一年融资近20亿：算苗科技用3D混合键合拆解大模型“内存墙”

算苗科技近日完成Pre-A2轮与A轮融资，一年累计融资近20亿元，亦庄国投等国资领投，投后估值达120亿元。该公司首创3D TokenPU架构，以混合键合将8层存储晶圆堆叠于逻辑晶圆，实现16TB/s带宽，推理吞吐量达英伟达H200的1.26至2.19倍，A4E芯片已流片，明年年初量产。

一年近20亿元：3D堆叠从“技术豪赌”变成资本显学

北京AI芯片初创企业算苗科技近日宣布完成Pre-A2轮（含其加入轮）与A轮融资，近一年累计融资近20亿元。本轮由亦庄国投等北京市区两级国资平台领投，资金用于团队扩充、技术迭代，加速自研3D TokenPU大模型算力芯片量产；投资方还将助力企业对接亦庄产业链资源，打通制造、封装、应用及产能供应链。据公开报道，本轮融资后公司估值已达120亿元。

投资方阵容覆盖三类资本：国开金融、北工投资、北京顺禧、亦庄国投、中关村科学城等国资平台，源码资本、襄禾资本、嘉御资本等一线财务投资机构，以及石溪资本、联想创投、智微资本等产业基金。而就在今年年初，这家公司还在四个月内连续完成两轮、累计募集近10亿元融资——资本加码的速度，恰是这条赛道升温的注脚。

资金涌向3D堆叠并非偶然。过去一年，3D堆叠芯片正从“少数派的技术豪赌”变成一级市场的显学：今年5月，华为首次对外提出“韬定律”，进一步带动了3D堆叠技术的热度；国内不少GPU公司与芯片创业企业已开始布局3D设计。在国家层面，大基金三期也已首投混合键合技术，中国芯片自主化沿着这条路径加速突破。当行业共识逐渐形成，这家此前低调行事的“水下公司”被正式推向了台前。

图表解读：从年初四个月两轮近10亿元，到如今一年累计近20亿元，资本加码的速度与3D堆叠赛道升温的节奏几乎同步。

从龙芯到JASMINER X4：一支团队的七年两跃

算苗科技成立于2022年11月，总部位于北京大兴，聚焦云端大模型推理算力芯片。但这家公司的技术起点，要再往前追溯近七年。

创始人汪福全是中国科学院声学所国家重点实验室博士、研究员，师从水声物理学界泰斗张仁和院士；毕业后进入中科院计算所从事计算机体系结构博士后研究，合作导师是“龙芯”首席科学家胡伟武。2009年，他创办中科声龙，此后近十年业务始终围绕“龙芯”产业化落地展开。2019年，他做出一个颇具魄力的决定：关停已经年营收近千万的“龙芯”业务，全力投入高通量专用算力芯片。

这条路把他引向了3D堆叠。为突破显卡内存带宽瓶颈，中科声龙最终锁定当时尚处萌芽阶段的3D堆叠架构，2021年第四季度推出采用成熟40纳米工艺的JASMINER X4——这不仅是全球首款3D堆叠的高通量算力芯片，还实现了比英伟达7纳米旗舰显卡高出20倍的专用算力功耗比。一个细节是：在首款产品设计完成后，汪福全在公司账上只有七八千万元的情况下，拿出五千万元交付国产存储芯片商锁定产能——在它看来，量产必须基于国产供应链，“如果寄托于海外供应链，商业风险很大，随时可能面临断供停摆”。

这笔钱买下的不只是产能，更是一张国产供应链的入场券。依托这条供应链，团队核心成员累计完成上万片3D IC晶圆量产，相关3D芯片产品累计营收已突破12亿元。2022年底ChatGPT问世，汪福全发现大模型计算的瓶颈与高通量算力芯片高度同源——同样被“内存墙”堵死，而3D堆叠恰好是最有潜力的解法。算苗科技由此诞生。今天的团队核心成员集结了中科院、龙芯、清华的资深专家：联合创始人CTO刘明拥有15年龙芯半导体研发经验、两次成功落地3D堆叠芯片；首席算法科学家闫超、首席AI专家楼建光、首席软件架构师魏永明，分别在处理器、AI算法、基础软件领域具备深厚积累。公司研发人员占比超过80%。

