启睿自身的实测结果。但即便抛开具体数字，解码环节受内存带宽约束这一点，已是行业共识。
问题在于，RRAM 能否在真实产品中兑现“近存计算”的承诺。RRAM 的优势是密度高、非易失、可做三维集成，理论上能把权重放在离计算单元更近的位置，减少片外搬运。但 RRAM 的模拟计算精度、器件一致性和耐久性，在面向大模型推理的商用芯片中仍需要大量工程验证。公司通稿没有披露第一代 LPU 的制程、容量、带宽、功耗或目标客户，也没有披露 RRAM 是否用于存内计算、近存计算，还是仅作为高密度片上存储。这意味着“LPU 从内存架构入手”目前仍是一个方向性描述，而非可验证的产品规格。
资本结构里藏着两类完全不同的产业信号
本轮投资方名单值得拆开看。博原资本与博世创投同属博世体系，代表的是汽车与工业场景对新型存储和边缘推理的长期兴趣；兆易创新是国内 NOR Flash 和 MCU 龙头，其出现在 RRAM 公司的股东名单中，指向的是存储技术路线层面的产业协同；小米战投、米哈游、中关村科学城公司则分别代表终端、内容与地方国资三种不同的战略诉求。老股东中既有锦秋基金这样的天使轮领投方，也有复容投资、国开科创、恒裕资本、顺禧基金、中科创星等机构持续加注。
据公司通稿援引博原资本管理合伙人及董事长蒋红权博士的话称，对铭芯启睿的信任“始自十年前的 Graphcore 渊源”。锦秋基金合伙人郑晓超则表示，锦秋是铭芯天使轮的领投方，与卢涛认识多年。这两条信息共同说明，本轮融资的决策链条中，对卢涛个人的判断权重很高。这既是优势也是风险：当一笔硬科技投资的核心逻辑部分建立在“人”的履历和关系网络上时，团队在器件层面的技术积累能否独立支撑产品迭代，就成为一个需要持续观察的变量。
从资本结构看，本轮没有披露领投方出资比例、估值或股权稀释幅度。公司通稿仅披露“超 4 亿元”这一模糊金额。对于一家同时推进 RRAM 产业化和第一代 LPU 研发的公司来说，4 亿元量级的资金能够覆盖的研发深度是有限的。作为参照，一款面向数据中心的 AI 推理芯片从架构定义到流片、再到系统验证和客户导入，单轮投入通常以数亿美元计。铭芯启睿若要在 LPU 上做出可商用的产品，后续融资节奏和规模将是比本轮更关键的观察点。
“高端推理市场”是一个真实存在但极难定义的靶心
卢涛在通稿中提出了一个细分概念：推理市场的 Token 正在分层，标准档拼成本，越级档拼体验和未来业务逻辑，MemSilicon 专注服务高端推理市场。他给出的价值主张是“让 Token 成为每个人都用得起的生产资料——响应更快，成本更低”，并称客户会越来越看重 Token 的时效/成本比。
这个市场判断有合理之处。随着 Agentic AI 从单轮问答转向多步执行，低延迟确实正在从体验加分项变成业务成立的前提。但“高端推理市场”的客户画像并不清晰。是云厂商的 Premium 推理档位？是金融、医疗等对延迟敏感的企业客户？还是自动驾驶、具身智能等对实时性有硬约束的边缘场景？公司通稿没有披露具体客户，也没有给出目标场景的优先级。没有客户锚点的市场定位，在芯片行业往往意味着产品定义仍处于早期阶段。
更现实的约束来自竞争。即便铭芯启睿不与 GPU 正面竞争，它仍然要回答一个采购层面的问题：客户为什么要为一种新的推理芯片架构承担迁移成本？英伟达的 CUDA 生态、云厂商已有的推理优化栈、以及 Groq、Cerebras、SambaNova 等一批已经进入客户验证阶段的非 GPU 方案，共同构成了 LPU 必须穿越的替代方案丛林。公司通稿没有披露 LPU 的软件栈、编译器策略或与主流框架的兼容路径，而这些恰恰是推理芯片能否被客户试用的第一道门槛。
RRAM 产业化与 LPU 研发并行，资金和团队将面临双重分流
