通芯智能获数亿元融资,龙芯海光背景团队切入AGI芯片赛道
由龙芯、海光核心成员组建的通芯智能完成数亿元融资,聚焦通用人工智能(AGI)专用芯片研发。该公司依托通研院孵化背景,试图以硬件层面突破解决大模型推理效率瓶颈,成为国产AI芯片生态中又一新势力。
通芯智能近日完成数亿元新一轮融资,引发行业关注。这家由龙芯、海光等国产CPU企业核心技术人员集结成立的初创公司,正将目光投向通用人工智能(AGI)专用芯片领域,试图从底层硬件架构入手,应对当前大模型推理成本高、能效比低的现实挑战。
据公开信息,通芯智能脱胎于国家集成电路创新中心(通研院)孵化项目,核心团队具备深厚国产处理器研发背景:多位联合创始人曾长期任职于龙芯中科与海光信息,主导过指令集设计、微架构优化及高性能计算芯片流片工作。其技术路线明确指向AGI场景下的高能效、低延迟推理需求,而非简单复刻GPU或NPU路径。
当前主流大模型训练与推理仍高度依赖英伟达GPU集群,但随着参数量持续攀升至万亿级,算力成本与功耗问题日益凸显。杨立昆、李飞飞等学者近年反复强调:若无专用硬件支撑,AGI的实用化将面临“算力悬崖”。通芯智能的定位正是回应这一根本性问题——通过定制化芯片架构,在保持模型能力的同时显著降低单次推理的能耗与延迟。
值得注意的是,通芯智能并非孤例。在国产AI算力芯片整体放量加速的背景下,2026年Q1-Q3期间,A股5家头部企业合计营收同比大增98%,寒武纪、海光等已实现单季扭亏或减亏,毛利率普遍维持在50%左右。行业正从早期政府主导的智算中心采购,快速转向字节、阿里、腾讯、DeepSeek、智谱等互联网与大模型公司成为核心客户,“国芯适配国模”已成标配。
与此同时,光互连技术作为算力基础设施的关键升级方向,也在同步推进。英伟芯等企业近期同样完成数亿元Pre-A与Pre-A+轮融资,聚焦硅光芯片与NPO/CPO光引擎研发;斯瑞新材则凭借钨铜热沉材料切入1.6T/3.2T光模块供应链,上半年相关业务收入同比激增388%。这些上下游环节的协同突破,为通芯智能等芯片设计公司提供了更成熟的制造与封装支持环境。
通芯智能的技术路径尚未完全公开,但根据行业分析,其可能采用“存算一体+稀疏计算+动态精度调节”三位一体架构:一方面减少数据搬运带来的功耗浪费;另一方面针对不同任务阶段(如知识检索、逻辑推理、语言生成)动态调整计算精度与并行度,避免全模型全程高精度运行造成的资源冗余。
该策略与传统AI芯片厂商形成差异。例如,燧原科技主攻训练卡,摩尔线程侧重图形与推理融合,而通芯智能明确将AGI推理作为第一目标场景。其团队过往在龙芯3A/3B系列及海光DCU中的低功耗设计经验,或可转化为AGI芯片的能效优势。
资本市场的认可也印证了这一方向的可行性。本轮融资由多家专注硬科技的机构参与,包括上海科创基金、经纬创投与中金资本等,老股东亦持续加码。资金将主要用于工程样片流片验证、EDA工具链适配以及与头部大模型公司的联合调优。
需指出的是,AGI芯片尚处早期探索阶段。目前尚无统一定义的AGI基准测试集,各厂商对“通用性”的理解存在分歧。部分观点认为,真正的AGI芯片需支持多模态输入、自主规划与元学习能力,这对片上存储带宽、异构调度机制提出极高要求;另一派则主张先解决“类AGI”任务(如长上下文推理、工具调用)的效率瓶颈,再逐步扩展能力边界。
通芯智能的选择偏向后者——聚焦具体高价值场景,如大模型的实时对话响应、复杂决策链推理等,通过专用电路单元提升关键路径性能。这种务实策略有助于缩短产品落地周期,也为后续迭代预留空间。
从产业链角度看,通芯智能的出现进一步丰富了国产AI芯片的生态拼图。此前市场主要由训练端(昇腾、海光DCU)、推理端(寒武纪MLU、地平线征程)和边缘端(瑞芯微、全志)构成,而AGI专用芯片作为新兴细分赛道,有望填补“高复杂度、低延迟、可持续推理”场景的空白。
值得一提的是,该公司并未选择独立构建完整IP核体系,而是基于RISC-V开放生态进行扩展开发,既降低授权风险,又便于与国内软件栈(如MindSpore、PaddlePaddle)深度耦合。这也符合当前国产芯片“软硬协同、生态共建”的主流趋势。
随着2027年NPO/CPO光互连方案进入规模商用节点,以及国产7nm/5nm先进制程逐步成熟,AGI芯片的物理实现条件正趋于完备。通芯智能能否在这一窗口期完成从原型到量产的跨越,不仅关乎自身成败,也将影响国产AI算力在通用智能时代的竞争格局。
目前,该公司已启动首轮客户导入,计划于2027年Q2交付工程验证芯片。若进展顺利,有望在2027年底实现小批量出货,并参与下一代国产超节点系统建设。
