微珩启元一月内完成两轮融资，浙大博士团队以3D DRAM+近存计算破局AI推理“内存墙”

　　AI大模型进入规模化推理阶段后，竞争的焦点正在发生变化。除了芯片的算力之外，数据搬运效率、能耗和单位Token成本，也越来越影响推理系统的整体效率。

　　在这样的背景下，一家创业公司——杭州微珩启元科技在一个月内连续完成两轮融资，引发市场关注。该公司未披露两轮融资的具体金额和投资方，资金将主要用于AI推理芯片及高带宽内存相关技术的研发与设计。

　　微珩启元由浙江大学信息与通信工程博士李炳博参与创办并担任CTO。他选择的技术切入点，是通过3D DRAM堆叠和近存计算缩短存储与计算之间的距离，从芯片架构层面缓解AI推理中的“内存墙”问题。

　　浙大博士与连续创业者组队

　　从核心团队履历来看，微珩启元并不是一支从零开始组建的创业团队。

　　李炳博拥有20多年芯片研发与管理经验，曾主导多款3D DRAM计算芯片完成从研发、流片到量产落地的全过程，量产过中国最早的近存计算芯片。与他同行的还有两位连续创业者：董事长孔剑平是毫微科技(Nano Labs)创始人，曾带领嘉楠科技和毫微科技两度登陆资本市场;CEO胡楠则是Nano Labs联合创始人，曾入选工信部IC领军人才。他们三位在芯片领域也共事近十年。

　　这一团队此前已经历过多轮芯片产品化过程。2018年底开始设计近存计算芯片;2020年，团队完成国内最早的近存计算ASIC芯片商业化量产;2021年，实现3D堆叠近存计算芯片商业化量产，同期团队成为中芯国际N+1工艺的早期量产客户;2022年，国内最早实现800mm²大尺寸全RDL走线封装量产;2024年，又完成3D堆叠480mm²近存计算ASIC量产。相关经历覆盖芯片架构、3D DRAM、高性能计算、GPU和软件等环节。团队计算芯片累计销售超过250亿。

　　除了核心创始团队，微珩启元还引入了学术顾问。现任香港科技大学首席副校长、香港生成式人工智能研发中心主任郭毅可担任首席人工智能科学家顾问。

　　连续创业者、芯片工程团队与科学家顾问的组合，使这家公司具备了从架构设计到流片、量产和大规模应用的完整基础。

　　从“堆算力”转向缩短数据搬运距离

　　微珩启元瞄准的，是AI推理中越来越突出的“内存墙”问题。

　　在传统冯·诺依曼架构中，计算单元和存储单元相互分离。大模型推理时，数据需要在存储和计算单元之间反复搬运。当数据供给速度跟不上计算速度，芯片的实际算力利用率就会下降，同时还会带来更高的延迟和能耗。

　　随着大模型参数规模、上下文长度和并发请求持续增加，这一问题在推理场景中被进一步放大。对于云端大模型服务而言，芯片峰值算力不再是唯一决定因素，内存带宽、数据访问效率和单位Token成本同样关键。

　　微珩启元采用的解题思路，是将“计算、存储和互联”作为一个整体进行设计。一方面，通过多层DRAM堆叠和高密度垂直互连，缩短存储与计算之间的物理距离，拓宽并行数据通道;另一方面，通过近存计算，让部分计算任务在更靠近存储的位置完成，减少数据在不同单元之间的往返。

　　在具体技术实现上，微珩启元的核心路径是将3D DRAM近存、SRAM存算与RISC-V异构三大方向融为一体：以3D DRAM近存计算承接大模型推理对高带宽、大容量存储的需求，以SRAM存算一体加速对时延最敏感的核心算子，再通过开放可定制的RISC-V架构实现多类计算单元的异构调度与协同;同时，整条技术路线立足国产先进工艺落地，在性能、成本与供应链自主可控之间取得平衡，为国内AI推理芯片提供了一条可规模量产、可持续迭代的架构选择。

　　通俗地说，就是让数据“少搬家”、让计算“离数据更近”。在AI推理负载中，这种架构思路有望同时改善内存带宽、访问延迟、能效和推理成本。

　　产品形态：从芯片、加速卡到推理集群

　　按照微珩启元的规划，这一技术路径正通过四代核心产品系列逐步落地。公司以中国古代科学家与发明家为产品代际命名——第一代“蔡伦”C系列、第二代“刘徽”L系列、第三代“一行”Y系列、第四代“毕昇”B系列，形成清晰、可持续的技术演进脉络。目前，前两代“蔡伦”C系列和“刘徽”L系列已率先完成规划，构成微珩启元面向AI推理场景的核心芯片路线，支持64至千卡超节点及超大集群内存架构，为超大规模MoE模型提供高效推理算力。产品形态覆盖云端服务器推理加速卡与大规模推理集群解决方案，适配超长上下文、超大参数模型和多Agent等任务对高性能、高带宽、高能效算力的需求，也延伸至私有化大模型部署、桌面端AI推理芯片等场景。

　　针对云端，其服务器推理加速卡面向云厂商和政企数据中心，可用于私有化大模型集群和API服务建设。同时，微珩启元也在布局推理超节点和千卡规模的“Token工厂”解决方案。以3D DRAM和近存计算芯片为基础，结合KV-Cache池化以及与国产GPU的异构组网，为大规模MoE模型提供推理算力。公司已储备近百亿客户需求。

　　这意味着微珩启元的目标并非单点芯片替代，而是围绕高带宽存储和近存计算，构建一套面向AI推理的系统级方案。

　　融资之后，加速从技术验证走向规模落地

　　从行业角度看，微珩启元代表的是一条不同于单纯提升峰值算力的技术路径：通过重构计算与存储的关系，降低数据搬运带来的额外消耗。

　　一个月内连续完成两轮融资，反映出投资方对微珩启元技术路线、工程化能力和商业化前景的关注。与此同时，国内在混合键合、先进封装、光电共封等关键环节的产业优势，也为3D堆叠与近存计算架构的规模化应用提供了有利的产业条件。

　　当前，AI应用进入大规模推理阶段，产业竞争正从单一算力指标转向性能、能耗、成本与交付能力的综合比拼。随着核心产品系列后续完成量产并获得规模化应用，微珩启元或将能够为国内AI推理算力提供一种新的架构选择，为中国AI产业构建更高效、更自主的推理算力底座。