近日消息，杭州微珩启元科技有限公司（以下简称：微珩启元）在一个月内连续完成两轮融资，资金将投向AI推理芯片及高带宽内存相关技术的研发与设计。

　　目前融资额和投资方均未披露，但这一动作已经传递出明确信号：资本市场正在加速向“以内存为中心”的推理芯片技术路线下注。

　　过去很长一段时间里，行业普遍以峰值算力作为核心标尺，衡量一家AI芯片企业的技术实力与发展潜力。但随着大模型进入规模化落地的深水区，一个长期被高算力光环掩盖的现实问题逐渐凸显：即便芯片峰值算力再高，如果数据无法及时完成调度传输，实际运算效率就会被内存带宽牢牢限制，无法充分释放算力价值。

　　据TrendForce集邦咨询引用的行业研究数据，AI算力每两年可实现约3倍增长，而内存带宽仅增长1.6倍，互连带宽增长约1.4倍。

　　伴随着MoE混合专家模型、长上下文大模型逐步成为行业应用常态，推理场景中核心的KV Cache体量已经从百GB级向TB级快速跃迁，大模型解码阶段的性能瓶颈早已从早年的“算不动”，转变为如今普遍面临的“搬不及”。

　　而在传统冯·诺依曼架构下，计算单元与存储单元物理分离，数据需要在两者之间频繁往返调度，这一过程不仅会带来难以规避的延迟，还会产生大量额外功耗，直接推高每单位Token的生成成本。

　　不同于模型训练阶段的一次性高峰投入，推理是大模型落地后每日持续产生的刚性运营成本，模型规模越大、上下文长度越长、并发访问量越高，整个系统就越容易被内存容量、内存带宽、数据搬运能耗这三大核心因素钳制。

　　这一行业底层矛盾的变化，直接推动AI推理芯片的竞争维度发生根本性转向：从“谁算得更快”转向“谁搬得更少、搬得更近、搬得更便宜”。

　　而微珩启元瞄准的，正是AI推理中越来越突出的“内存墙”问题。

　　公开资料显示，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，团队长期深耕芯片架构、3D DRAM、高性能计算、GPU、软件与半导体产业化，具备从架构设计到流片、量产的完整工程能力。

　　在微珩启元的技术路线里，就是通过3D DRAM堆叠和近存计算，从物理层面缩短数据搬运的距离。

　　具体路径上，微珩启元围绕“计算+存储+互联”的技术核心，将PNM/DCIM存算一体计算架构与分层存储体系深度融合，把高带宽3D DRAM与近存计算核心做深度集成，率先将AI存储分层理念落地为芯片级工程实践，突破了传统AI芯片长期存在的内存带宽不足、数据移动开销大、功耗高、推理成本居高不下等瓶颈，提前卡位“以异构内存为中心”的下一代计算范式变革。

　　在产品规划层面，微珩启元用中国古代科学家的名字命名了四代芯片系列，分别为“蔡伦”C系列、“刘徽”L系列、“一行”Y系列、“毕昇”B系列。目前前两代已率先完成规划，可支持64至千卡超节点及超大集群内存架构，面向超大规模MoE模型推理，产品形态覆盖云端推理加速卡与集群解决方案，并进一步延伸至桌面端AI推理场景。

　　与此同时，微珩启元也在同步布局推理超节点和千卡规模的“Token工厂”方案，以3D DRAM和近存计算芯片为基础，结合KV-Cache池化与国产GPU异构组网，目前已经储备了近百亿规模的客户需求。这意味着它对标的不是一颗孤立的芯片，而是一套面向AI推理的系统级交付方案。

　　从行业发展的长期视角来看，微珩启元的快速融资与技术布局，恰好踩中了大模型商业化落地的核心痛点。当整个行业不再单一追求峰值算力的数字竞赛，转而聚焦推理环节的实际运行效率与长期成本控制，“以内存为中心”的技术路线正在从边缘探索走向行业主流。

　　而微珩启元凭借团队在存算融合领域的长期积累，有望在AI推理芯片的差异化赛道中跑出独特优势，也为国产AI芯片突破传统算力内卷、开辟新的技术路径提供全新的可能性。