资金密集涌入“存算一体”芯片

本文来自微信公众号： 科创板日报 ，作者：小K近日，后摩智能科技股份有限公司（下称“后摩智能”）宣布完成数十亿元人民币B轮融资。公司表示，本轮投资方包括上下游产业资本、国有资本及国际投资人，多家老股东继续追加投资，具体机构名单尚未公布。

本轮资金将用于扩大M50芯片的规模化交付，推进新一代M6X及下一代3D存算一体产品研发，并完善软件工具链与产业生态。过去一年，后摩智能已连续完成多轮融资。▌多轮融资与股改推进后摩智能成立于2020年，创始人吴强拥有普林斯顿大学计算机科学博士学位，曾任职于英特尔、AMD、Facebook，并担任地平线CTO。

公司早期围绕智能驾驶、机器人等场景布局AI推理芯片，随着大模型应用发展，进一步拓展电脑、智能终端和边缘计算市场。成立以来，后摩智能已吸引多类资本参与。红杉中国、经纬创投、启明创投等机构曾参与早期融资，联想创投从天使轮起多次投资；

此后，诚通混改基金、中国移动旗下基金等相继进入，资金来源逐渐覆盖市场化创投、国资及下游产业资本。伴随连续融资，公司也在调整组织形式。工商信息显示，今年4月，后摩智能完成股份制改造，企业名称由“北京后摩智能科技有限公司”变更为“后摩智能科技股份有限公司”。

支撑后摩智能融资叙事的核心，是其持续投入的存算一体路线。简单来说，传统芯片执行AI任务时，需要频繁在存储与计算单元之间搬运数据；存算一体尝试让部分运算在更靠近数据的位置完成，以减少搬运带来的时间和能耗开销。

后摩以此开发芯片，同时提供板卡、模组、软件工具及参考方案，帮助终端厂商把模型部署到实际产品中。目前，公司商业化的重点是2025年7月发布的M50。这款芯片面向本地大模型推理，可用于具备智能体功能的电脑、智能终端、机器人及边缘推理设备。

对这类客户而言，采购芯片的目的，是在设备的功耗、散热和成本预算内，让AI应用能够持续运行。据后摩智能披露，截至2026年8月底，M50已获得150多个产品定点；公司在10月进一步披露，该产品服务客户超过百家。

吴强在接受采访时表示，具备智能体功能的电脑与边缘推理市场需求增长较快，其他终端方向也在持续推进。部分合作已经落实到具体终端。今年5月，联想发布的开天P7就采用了后摩M50，为本地AI应用提供算力支持。

中国移动与后摩合作推出的全光网络智能终端，则面向办公、园区等场景。联想与中国移动旗下基金此前均参与过后摩融资，也成为观察公司产业合作进展的两个案例。在现有产品之外，后摩还在推进新一代M6X研发，并布局3D存算一体。

公司此前披露，首款3D CIM芯片A20已投产。此次融资同时覆盖M50交付和下一代产品研发，意味着公司需要兼顾现有客户导入、软件适配以及新产品投入。根据财联社创投通—执中数据，以2026年11月为预测基准时间，后摩智能后续2年的融资预测概率为76.27%。

该数据仅为模型估算，不代表实际融资结果。▌推理需求变化，存算一体接连获得大额融资事实上，不仅仅是后摩智能，多家存算一体企业都在近期官宣完成大额融资。资金正在密集涌入这一赛道。10月28日，微纳核芯宣布完成超10亿元C2轮融资，由建投投资领投，杭州资本、凯泰资本等参与。

叠加此前C1轮，公司两个月内融资超过20亿元。其产品同时面向终端和云侧推理市场，第一代三款芯片已投片，计划于2027年初开展客户送测。此次资金将支持产品迭代及量产备货。10月22日，据财务顾问一苇资本披露，九天睿芯半年内累计完成10亿元融资，参与机构包括美团战投、小鹏汽车旗下星航资本、长存产业基金、元禾璞华、豪威集团、智微资本和米哈游战投等。

公司以存算芯片为基础，向推理板卡和服务器延伸，融资用于新芯片研发、流片及软件生态建设。这轮资本关注背后，一个重要变化是AI应用正在增加对推理算力的持续消耗。过去，用户向模型提问，通常得到一次回答；

智能体处理工作任务时，可能需要反复调用模型、检索资料、使用工具并检查结果。任务链条越长，计算与数据调用越频繁，企业就越需要关注完成一项任务的实际成本、响应速度和能耗。在今年5月的开放数据中心委员会相关研讨会上，中国信通院研究人员指出，智能体带来的状态管理、多次迭代和工具调用等需求，使推理系统需要在计算、存储、网络及调度之间进行协同优化。

这也意味着，提升芯片峰值算力并不足以解决全部问题。对于部分大模型推理任务，制约运行速度的因素还包括数据能否及时送到计算单元。模型参数、上下文及中间结果需要频繁访问存储，搬运数据本身也会消耗时间和电力。

存算一体、近存计算等路线因此获得新的应用机会：通过调整存储与计算的关系，改善特定任务的运行效率。终端市场进一步放大了这种需求。电脑、机器人和边缘设备的电源、体积与散热条件有限，部分任务又需要低时延响应或在本地处理数据。

芯片厂商需要在这些约束下提供可用的AI能力。高通今年9月介绍其NPU架构时，也将持续运行智能体、处理长上下文和减少外部内存访问列为优化重点。由此看，存算一体的新机会，来自大模型逐步进入实际业务和终端产品后，对推理成本与能效提出的更具体要求。

对后摩而言，接下来更值得观察的是，已有产品定点能有多少转化为量产交付，采用其芯片的终端能否形成持续销量，以及软件适配和客户支持能否随业务扩张保持效率。这些进展将决定，存算一体的能效优势能否进一步转化为收入与重复订单。