AI百科网 AI教程
产业观察

亿铸科技拿 10 亿,存算一体又要热一轮

存算一体芯片公司亿铸科技完成超 10 亿元融资。本文解释这门生意省钱的原理、它卡在哪几关,以及你怎么判断这类新架构公司值不值得跟。

本文目录 · 6 节

大模型把算力价格顶上去之后,凡是宣称能「降本」的芯片路线,资本市场都会多看一眼。据雷峰网报道,专注通用存算一体架构的亿铸科技宣布完成 10 亿元以上的融资,用于研发投入、产品迭代和产业化。这已经是这条技术路线又一次拿到大钱——它省钱的道理不复杂,难的是把道理变成货。

一、发生了什么

据雷峰网报道,亿铸科技正式运营于 2022 年,聚焦通用存算一体技术,坚持「通用存算一体加超异构」路线,围绕 3D DRAM 存算一体等方向布局。按该公司披露的口径,其产品主打大吞吐、高性价比、低功耗,并兼容 CUDA、PyTorch 等主流生态,面向数据中心和 AI 云计算场景,目标是把 Token 成本做下来。此轮融资 10 亿元以上,资金将投向研发与产业化推进。这是背景,不是论文结论,也不是第三方实测:存算一体的原理是把计算搬进存储单元里做,省掉数据在芯片内来回搬运的开销。传统架构下,数据在内存和运算单元之间挪动消耗的时间和功耗,往往超过计算本身;训练和推理又是典型的访存密集任务,搬运越省,账越划算。这条路上并非只有一家公司在走:国内已有多家团队分别押注基于不同存储介质的方案,有的从端侧语音切入,有的主打大算力推理,亿铸科技选的是通用架构加 3D DRAM 方向,试图覆盖训练和推理两类负载。路线的分歧本身就说明行业还没收敛:哪家介质在容量、带宽和耐久性之间找到最好的平衡,哪家才有资格谈量产。

二、跟你有什么关系

如果你买云上算力,新架构量产意味着 Token 单价有进一步下探的空间。如果你是芯片从业者,这是一条绕开先进制程内卷的路——制程每前进一代的代价越来越高,而减少搬运是架构层面就能兑现的省法。如果你是投资人,这类公司值多少钱,最终取决于生态兼容和真实订单,不是架构论文。

三、怎么判断

读到这儿,可以顺路看 把找靶点改成推状态,同济团队创业 扰动之心完成数千万天使轮,用几何世界模型推演细胞状态而不是筛靶点。读完知道这条路和主流 AI 制药差在哪、判断靠不靠谱要看哪几件事。
  1. 看生态兼容声明能不能兑现:号称兼容主流软件栈,要看有没有客户在其上跑通真实训练或推理任务。
  2. 看落地场景顺序:从访存占比高的推理场景切入,比一上来就对标全场景训练更可信;推理对精度的容忍度也更高,是新架构最合理的练兵场。
  3. 看量产节点:架构再好,没有可交付的流片和整机方案,就还停在故事阶段;资本的热度要换成工程进度表才有意义。

四、三个别信的说法

新架构一到就能替代 GPU。 存算一体改的是搬运效率,不影响 CUDA 生态里沉淀的软件资产,替代只能从增量场景开始。 融资到位等于技术成熟。 据报道此轮资金本身就是投向研发和产业化,说明量产验证仍是待完成的事,不是已完成的事;融资节奏快,恰恰因为这一步还没有走出来。 降本宣传就是降价承诺。 所有成本数字都是厂商口径,实际 Token 价格以采购合同和公开报价为准。

五、一句话结论

算力的下一波降价,未必来自制程,也可能来自少搬一次数据——但先让客户跑起来,再谈替代不迟。

信息来源

功能与价格以官方公告为准。本文写于 2026 年 10 月 26 日。

关于这篇

本文为编辑整理的行业动态,未附官方原文链接。涉及价格、参数、发布时间的,请以厂商官方页面为准;发现错误可来信指出,会在「本次更新」里注明。

下一站 · 具身智能 机器人学拧螺丝,为什么要拆成两步教 读完能理解机器人自主拧螺丝为何难:接触密集、发力精细、环境多变。新研究把任务拆成两段三模块,在真机上做到对齐成功率接近熟练工人,做具身操作的人可参考其分步思路。
下一篇,直接发你邮箱

每周一封,只发新教程和可复制模板。不发广告,随时退订。

复制规范引用格式,便于转载注明出处
这篇有用吗?