拆掉内存墙：8层堆叠、16TB/s与“Token工厂”

要理解算苗做的事，先要理解大模型的“内存墙”。有研究论文给出了一组量化数据：在大型AI集群中，超过80%的能量被消耗在数据移动上，超过70%的系统成本分配给数据存储。传统解法无非两条：堆更多高带宽内存，或者等更先进的制程——前者成本高昂且容量有限，后者受制于海外供应链，对国产芯片公司而言都不是长久之计。

算苗的解法，是用3D堆叠把内存和计算单元垂直叠在一起，让数据传输距离缩短90%以上——“就像把仓库直接盖在工厂楼上，原材料出门就能进车间”。在此基础上，公司首创3D TokenPU概念，即原生面向Token处理的新型处理器。汪福全解释，Token已成为大模型时代衡量智能的最基本单元，未来会催生各种“Token工厂”，“就像目前的电一样”；而所谓专用，并不是绑定某一款大模型——不管模型如何演变，底层都是对Token序列的处理，硬件可以持续适配。

产品进展已经落地。2026年6月15日，第一代3D TokenPU芯片A4E正式流片：基于自研RISC-V架构，通过3D混合键合技术将8层存储晶圆垂直堆叠在计算逻辑晶圆之上，目标实现16TB/s超大访存带宽，并依托国产较成熟的制程与供应链体系。仿真数据显示，其运行Llama、Mixtral等主流开源大模型时，推理吞吐量最低可达英伟达H200芯片的1.26倍、最高达2.19倍。目前公司已与国内头部大模型厂商开展深度联合研发，预计2027年年初可实现量产交付。第二代A4S的架构定义已完成，计划明年第一季度流片，目标整体性能至少倍增，优化后有望达到2至3倍提升。

图表解读：以H200为基准1倍，仿真数据下A4E运行主流开源大模型的推理吞吐量最低达到其1.26倍、最高2.19倍——以国产成熟制程实现这一数字，正是3D堆叠路线的核心说服力；当然，仿真与实际量产之间仍需量产数据验证。

混合键合站上台前，考验才刚开始

算苗押注的混合键合，正从幕后走向台前。混合键合通过铜-铜直接键合取代传统凸块，实现10微米以下的超精细间距互连，在互连密度、带宽、能效上带来数量级提升，是支撑3D堆叠与异构集成的关键突破。存储侧，三大HBM原厂已确定于HBM5的20层堆叠世代采用混合键合；设备侧，荷兰BESI占据全球约70%的份额，中国设备商正加速追赶——拓荆科技已推出首台量产级混合键合设备并获重复订单，行业相关设备需求预计在2030年前实现数倍增长。

市场空间同样在打开。全球大模型推理市场已迈入千亿美金规模，中国市场也达到数千亿人民币规模；在Multi-Agent与视频模型爆发的背景下，推理算力需求持续激增，而传统算力芯片的带宽瓶颈导致大模型运行功耗高、推理速度受限——这正是3D TokenPU瞄准的场景。

竞争也在逼近。海外3D堆叠方案长期由头部厂商主导，华为等巨头已高调入场，国内多家GPU公司同步布局3D设计。对算苗而言，先发身位与量产经验是护城河，但真正的考验在后头：从流片到规模量产的良率爬坡、大模型客户的批量导入、以及“投产即落后”的行业节奏，每一环都需要资金之外的执行力。值得注意的是，算苗这款加速芯片目前聚焦头部大模型厂商的深度联合研发，商业验证仍集中在少数客户。

未来展望：量产倒计时下的三个观察点

展望2027年，算苗的叙事将围绕三个观察点展开。其一，A4E能否在明年年初如期量产交付，把仿真数据兑现为真实机房的吞吐成绩；其二，A4S按计划于第一季度流片后，性能倍增目标能否落地；其三，国产混合键合供应链——从设备到制造、封装——能否同步跟上产能需求。

更长期看，当Token需求以“像电一样”的方式增长，推理算力的竞争本质将是能效与带宽的竞争，而非单一制程的军备竞赛。3D堆叠给了中国芯片公司一条绕开先进制程封锁的路径，算苗科技已经在这条路上跑出了工程化先例；至于这条路径能撑起多大的产业故事，量产交付的那一刻才会开始给出答案。