微珩啟元一月内完成兩輪融資，浙大博士團隊以3D DRAM+近存計算破局AI推理“内存牆”

　　AI大模型進入規模化推理階段後，競争的焦點正在發生變化。除了芯片的算力之外，數據搬運效率、能耗和單位Token成本，也越來越影響推理系統的整體效率。

　　在這樣的背景下，一家創業公司——杭州微珩啟元科技在一個月内連續完成兩輪融資，引發市場關注。該公司未披露兩輪融資的具體金額和投資方，資金将主要用于AI推理芯片及高帶寬内存相關技術的研發與設計。

　　微珩啟元由浙江大學信息與通信工程博士李炳博參與創辦并擔任CTO。他選擇的技術切入點，是通過3D DRAM堆疊和近存計算縮短存儲與計算之間的距離，從芯片架構層面緩解AI推理中的“内存牆”問題。

　　浙大博士與連續創業者組隊

　　從核心團隊履曆來看，微珩啟元并不是一支從零開始組建的創業團隊。

　　李炳博擁有20多年芯片研發與管理經驗，曾主導多款3D DRAM計算芯片完成從研發、流片到量産落地的全過程，量産過中國最早的近存計算芯片。與他同行的還有兩位連續創業者：董事長孔劍平是毫微科技(Nano Labs)創始人，曾帶領嘉楠科技和毫微科技兩度登陸資本市場;CEO胡楠則是Nano Labs聯合創始人，曾入選工信部IC領軍人才。他們三位在芯片領域也共事近十年。

　　這一團隊此前已經曆過多輪芯片産品化過程。2018年底開始設計近存計算芯片;2020年，團隊完成國内最早的近存計算ASIC芯片商業化量産;2021年，實現3D堆疊近存計算芯片商業化量産，同期團隊成為中芯國際N+1工藝的早期量産客戶;2022年，國内最早實現800mm²大尺寸全RDL走線封裝量産;2024年，又完成3D堆疊480mm²近存計算ASIC量産。相關經曆覆蓋芯片架構、3D DRAM、高性能計算、GPU和軟件等環節。團隊計算芯片累計銷售超過250億。

　　除了核心創始團隊，微珩啟元還引入了學術顧問。現任香港科技大學首席副校長、香港生成式人工智能研發中心主任郭毅可擔任首席人工智能科學家顧問。

　　連續創業者、芯片工程團隊與科學家顧問的組合，使這家公司具備了從架構設計到流片、量産和大規模應用的完整基礎。

　　從“堆算力”轉向縮短數據搬運距離

　　微珩啟元瞄準的，是AI推理中越來越突出的“内存牆”問題。

　　在傳統馮·諾依曼架構中，計算單元和存儲單元相互分離。大模型推理時，數據需要在存儲和計算單元之間反複搬運。當數據供給速度跟不上計算速度，芯片的實際算力利用率就會下降，同時還會帶來更高的延遲和能耗。

　　随着大模型參數規模、上下文長度和并發請求持續增加，這一問題在推理場景中被進一步放大。對于雲端大模型服務而言，芯片峰值算力不再是唯一決定因素，内存帶寬、數據訪問效率和單位Token成本同樣關鍵。

　　微珩啟元采用的解題思路，是将“計算、存儲和互聯”作為一個整體進行設計。一方面，通過多層DRAM堆疊和高密度垂直互連，縮短存儲與計算之間的物理距離，拓寬并行數據通道;另一方面，通過近存計算，讓部分計算任務在更靠近存儲的位置完成，減少數據在不同單元之間的往返。

　　在具體技術實現上，微珩啟元的核心路徑是将3D DRAM近存、SRAM存算與RISC-V異構三大方向融為一體：以3D DRAM近存計算承接大模型推理對高帶寬、大容量存儲的需求，以SRAM存算一體加速對時延最敏感的核心算子，再通過開放可定制的RISC-V架構實現多類計算單元的異構調度與協同;同時，整條技術路線立足國産先進工藝落地，在性能、成本與供應鍊自主可控之間取得平衡，為國内AI推理芯片提供了一條可規模量産、可持續疊代的架構選擇。

　　通俗地說，就是讓數據“少搬家”、讓計算“離數據更近”。在AI推理負載中，這種架構思路有望同時改善内存帶寬、訪問延遲、能效和推理成本。

　　産品形态：從芯片、加速卡到推理集群

　　按照微珩啟元的規劃，這一技術路徑正通過四代核心産品系列逐步落地。公司以中國古代科學家與發明家為産品代際命名——第一代“蔡倫”C系列、第二代“劉徽”L系列、第三代“一行”Y系列、第四代“畢昇”B系列，形成清晰、可持續的技術演進脈絡。目前，前兩代“蔡倫”C系列和“劉徽”L系列已率先完成規劃，構成微珩啟元面向AI推理場景的核心芯片路線，支持64至千卡超節點及超大集群内存架構，為超大規模MoE模型提供高效推理算力。産品形态覆蓋雲端服務器推理加速卡與大規模推理集群解決方案，适配超長上下文、超大參數模型和多Agent等任務對高性能、高帶寬、高能效算力的需求，也延伸至私有化大模型部署、桌面端AI推理芯片等場景。

　　針對雲端，其服務器推理加速卡面向雲廠商和政企數據中心，可用于私有化大模型集群和API服務建設。同時，微珩啟元也在布局推理超節點和千卡規模的“Token工廠”解決方案。以3D DRAM和近存計算芯片為基礎，結合KV-Cache池化以及與國産GPU的異構組網，為大規模MoE模型提供推理算力。公司已儲備近百億客戶需求。

　　這意味着微珩啟元的目标并非單點芯片替代，而是圍繞高帶寬存儲和近存計算，構建一套面向AI推理的系統級方案。

　　融資之後，加速從技術驗證走向規模落地

　　從行業角度看，微珩啟元代表的是一條不同于單純提升峰值算力的技術路徑：通過重構計算與存儲的關系，降低數據搬運帶來的額外消耗。

　　一個月内連續完成兩輪融資，反映出投資方對微珩啟元技術路線、工程化能力和商業化前景的關注。與此同時，國内在混合鍵合、先進封裝、光電共封等關鍵環節的産業優勢，也為3D堆疊與近存計算架構的規模化應用提供了有利的産業條件。

　　當前，AI應用進入大規模推理階段，産業競争正從單一算力指标轉向性能、能耗、成本與交付能力的綜合比拼。随着核心産品系列後續完成量産并獲得規模化應用，微珩啟元或将能夠為國内AI推理算力提供一種新的架構選擇，為中國AI産業構建更高效、更自主的推理算力底座。