MemSilicon完成超 4 亿元 A 轮融资，宣布战略升级

10 月 19 日，铭芯启睿（MemSilicon）宣布完成超 4 亿元 A 轮融资。本轮融资由博原资本领投，博世创投、创领资本、米哈游、中关村科学城公司、兆易创新等跟投，老股东复容投资、国开科创、恒裕资本、锦秋基金、顺禧基金、小米战投、中科创星持续加注。本轮融资将主要用于 RRAM 的产业化与商业化，以及新产品 LPU 的研发。

MemSilicon 同时宣布， 前 Graphcore 总裁兼大中华区总经理卢涛加入团队，担任 CEO 和联合创始人。 公司战略全面升级：在继续推进阻变存储器（RRAM）产品化的基础上，启动面向大模型推理的第一代 LPU 研发，打造「满血模型、高速 Token、越级性价比」的新一代推理引擎。

随着 Agentic AI 时代的到来，AI 落地已经从问答，转向完成复杂、长程的任务，下一步竞争的关键指标，会从峰值算力转向任务完成效率。

一次任务包含多轮推理、工具调用和上下文复用，还可能启动多个 Agent 并行工作。客户需要的，不只是更多 Token，而是在保证质量的前提下，更快地解码和输出、更多任务能并行，并降低单次任务成本。

这要求推理系统从架构层面进行创新，同时优化计算、存储、互联和调度。因此，存算协同被视为核心破局路径之一。

（图 1｜低延迟已是独立售卖的服务档位。数据来源：OpenAI）

（图 2｜高速解码决定 Agent 每一步走多快。在缓存能够有效保留的条件下，输入缓存命中率为 84.6%-99.5%，解码占 LLM 执行时间的 91.0%-98.6%。数据来源：arxiv2605.26297v2, Agentic AI Workload Characterization）

01 为什么是现在：大模型推理进入架构创新关键期

加入 MemSilicon 之前，卢涛已在芯片行业深耕 20 余年。

他历任曦智科技副总裁、Graphcore 总裁兼大中华区总经理、Cavium 中国区总经理，长期聚焦 AI 基础设施核心组件，覆盖 Arm 架构服务器 CPU、DPU、RDMA 网卡、数据中心交换芯片、大 SRAM 架构的 AI 处理器 IPU、基于 3D 堆叠 DRAM 的 NPU，及硅光芯片等多个领域，兼具技术、产品与市场的复合视角。

卢涛对 AI 时代的技术演进、产品逻辑、商业模式和客户需求有深刻洞察。他认为，大模型推理正在进入架构创新的关键期，单纯依赖单一维度的算力提升，已难以满足「低延迟、长上下文、高吞吐」的综合需求，存算协同是破局的核心路径之一。

卢涛表示：「MemSilicon 的定位很明确，不与 GPU 内卷，聚焦满血模型的高速 Token 体验，用越级性价比，服务高端推理市场。大模型推理提出了新课题，既要运行能力完整的模型，又要在可承受的成本下及时响应。这是当前通用 GPU 架构和纯 SRAM 架构的无人区。探索新大陆，就不能依靠单向度增加计算单元、存储密度、通信带宽的老地图，必须重新思考算什么、在哪里算、权重怎么存、数据怎么传的系统级问题。依托中国领先的存储战略纵深，结合我们在 AI 芯片产品定义与产业落地上的积累，MemSilicon 正同步推进 RRAM 产品化和下一代 LPU 研发，加速存算协同落地。」

MemSilicon 团队源自中国科学院刘明院士团队，在材料、器件、工艺、芯片设计等底层技术上，拥有二十多年的深耕积累。从材料与器件物理出发，团队的工作延伸至可靠性、工艺集成、IP 和芯片设计，再推进到流片验证与应用；除 RRAM 外，团队在三维集成、近存计算及混合存算一体架构方面也具备深厚科研积累。

打破冯·诺依曼体系的枷锁、突破存储与数据搬运瓶颈，是 MemSilicon 不变的初心。 而卢涛带来的系统架构视野、产业生态资源和商业化落地经验，恰好与团队的底层技术积累形成优势互补。二者的叠加，将加速存算协同产品从技术验证走向商业交付。

02 第一代推理芯片研发启动

卢涛透露，MemSilicon 已开始第一代 LPU 研发，主要面向 Agentic AI 时代「低延迟、长上下文、高吞吐」的核心需求。

推理市场的 Token 正在分层，标准档拼成本，越级档（Premium）拼体验和未来的业务逻辑，MemSilicon 专注服务大模型推理需求，提供新一代算力底座。

大模型推理的解码环节本质，是内存搬运密集型任务。每生成一个 Token，都要反复搬运模型权重与 KV 缓存数据，这正是孤立堆叠算力难以解决的瓶颈。

增加 GPU 数量可以在一定程度上降低延迟，但也会推高功耗、网络复杂度和单位服务成本。偏重批处理的服务方式，能够提高吞吐量，却会让面向用户的智能体显得更慢。

不同于传统 AI 芯片孤立追求算力指标的思路，MemSilicon 的 LPU 立足于内存技术和内存架构创新，从系统层面同步优化计算、存储与互联，以三者协同解决大模型推理瓶颈。

