芯東西（公眾號：aichip001）
作者 ZeR0
編輯 漠影

芯東西4月22日報道，近日，深圳感存算一體芯片創企九天睿芯宣布完成B++輪融資，由頭部重要產業方領投，豪威集團、招商致遠跟投，老股東共達電聲、英豪資本持續加碼。芯東西獲悉，融資金額接近2億元。

本輪融資將主要用于推進模型-處理器-存儲聯合創新（MPM，Memory-Processor-Model），圍繞下一代智能系統的核心需求，持續加強公司在底層技術、系統架構、產品研發與產業協同方面的布局。

九天睿芯成立于2018年，由多名海內外頂尖高校博士聯合創立，基于類腦計算，以模數混合形式，實現感存算一體芯片的研發落地。

融資完成后，九天睿芯將繼續圍繞3個方向加大投入：

第一，強化底層核心技術研發，持續推進高帶寬存儲、高能效處理器、系統軟件與模型協同優化等關鍵能力建設；

第二，深化MPM路線下的產品化與工程化落地，推動關鍵技術驗證與系統級集成；

第三，聯合產業鏈上下游伙伴，加快在云端推理、邊緣智能和智能設備等場景中的生態合作與應用落地。

九天睿芯認為，下一階段AI競爭的關鍵，是模型、處理器、存儲及系統軟件的協同優化能力。

基于這一判斷，該公司持續推進以MPM為核心的方法論創新，嘗試從系統視角重新定義智能計算的底層路徑。

從“先有模型、再去適配芯片”的傳統研發鏈路，升級為“模型與芯片協同定義”的研發范式，是其持續推進的重要方向。

MPM強調圍繞真實工作負載，將存儲、處理器、模型放在同一個問題中協同設計，使模型創新、芯片創新、存儲創新與系統軟件創新形成雙向牽引，從而實現整體系統效率的躍遷。

基于此，該公司計劃在模型側通過合作與自研相結合的方式，圍繞芯片物理邊界、存儲介質特性與系統級約束開展創新，并聯合存儲產業伙伴、模型公司及上下游生態，共同推進MPM的共生設計，提升系統級效率與產品落地能力。

九天睿芯聯同合作伙伴在MPM這個大方向目前的重要布局包括：

（1）存儲層：國際頭部廠商近期已公開推動以HBF為代表的新型高帶寬存儲形態及其標準化進程，面向AI推理工作負載構建“介于HBM與SSD之間”的新層級存儲。

九天睿芯和合作伙伴則在推動一條功耗更低的高密度高帶寬存儲路徑：在承載大部分模型權重的同時，以更優的容量密度、帶寬效率與系統能效支撐大尺寸模型部署，為千億參數級尤其是MoE模型的落地提供更具工程可行性的底層支撐。

（2）計算層：以SRAM存算一體（CIM）結合SRAM近存為核心構建高能效NPU計算裸片，通過提升片上SRAM容量、增強數據駐留與算子融合能力，減少中間激活數據的寫回、搬運與重復訪問，顯著降低系統功耗與熱密度，為3D堆疊形態下的可靠運行性，提高可堆疊層數，降低散熱與系統能耗成本。

針對MoE模型中的routing、token重排與數據流組織等關鍵環節，九天睿芯亦進行了專門的架構優化，以提升稀疏計算場景下的系統級效率。

（3）模型層：基于存儲介質特性、計算芯片物理邊界與當前工藝條件，對模型進行面向部署的聯合創新，包括模型結構設計、專家組織方式、參數布局、量化壓縮、稀疏激活與推理流程優化等。

其核心是讓模型、存儲和處理器在同一約束條件下協同演進，提升權重承載效率、token生成效率、帶寬利用效率與系統能效，為千億參數級MoE模型在真實場景中的可部署性打開更現實的路徑。

九天睿芯希望以統一的方法論貫通多類推理場景，逐步形成覆蓋云、邊、端的系統能力體系。

在云端推理與推理基礎設施場景中，MPM有望提升系統吞吐、單位成本效率與整體資源利用率；在邊緣智能和各類智能設備場景中，MPM有望推動更強模型以更高能效、更低成本實現部署；在機器人及其他實時交互場景中，MPM也有望幫助系統在有限資源約束下獲得更好的理解、決策與響應能力。

當前，AI產業正從邁向應用規模化落地，產業競爭焦點轉向推理階段的系統效率競爭。

無論是云端推理集群、邊緣計算節點，還是機器人、AI手機、AI PC等智能設備，推理系統都在面臨同一個核心問題：如何以更高效率計算，高密度存儲支撐更強模型的持續運行與規模化部署？

英偉達聯合創始人兼CEO黃仁勛在CES演講中曾直言：“The best models today are all mixture of experts（MOE）”，表明MoE正在成為當前先進模型的重要演進方向。英偉達在CES同期發布中也將其新一代AI平臺明確面向包括MoE在內的下一代模型需求。

九天睿芯認為，隨著MoE持續走向更大規模與更廣泛部署，系統瓶頸將進一步從單點算力轉向權重承載、帶寬效率、功耗控制與系統級協同，這也使得圍繞存儲密度、處理器與模型聯合創新的MPM路線具備更加明確的產業意義。