本轮资金用途被公司通稿表述为“主要用于 RRAM 的产业化与商业化，以及新产品 LPU 的研发”。这句话的模糊之处在于，它没有说明两者之间的资源分配比例。RRAM 产业化意味着要解决量产良率、可靠性、客户认证和供应链管理；LPU 研发则意味着要组建 AI 芯片架构、设计验证、软件和系统团队。这是两种不同的能力体系，对资金、人才和管理带宽的需求都很重。
从团队背景看，铭芯启睿的强项在 RRAM 器件与工艺，这是其产业化的基础。但 LPU 作为一款面向大模型推理的芯片，需要的是完整的 SoC 设计能力、内存子系统设计能力、以及面向 AI 负载的软件工具链。卢涛的加入可以补足产品定义和产业资源，但一个人无法替代一个完整的芯片架构与软件团队。公司通稿没有披露现有团队规模、LPU 研发团队的构成，也没有披露第一代 LPU 的目标流片时间。这些未披露项，恰恰是判断这家公司能否在两条战线上同时推进的关键。
一个值得注意的细节是，公司通稿中卢涛的表述是“正同步推进 RRAM 产品化和下一代 LPU 研发”，而董事长刘琦的表述是“从产品定义之初，就把 RRAM 与 LPU 的架构创新、工程实现、客户需求和商业交付放在一起考虑”。这两句话的共同指向是：RRAM 与 LPU 并非两个独立项目，而是同一条技术路线上的两个阶段。但“同步推进”与“从产品定义之初结合”之间的差别，会直接决定公司的资源分配方式。如果 RRAM 产业化需要先完成客户导入和收入验证，而 LPU 又需要长期高强度投入，那么两者之间的优先级冲突将不可避免。
验证边界：哪些是事实，哪些仍是单方声明
围绕本项目，需要集中说明的验证边界如下。本轮融资金额、投资方名单、卢涛出任 CEO 兼联合创始人、资金用途、团队源自中科院刘明院士团队等事实，均来自公司通稿及凤凰网科技、腾讯新闻、36 氪、钛媒体等媒体的报道，属于公司单方披露，尚无独立第三方审计或监管文件佐证。公司通稿中“领先的 RRAM 技术团队”“新一代推理引擎”“越级性价比”等表述，属于公司对自身技术地位和产品定位的判断，而非可独立核验的事实。腾讯新闻稿件中引用的 OpenAI 低延迟服务档位数据和 arXiv 论文解码时间占比数据，是公司稿件援引的第三方来源，不代表铭芯启睿自身产品的实测性能。公司未披露总部地址、成立年份、具体融资金额、股权比例、客户名单和营收数据。第一代 LPU 尚在研发阶段，公司未披露制程、容量、带宽、功耗、流片时间或目标客户，因此无法对其商业化时间表做出独立判断。
从已披露信息看，铭芯启睿的路径选择在逻辑上是自洽的：用 RRAM 的存储密度和近存计算潜力，去回应大模型推理中“数据搬运”这一真实瓶颈。但自洽的逻辑不等于可交付的产品。RRAM 从实验室器件到量产芯片，中间隔着良率、可靠性、一致性和成本的多重考验；LPU 从架构定义到客户试用，中间隔着软件生态、系统验证和采购决策的漫长链条。这家公司同时把两只脚踩在两条都很难走的路上，其真正的考验不在于融资故事是否成立，而在于第一代 LPU 能否在合理时间内拿出可被客户感知的差异化性能。
卢涛在通稿中的一句话值得被认真对待：“探索新大陆，就不能依靠单向度增加计算单元、存储密度、通信带宽的老地图。”这句话的诚实之处在于，它承认了旧地图的失效；但它的未竟之处在于，新大陆的坐标仍然模糊。铭芯启睿现在拿到的 4 亿元，买到的是一张继续画地图的资格，而不是地图本身。
RecodeX 极客视：当推理芯片的竞争从“算力峰值”转向“每 Token 的时效成本比”，存储技术公司的机会确实在变大。但 RRAM 的产业化与 LPU 的产品化是两场不同的战争，铭芯启睿用一笔 A 轮融资同时宣战，真正的悬念不是它能否讲清楚“存算协同”的故事，而是它能否在两条战线上都拿出可验证的交付物。在芯片行业，架构信仰需要用流片和客户订单来兑现，而这两样东西，目前都还在路上。
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。