卢涛表示：「我们希望让 Token 成为每个人都用得起的生产资料——响应更快，成本更低。当大模型、自主 Agent 和具身智能开始承担更连续、更复杂、甚至物理世界中的长程任务时，低延迟将从体验加分项，变成新业务能否成立的前提。

在关键场景里，超时就是失败。因此，客户衡量推理的价值，会越来越看重 Token 的时效/成本比。我们的 LPU 正是从内存架构入手，协同优化计算与互联，在保持满血模型能力的同时，让每个用户都能享受高速 Token，并兼顾系统吞吐和整体成本。这是 MemSilicon LPU 的第一阶段目标。」

本轮融资及战略升级，是 MemSilicon 从 RRAM 技术公司迈向存算协同芯片公司的关键一步。

随着卢涛的加入、战略方向的明确，以及产业与资本各方的加持，MemSilicon 将打通「产、学、研、用、投」全链路，加速把技术积累转化为可验证、可交付的产品和商业价值。

03 各方观点

中国科学院刘明院士： 「团队多年积累的器件与工艺研究，需要进一步走向系统、走向应用，与 AI 芯片的设计能力和产业实践深度结合。只有把科研积淀转化为系统能力，才能真正探索从基础科研走向系统创新的路径。我期待铭芯启睿以此为新的起点，面向智能计算发展的真实需求，持续提出真问题、攻克关键技术、定义有竞争力的新产品，并以可验证、可交付的成果创造产业价值。面向下一代智能计算架构的竞争，我们不仅要形成自己的技术与产品，也要在产业实践中培养更多既懂微电子、又懂芯片系统与 AI 产业的复合型领军人才，为产业的长远发展奠定基础。」

铭芯启睿董事长刘琦： 「我们研究存储二十多年，始终在追寻一个问题的更优解：

能不能通过材料、器件与架构的创新，减少数据搬运对计算效率的限制，突破冯·诺依曼架构的瓶颈？过去我们是领先的 RRAM 技术团队；随着卢涛先生的加入，我们得以从产品定义之初，就把 RRAM 与 LPU 的架构创新、工程实现、客户需求和商业交付放在一起考虑。源自中科院的技术自信，加上卢涛先生的产业洞察与影响力，让我们离那个更优解更近了一步。墙，始终在那里，而路在脚下。」

博原资本管理合伙人及董事长蒋红权博士： 「我们对铭芯启睿的信任，始自十年前的 Graphcore 渊源。从早期 AI 芯片的混战，到今天的推理为王，计算架构的快速变化，需要卢涛先生跨越周期的经验和洞察。此次支持铭芯启睿布局 LPU，我们非常看好卢涛先生带领团队，将系统级芯片架构能力带入大模型推理场景，并与 RRAM 的器件积累结合，向存算协同迈进。」

锦秋基金合伙人郑晓超： 「锦秋作为铭芯天使轮的领投方，这次很高兴参与和促成团队的战略升级。我们与卢涛先生认识多年且交流频繁，他是具备国际化视野、浪漫又务实的创业者，期待在铭芯实现自己的计算芯片理想。同时，铭芯团队在 RRAM 路线上也在持续往更大容量、高密度的路上摸高，相信会在不久的未来与 LPU 结合带来更有想象力的芯片产品。」

小米集团战略投资部： 「我们看重存储与计算协同创新的产业价值，并持续加注铭芯启睿。这一路见证公司完成了从新存储向新计算的升级，我们期待铭芯能够继续向前，持续在低延时的各类场景中展现优势。」

复容投资智能基金合伙人许蔚然： 「技术突破决定起点，制造验证与产业落地决定走多远。我们看重铭芯启睿的技术纵深，也看好它从存储出发、重新思考计算架构的路径：RRAM 的积累，价值不只在存储本身，更在于为提升 AI 推理效率提供新的可能。从天使轮到 A 轮，从 RRAM 到 LPU，我们持续看好铭芯的逻辑没有变，就是相信扎实的底层创新，能转化为客户的业务价值。我们期待铭芯启睿以 LPU 为支点，持续释放底层存储技术的价值，为 AI 推理算力带来更高效、更具产业竞争力的新选择。」

中关村科学城公司： 「我们投资铭芯，不只是支持一家芯片公司，更是支持自主原创的科研成果，进入产业体系。硬科技赛道创新周期长，需要资本、科研和产业资源的持续配合。我们希望通过耐心资本支持，帮助铭芯启睿跨越 IP、设计、技术验证到规模应用之间的关键阶段，让更多源头创新形成可持续竞争力，为自主算力体系建设提供更多选择。」

（图 4｜MemSilicon 部分投资人一览）

关于铭芯启睿

铭芯启睿（MemSilicon）是一家面向大模型推理和新型存储的存算协同芯片公司。新型存储技术源自中国科学院刘明院士团队，在阻变存储器（RRAM）材料、器件、工艺与芯片设计领域拥有二十余年积累。公司以 RRAM 为存储地基、LPU 为计算引擎，同步推进 RRAM 产业化与第一代 LPU 研发，致力于打造"满血模型、高速 Token、越级性价比"的新一代推理引擎，服务高端推理市场。战略升级后，公司由深耕芯片行业二十余年的卢涛先生出任 CEO 兼联合创始人，形成覆盖存储器件、芯片系统设计、产品定义和产业化落地的团队能力。

News is gathered automatically from public robotics & AI feeds on a schedule.