不到半年融资近20亿，稀疏算力这么值钱吗？

本文来自微信公众号： 第四波 ，编辑：邱慧，作者：王晨近日，聚焦稀疏计算生态的墨芯人工智能（以下简称“墨芯”）宣布完成近10亿元C+轮融资。这距离上一轮近10亿元融资落地仅约5个月。

半年不到，该公司已经融资两轮合计近20亿元。5月，墨芯称，融资是为新一代计算卡量产和算力网络扩张。到了11月，新一轮资金又用于推理芯片的软硬件升级、下一代芯片预研，以及稀疏计算产学研合作。

两次融资金额接近，一次是把计算卡做出来、交到更多客户手上，另一次是把客户部署时遇到的问题带到下一代产品的研发。对墨芯而言，问题可能不只是把芯片做出来，如何让客户愿意为一套不同于现有方案的软硬件系统付费，才是关键。

01资本在押什么？2018成立的墨芯，融资历程可追溯到2020年3月，且在其早期投资者中，已经出现产业资本。当时的近千万美元天使轮由凯旋创投领投，创享基金、云天使基金跟投。此后，墨芯又经历多轮融资。

2021年1月，墨芯获得浪潮云海基金战略投资，老股东凯旋创投继续跟投。浪潮是服务器供应商，AI服务器是其业务之一。2021年至2024年，墨芯先后披露1亿元Pre-A轮融资、数亿元A轮融资，以及各数亿元的A+轮和B轮融资。

其中，A+轮和B轮是在2024年4月统一披露的，实际完成于此前半年中。今年5月披露的C轮融资中，深创投、大湾区共同家园、力鼎资本、蕴盛资本等机构参与，凯旋创投、盛景嘉成、岩山科技等老股东继续投资。

11月披露的C+轮，包括仁爱资本、海棠基金、东恒石油、比丘资本、派拉资本、中财资本等投资方。创始团队的背景或许是其获得资本认可的理由之一。团队的经历覆盖芯片架构、算法与工程开发。创始人兼CEO王维曾在高通、英特尔任职；

联合创始人兼首席科学家严恩勖拥有卡内基梅隆大学机器学习博士背景，曾在谷歌、微软研究院工作；联合创始人芦勇曾在SK海力士、Marvell从事芯片设计。三个人对应的是同一条产品链上的不同环节：算法要找出模型里可以省掉的运算，芯片要能跳过这些运算，工具链还要让客户的模型顺利部署。

公司公布的资金用途也沿着产品的研发到商业化路径展开。2021年，王维说1亿元Pre-A轮融资将用于产品研发和开拓国内市场。2022年，数亿元A轮融资开始投向首颗芯片量产和稀疏计算生态建设。

到了A+轮和B轮，公司把第二代AI芯片研发、市场拓展和生态建设放在一起。到今年5月，募资用途已经具体到新一代SparsePrime计算卡的量产和商业化，以及算力网络扩张。11月的资金用途则延伸到下一代芯片预研。

资本的投资是在为公司的未来买单，而他们需要回答的问题始终都是：稀疏计算路线到底好在哪里？02少做运算，能等于降低成本吗？和通用GPU可以承担训练、推理及科学计算等多种任务不同，墨芯选择了以稀疏计算为核心聚焦AI推理的路线。

产品思路是先通过算法识别和减少不必要的计算，再由配套软件和芯片执行这些经过优化的任务。稀疏计算也不是专用芯片独有的能力。英伟达自A100起便支持结构化稀疏，通过限定数据排列方式，让硬件跳过部分零值运算。

其公开的Rubin架构资料，进一步介绍了注意力及MLP模块中的激活稀疏支持。但与通用GPU在补强不同，专注于稀疏计算的墨芯需要从头构建软硬件平台。公司在B轮融资时，就将生态建设列为了资金用途之一。

公司市场部副总裁郭威俊在媒体上提到，今年8月，墨芯成立了国内首个稀疏计算产学研联盟，已与复旦大学、清华大学、西安交通大学等高校启动多项联合课题。6月，郭威俊透露，公司约五至六成的人员从事软件相关工作。

9月，墨芯更新MACS软件系统，补充模型服务部署示例及集群设备管理功能。AI图片墨芯目前已推出搭载自研Antoum芯片的S4、S30、S40等计算卡。其中，S4、S30和S40分别集成一颗、三颗和四颗芯片，面向不同规模的部署需求。

围绕这些硬件，墨芯还提供模型稀疏化、编译和运行工具，以及负责设备监控和集群管理的配套软件，帮助客户将现有模型迁移至墨芯计算卡，并完成部署和后续运维。墨芯计划于2026年年底前推出新一代板卡SP200，并将发布升级版软件栈SECA。

按照公司最新披露，SECA将围绕稀疏架构完善算子库、编译和软硬件协同能力，后续还将推出配套MaaS平台及模型框架适配管理工具，进一步降低客户部署和使用稀疏算力的门槛。据披露，基于自研芯片的推理集群已在西北、西南、华东和华北等区域部署，并与电信运营商开展合作。

集群部署展示了产品进入实际业务的进展，但仅凭部署规模，还不足以判断设备利用率、订单收入或客户获得的成本收益。对已有GPU系统的客户，更换方案意味着重新适配、测试和维护。稀疏芯片节省的运行成本，需要覆盖这些新增投入，客户才有迁移或追加采购的动力，同一模型、同等效果和相近负载下，不能只看峰值算力或单项测试。

墨芯已经获得继续投入的资金。接下来，新一代板卡能否按计划推出、软件能否跟上模型变化、客户是否持续采购，尤其是在通用GPU已经补强稀疏计算能力的背景下，墨芯能否在真实业务中持续跑赢GPU的综合使用成本，也将决定其是否能从细分场景走向规模化市场。