36氪首發 | “華為天才少年”創業連融超4億元，做新一代推理芯片重構顯存成本

作者 | 喬鈺杰

編輯 | 袁斯來

硬氪獲悉，國內全自研GPGPU創新企業「北京行云集成電路有限公司」（以下簡稱“行云”）宣布連續完成Pre-A及Pre-A+多輪融資，融資金額超4億元人民幣。五源資本、賽富投資基金、春華資本聯合領投，以及北京、江蘇等地方國資、佰維存儲（688525）、金沙江聯合帶動知名GPU企業創始人家辦、創維資本等產業資本跟投。云岫資本連續多輪服務并擔任下一輪獨家融資財務顧問。

北京行云集成電路有限公司成立于2023年8月，專注針對大模型的新一代推理芯片，致力于使用非3D DRAM架構打造超大顯存規格、CUDA兼容的全自研GPGPU產品，推動AI大模型推理的普惠化。

行云創始人季宇博士，清華大學計算機系博士，“華為天才少年”計劃的一員，曾在華為海思深度參與昇騰AI芯片的編譯器與架構研發。CTO余洪敏博士，中科院半導體所博士，曾主導百度昆侖芯、海思昇騰等多款芯片的研發與量產，擁有十余款芯片成功流片經驗。

當前，在大模型架構持續演進的背景下，算力系統的瓶頸正在發生結構性變化。

季宇在接受硬氪采訪時表示，當前算法側的演進正在重塑硬件設計邏輯。以MoE（Mixture of Experts）為代表的稀疏模型，在計算效率上更具優勢，但需要預先加載更多專家參數，使得整體對內存容量的需求顯著高于傳統Transformer稠密模型。

大模型（千億/萬億參數）的顯存需求已從GB級躍升至TB級，這一過程中，系統成本結構也隨之重構——按GB計價的顯存成本，正逐步超過算力芯片本身，成為主導項。因此，“降本的關鍵已經不在算力，而在顯存”季宇稱。

基于這一判斷，行云選擇了一條與主流路徑不同的技術路線：放棄成本高昂的HBM（高帶寬內存），轉而采用LPDDR乃至NAND（SSD顆粒）等更低成本的存儲介質作為顯存介質。通過介質替換，使顯存成本降低1到2個數量級。

但低成本介質也意味著單顆粒帶寬較低。為彌補這一短板，行云在架構上采用多顆粒、多通道并行的設計，通過規模化堆疊將整體帶寬提升至TB級別，以滿足大模型推理對數據吞吐的需求。

季宇表示，隨著稀疏化和MoE架構的發展，模型對帶寬的絕對需求正在下降，系統設計不再需要一味追求極致帶寬，而是可以通過軟硬件協同，實現成本與效率之間的平衡。

這種思路也體現在行云的整體技術策略中。季宇強調，公司真正的稀缺性并不在單一芯片指標，而在于系統級的設計能力。通過諸如Prefill/Decode分離（PD分離）、KV Cache稀疏化等工程手段，行云能夠更靈活地適配AI應用形態的快速變化，從早期的Chatbot到當前逐步興起的Agent場景，降低因芯片研發周期較長所帶來的技術滯后風險。

產品驗證層面，行云此前推出的“褐蟻一體機”，已嘗試用CPU與通用內存構建低成本推理方案，驗證稀疏模型在非高端硬件上的可行性。目前，該方案已在DeepSeek的本地化部署場景中落地。

（圖源/企業）

接下來，公司將把重心轉向自研芯片的推進。季宇表示，公司今年的核心目標是完成芯片流片，并盡快推向市場，以芯片產品作為商業化的主要抓手。

當下，Open Claw的現象級傳播也揭示了市場對消費級硬件承載高質量AI的巨大需求。季宇表示，行云希望通過其芯片產品，將低成本、高質量的萬億級模型算力真正落地到如龍蝦機等端側設備，突破當前端側僅能運行100B小模型的局限，為消費電子市場打開新的想象空間。

