铭芯启睿（MemSilicon）宣布完成一轮超过4亿元的融资。本轮融资由博源资本主导，博世风险投资、创业资本、米哈游、中关村科学城公司、赵毅创新、老股东复合投资、国开科技创新、恒宇资本、金秋基金、顺溪基金、小米战争投资、中国科技创新明星继续加注。这一轮融资将主要用于RRAM的工业化和商业化，以及新产品LPU的研发。

MemSilicon还宣布，前Graphcore总裁兼大中华区总经理卢涛加入团队，担任CEO和创始人。公司战略新升级:不断推进阻变存储（RRAM）在实用性的基础上，启动大模型推理第一代LPU研发，打造“满血模型、高速token”、新一代跨级性价比推理引擎。

随着Agentic人工智能时代的到来，人工智能的实施已经从问答转变为完成复杂而漫长的任务。下一步竞争的关键指标将从峰值算率转变为任务结束效率。

一项任务包括多轮推理、工具调用和前后重用，也可以启动多项并行工作。客户需要的不仅仅是更多的代币，而是在保证质量的前提下，更快地解码输出，更多的任务可以并行，降低一项任务的成本。

这就要求推理系统从架构层面进行创新，同时改进计算、存储、互联和调度。因此，会计协作被认为是打破游戏的核心途径之一。

他曾任Xi智科技副总裁、Graphcore总裁、大中华区总经理、Cavium中国区总经理，长期关注AI基础设施核心部件，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，兼顾技术、商品和市场的复合角度。

陆涛认为，大型模型推理正进入架构创新的关键时期，单纯依靠单一维度的计算率提高已不能满足“低延迟、长前后、高吞吐”的综合需求。会计协作是打破游戏的关键途径之一。

卢涛说：“memsilicon的定位非常明确，不符合GPU内卷，注重全血模型高速token的感受，以跨级性价比服务高端推理市场。大型模型推理提出了一个新课题，不仅要运行完整的模型，还要在可承受的成本下快速响应。这是目前通用GPU架构和纯SRAM架构的无人区。要探索新世界，我们不能依靠单向度来增加计算单元、存储密度和通信带宽的旧地图。我们必须重新思考计算什么、计算在哪里、如何存储权重和如何传输数据的系统级问题。依托中国领先的存储战略深度，结合我们在人工智能芯片产品定义和产业落地方面的积累，memsilicon正在同时推动RRAM的实用化和下一代LPU的研发，加快存储协调实施。”

Memsilicon团队起源于中国科学院刘明院士团队，在材料、设备、工艺、ic设计等基础技术方面积累了20多年。从材料和设备物理出发，团队的工作延伸到可靠性、工艺集成、IP和ic设计，然后推广到流量验证和应用；除了RRAM，团队在三维集成、近存计算和混合存算架构方面也有着丰富的科研积累。

卢涛透露，MemSilicon已开始开发第一代LPU，主要面向Agentic 人工智能时代“低延迟、长前后文、高吞吐”的核心需求。

推理市场的Token正在分层，标准档拼成本，跨级档（Premium）MemSilicon专注于服务大模型推理需求，提供新一代算率基础。

大模型推理解码阶段的本质是内存运输密集型任务。每次生成代币，都要反复运输模型权重和KV缓存数据，这是独立堆叠算率难以解决的瓶颈。

增加GPU数量可以在一定程度上减少延迟，但也可以提高功耗、网络复杂性和单位服务成本。注重批处理的服务模式可以增加吞吐量，但会减缓面向用户的智能身体。

与传统人工智能芯片独立追求算率指标的理念不同，MemSiliconLPU专注于内存技术和内存架构创新，从系统方面同步改进计算、存储和互联，共同处理大型模型推理的瓶颈。

卢涛说：“我们希望让代币成为每个人都能负担得起的生产要素——响应更快，成本更低。当大型模型、独立的代币和特定的智能开始承担更持续、更复杂甚至物理世界的长期任务时，低延迟将成为新业务成立的前提。

在关键场景中，加班就是失败。因此，客户在衡量推理价值时，会越来越重视代币的及时性/成本比。我们的LPU从内存架构入手，协同优化计算和互联，让每个用户在保证充血模型能力的同时享受高速代币，兼顾系统吞吐量和整体成本。这是代币 LPU的第一阶段目标。”

免责声明：网站内容仅作资讯展示，不构成各类业务指导建议。访问者应当自行甄别信息，审慎评估风险，因使用本站信息产生的相关后果由使用者自行承担。本站尊重各方知识产权，如有侵权内容，可联系站长进行处理。