超十亿 B 轮系列融资落地，微纳核芯 3D-CIM 架构能否撕开 AI 推理芯片新口子？

6 月 13 日，杭州存算一体 AI 芯片创企微纳核芯宣布完成 B3 轮和 B4 轮融资，B 轮系列融资总额超过 10 亿元。这是继今年 1 月兆易创新战略加持 B2 轮之后，微纳核芯在资本层面的又一次重磅加码。

资本面：产业资本 "全链条" 集结

本轮两轮融资的资方构成，呈现出一个显著特征 ——从终端到存储到云，产业链上下游资本几乎全部到场：

运营商 / 央企：中国移动链长基金、中国互联网投资基金
终端 / 制造：立讯精密产投（老股东继续加持）
存储：佰维存储、兆易创新（B2 轮进入）
产业：江城基金、超越摩尔
大模型：知名大模型公司
国资 / 财务：深创投、九坤创投、鼎晖佰孚、北极光创投、毅达资本（老股东）、蓝驰创投（老股东）、东方嘉富（老股东）、中芯聚源（老股东）

回溯微纳核芯的融资历程，一条清晰的产业资本聚集路径浮现：

2021 年 8 月首轮融资，红杉中国 + 北大科技成果转化基金，学术孵化色彩浓厚；
2022 年 1 月 Pre-A 轮，小米集团进入，终端厂商首次下场；
2022 年 8 月 A 轮 / A + 轮，联想创投加入，PC 端产业资本入场；
2025 年 10 月 B 轮，蓝驰创投领投，中芯聚源（中芯国际旗下）、锦秋基金加持，制造端和云侧资本入局；
2026 年 1 月 B2 轮，兆易创新战略投资，存储原厂正式绑定；
2026 年 4 月 B3/B4 轮，运营商、存储、云端、大模型公司全面集结。

从 "学术孵化" 到 "终端 + 存储 + 运营商 + 大模型" 的全链条产业资本闭环，微纳核芯用了五年。 这种资本结构不是简单的 "钱多"，而是意味着产品定义、客户验证、生态协同的路径已经被资方用真金白银确认过。

尤其值得注意的是，知名大模型公司的投资。端侧 AI 芯片的落地，核心瓶颈不在硬件本身，而在 "芯 - 模协同"—— 芯片架构与模型推理特性的匹配度直接决定实际能效表现。大模型公司从客户变成股东，说明微纳核芯的 3D-CIM™ 架构在模型适配层面已经过了验证。

技术面：3D-CIM 架构的底层逻辑

微纳核芯的技术核心是 3D-CIM™ 架构，即 "3D 近存 + 存内计算 + RISC-V 存算" 三者的融合。要理解这个架构的价值，需要回到 AI 推理芯片的根本矛盾：

大模型推理是访存密集型任务，而非计算密集型任务。

GPU/TPU 等传统架构采用 "数据搬运" 模式 —— 数据从存储器搬到计算单元，算完再搬回去。在大模型推理场景下，模型参数量动辄数十亿甚至数百亿，数据搬运的开销远超计算本身，形成严重的 "内存墙" 问题。图灵奖得主 David Patterson 近期的相关研究也指向了这一结论。

3D-CIM™的解法是从架构层面消除数据搬运：

1. 3D 近存：通过三维堆叠将计算逻辑与存储器物理距离压缩到微米级，大幅缩短数据通路；

2. 存内计算（CIM）：在存储阵列内直接完成矩阵运算，数据不出存储器即完成计算；

3. RISC-V 存算：以 RISC-V 指令集实现存算协同控制，提供可编程灵活性。

三者的叠加效果是：在成熟工艺上实现接近甚至超越先进工艺的算力密度和能效比。这一点对于端侧场景尤为关键 —— 手机、PC 等终端设备对功耗和面积有严苛约束，无法像数据中心那样堆叠先进制程芯片。

在云侧，3D-CIM™架构的优势则体现在另一个维度：局部数据循环系统。相比 GPU 的全局数据搬运，3D-CIM™ 让数据在局部完成计算循环，减少跨节点数据传输。MoE（混合专家模型）架构下，每次推理只激活部分专家网络，数据局部性更强，3D-CIM™的局部循环优势更加凸显。MoE 规模越大，3D-CIM™架构优势越明显—— 这是一个与行业趋势同向的技术判断。