北京
芯东西（公众号：aichip001）
作者 崔嫄伟
编辑 陈骏达
芯东西10月23日报道，今日，苏州AI大算力芯片公司亿铸科技宣布完成超10亿元融资，融资将为后续研发投入、产品迭代及产业化推进提供支持。
亿铸科技成立于2020年6月，2022年正式运营，总部位于苏州，在上海、杭州、成都、长沙设有子公司。该公司称，其以3D DRAM为核心技术路线，首创全数字化通用存算一体架构，产品覆盖算力卡、工作站、一体机到推理集群的全栈矩阵，并推出自研YICA软件平台，兼容CUDA、PyTorch等主流生态，为数据中心、AI云计算等场景提供大吞吐、高性价比、低功耗的算力方案。
该公司创始人、董事长兼CEO熊大鹏，拥有美国德州大学奥斯汀分校半导体方向博士学位。他曾任华中科技大学教师，后任职ADC Telecommunications资深技术经理、大产品线经理；他曾加入美国AI芯片企业Wave Computing担任中国区总经理并执掌中国区业务，拥有近30年中美两地芯片研发、产品、市场与管理经验。
▲亿铸科技创始人、董事长兼CEO熊大鹏
团队方面，亿铸科技工程团队核心成员平均拥有25年以上高端集成电路设计与量产经验，研发能力覆盖工艺与器件、架构设计、电路设计及软件生态等集成电路全链条。
融资历程方面，亿铸科技成立至今完成多轮融资。2024年10月该公司宣布完成数亿元融资，由海外基金Prosperity7 Ventures领投，盛视科技、行至资本等跟投。2025年10月其完成新一轮融资，由兴湘资本、农银国际、盈科值得、合鼎共资本共同参与。
技术路线方面，亿铸科技选择“通用存算一体+超异构”的方向。
目前亿铸科技核心技术路线已围绕3D DRAM存算一体布局，并已公开通用存算一体三大定律。其选择存算一体路线的逻辑在于：冯・诺依曼架构下数据在存储与计算单元之间反复搬运，带来存储墙、能耗墙与编译墙三大瓶颈，存算一体把计算放进存储阵列内部，从架构层面消除数据搬运成本，能效比可较主流PCIe板卡提升8-10倍以上。
而该公司存算一体芯片的存储介质经历了从ReRAM到3D DRAM的迭代。团队最终选择3D DRAM作为存储介质，其核心优势在于容量大、技术成熟、稳定性好且成本低廉。
产品进度方面，据亿铸科技披露，其基于3D DRAM的全数字通用存算一体AI芯片已完成流片，通过从理论架构到芯片硬件的全链路验证，商用芯片各项测试结果基本达到预设设计指标。
该公司称，相较主流云端GPU，其通用存算方案可实现数倍性能提升、约1/5功耗和约1/6成本的综合表现，大模型推理场景下推理算力综合TCO最高可下降至约1/6；FPGA仿真平台数据显示，对比英伟达H200，方案吞吐率提升至2倍，功耗仅为后者的几分之一，成本随吞吐与功耗优化实现数倍改善。
软件层面，亿铸科技已形成覆盖自主ISA指令集、软硬协同架构、异构融合计算IP、CUDA兼容编译器、算子库及算力组网系统的全栈技术体系，方案支持1M超长上下文窗口、混合精度与MoE稀疏计算、集群级KV Cache池化等特性，面向Agent等长文本任务场景。
结语：存储介质仍存分歧，存算一体才刚起步
存算一体正在成为AI芯片行业的新共识，但各家选择的存储介质并不相同。
不同介质的取舍各有逻辑：SRAM工艺成熟、可直接复用CMOS产线，但面积大、容量有限；ReRAM非易失、密度高，但产线成熟度和阻值稳定性仍是挑战；3D DRAM带宽高、容量大，接近主流AI推理需求，但依赖先进封装，成本不低；HBF则以闪存容量和成本优势切入大模型推理的存储层级。
但这条路的挑战同样现实：CUDA生态壁垒、模拟存算的精度损失、存储介质的量产成熟度和先进封装成本，都将影响技术能否最终走完从流片到放量的最后一程。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
