电子发烧友网报道（文/梁浩斌）10月23日，国内AI大算力芯片公司亿铸科技完成超10亿元融资。据透露，此次融资将为亿铸科技后续研发投入、产品迭代及产业化推进提供进一步支持。
亿铸科技2022年正式运营，是国内首家通用存算一体架构（GP-IMC®）AI 大算力芯片公司。公司总部位于苏州，在上海、杭州、成都、长沙设有子公司，团队近300人，研发人员占比超80%。
亿铸科技表示，公司成立以来持续聚焦通用存算一体技术研发，在技术路线上则坚持“通用存算一体+超异构”的方向，并以3D DRAM存算一体为核心方向。
随着AI推理需求的爆发式增长，产业界与资本市场，在近期对存算一体似乎青睐有加。
产业资本，盯上存算一体
首先看英伟达的动作。去年12月，英伟达以200亿美元“收编”（吸纳其核心团队、以及获得非独家授权）AI推理芯片公司Groq；近日，英伟达再传出计划投资AI服务器芯片公司d-Matrix。这两家公司的共同点，是均以存算一体作为AI芯片的核心架构。
今年以来，Axelera AI、Mythic等海外存算一体芯片公司也获得了新的大额融资。国内存算一体芯片赛道更是百花齐放，市场融资一片火热。
存算一体并不是新鲜事物，在产业界早已谈论多年，但为什么在当下节点，产业资本纷纷重新聚焦这条赛道？
过去几年，大模型训练的竞争关键词，还主要是堆算力、堆GPU、堆集群，核心目标是提高算力的利用率。
但今天，AI产业重心已经开始从训练转到云端推理，据SEMI数据，2026年推理算力在全球AI基础设施中占比将首次超过70%。在这个过程中，AI数据中心的系统瓶颈从算力变成了数据搬运。
尤其是在长上下文、多用户并发的场景下，模型权重和KV Cache急剧膨胀。计算单元的算力再强，数据供不上也只能空转，数据搬运瓶颈，变成了一堵“内存墙”。
传统架构的应对办法是提带宽。HBM用先进封装把内存堆到离计算更近的地方，但带宽有物理上限，更麻烦的是数据搬运本身的能耗远高于计算。但如果把计算放进存储阵列内部，从架构层面消掉搬运成本，那是不是就解决问题了？
存算一体由此重新回到台前。这也是英伟达投资Groq和d-Matrix，以及产业资本投资亿铸等存算一体芯片公司的共同逻辑。
云端推理存算一体往3D DRAM收敛
亿铸完成全栈布局
尽管存算一体架构，目前来看已经成为云端大规模AI推理的确定性路线，但长期以来整个产业路线其实是相当分散的。对于存储介质，有厂商使用比较成熟的SRAM，但成本高，容量很难做大；也有厂商采用新型的RRAM、ReRAM等，但工艺和一致性都远未达到规模量产水平。
如今，3D DRAM路线，正在成为云端推理存算一体芯片的趋势。3D DRAM的思路，是把DRAM垂直堆叠起来，通过垂直互连将多层存储阵列与逻辑计算层贴合在一起，让存储和计算在物理上被压缩进同一块三维结构。
今年10月有消息称，Groq正在评估在下一代存算一体芯片上改用3D DRAM，替代此前沿用的SRAM；d-Matrix在Hot Chips 2026上披露其下一代推理XPU Raptor将使用“3DIMC”架构，相当于同样是把存内计算做到3D DRAM上。
实际上，亿铸科技在3D DRAM路线上，是国内起步最早、技术成熟度最高的AI芯片公司。原因很简单：3D DRAM依赖的先进封装成熟度在不断提高，且容量密度相对其他路线更高、稳定性也更好。
目前，亿铸科技已铺设了全栈产品线，覆盖算力卡、工作站、一体机到推理集群，并配套自研的YICA软件平台，兼容CUDA和PyTorch。进度上最关键的是，其基于3D DRAM的全数字通用存算一体AI芯片已完成流片，从理论架构到芯片硬件打通了全链路验证，商用芯片测试结果基本达到设计指标。
亿铸科技称，经测试验证，相较主流云端GPU，亿铸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。在大模型推理场景下，同等业务规模下，推理算力综合TCO最高可下降约88%，有效降低数据中心运营成本。
同时，其通用存算方案支持1M超长上下文窗口、混合精度和MoE稀疏计算、集群级KV Cache池化等特性，可降低KV Cache检索延迟，提升智能体长程任务处理能力与有效算力吞吐。
在软件与系统层面，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，并围绕云、边、端不同场景持续推进产品布局，满足不同规模和应用场景的算力需求。
小结
当前在AI产业重心从训练逐步过渡至云端大规模推理的过程中，存算一体已经成为关键一环。从英伟达“收编”Groq、拟投资d-Matrix，到亿铸拿到超10亿元的融资，都在指向产业新秩序的方向。