CTO余洪敏表示，行云的設計優先級已從追求單芯片極致性能，轉變為從板級系統角度追求可擴展性與供應鏈穩定性。通過分布式設計和采用成熟工藝與低成本存儲，在系統層面實現成本最優與性能體驗一致，這是公司實現算力普惠的重要基礎。

投資方觀點

峰瑞資本副總裁李罡表示：作為天使輪投資人，行云團隊從23年創業開始，對AI芯片（特別是大模型環境下的AI芯片）有著極為前瞻的視角和思路。在近三年的模型和應用的快速變化中，我們看到行云針對下一代通用大模型的芯片方案和前瞻的設計思想，不斷得到驗證，始終領先時代半步。

五源資本表示：行云是AI芯片領域少有的‘第一性原理’思考者，季宇博士24年就前瞻性地洞察到MoE稀疏架構下硬件瓶頸從算力向顯存遷移的結構性轉變——放棄HBM、以LPDDR乃至NAND重構顯存成本，不是漸進優化，而是通過系統級的軟硬件協同設計能力推動行業范式創新。2026年以來隨著AI模型coding和agent能力持續增強，AI推理需求爆發，OpenClaw等Agent的現象級破圈，正在將推理算力需求從云端拉向多端，從程序員推向大眾，高效低成本的推理能力成為行業剛需。伴隨未來推理需求的指數級增長，行云的技術路徑將成為推動算力普惠的重要基礎設施。

賽富投資基金負責科技賽道的管理合伙人蔣馳華表示：在AI大模型向萬億參數演進的過程中，降本的關鍵已經不在算力，而在顯存和系統的架構，特別是在國產算力受限的前提下。季宇和行云團隊展現出了罕見的系統級工程視野，他們跳出了盲目堆砌HBM的行業定式，通過LPDDR/NAND等介質替換與并行架構設計，將顯存和系統成本打下來一到兩個數量級，進而實現單Token成本極值，符合行業演進的方向。我們始終聚焦AI與具身智能領域的底層顛覆者。行云兼具前瞻的架構創新與扎實的落地能力，賽富很榮幸能在這一輪重倉支持。我們期待行云的新一代推理芯片徹底重構算力成本模型，真正實現大模型推理在云端與端側的全面普惠。

春華資本表示：在國產算力生態加速構建的大背景下。行云敏銳地將設計重心錨定在顯存成本重構上，以LPDDR與NAND替代HBM、通過多通道并行架構彌補單顆粒帶寬不足，本質上是在重新定義推理芯片的成本架構。季宇博士對AI芯片架構的演進方向有著超越行業慣性的深度思考，他對‘降本關鍵在顯存而非算力’的判斷，始終領先行業共識半步，且每一步都在被市場持續驗證；余洪敏博士作為從海思昇騰到百度昆侖芯一路走來的芯片老兵，對芯片從設計到量產的每一個環節都有實戰積累。這種‘敢想’與‘能做’的結合，讓行云具備了從架構創新到產品交付的完整閉環能力。我們期待行云的首顆自研芯片順利流片，開啟AI推理算力的新一輪成本革命。

佰維存儲科技股份有限公司副總經理王燦：在大模型從通用AI向Agent形態演進的發展階段，季宇博士展現了極具前瞻性的系統級洞察。他精準地識別出：大模型推理的結構性瓶頸已不再僅僅是算力本身，而是制約規模化落地的更低成本的存儲。行云的核心邏輯非常清晰——通過介質替換與架構創新，以低成本的LPDDR乃至NAND介質挑戰昂貴的HBM霸權，這不僅是物理介質的更迭，更是對大模型推理成本結構的底層重構。圍繞這一核心路徑，行云構建了極致的軟硬件協同設計，通過PD分離、分布式擴展等手段，在系統層面實現了性能與成本的平衡。芯片行業，工程經驗決定了從‘實驗室架構’到‘商業化量產’的跨度。行云團隊在昇騰、昆侖芯等頂尖項目上積淀的深厚流片與量產經驗，是其確定性的來源。在AI Agent爆發的當下，我堅信行云能夠真正擊穿算力成本，讓高質量的萬億級模型實現真正的算力普惠。