在人工智能大模型迈向万亿参数规模的进程中，算力芯片的竞争重心正在发生一场深刻的范式转移。近日，国内全自研GPGPU创新企业——北京行云集成电路有限公司（以下简称“行云”）宣布完成Pre-A及Pre-A+多轮融资，融资金额突破4亿元人民币。此轮融资由五源资本、赛富投资基金、春华资本联合领投，并吸引了包括北京、江苏地方国资、佰维存储、创维资本等产业资本跟投。
这场融资不仅是资本对新锐芯片企业的认可，更揭示了当前AI硬件产业的一个核心痛点：算力瓶颈正在从“计算单元”向“显存容量”转移。随着MoE（混合专家模型）等稀疏架构的流行，大模型对内存的需求已从GB级跃升至TB级。在这一过程中，昂贵的HBM（高带宽内存）已成为制约大模型大规模部署的成本杀手，显存成本甚至开始超越芯片本身。
面对这一结构性挑战，由清华大学博士、原华为“天才少年”季宇领衔的行云团队，选择了一条极具颠覆性的技术路径。行云的核心逻辑在于“重构成本结构”：通过放弃成本极高的HBM，转而采用LPDDR甚至NAND（SSD颗粒）等低成本存储介质作为显存。这种方案虽然单颗粒带宽较低，但行云通过在架构上实现多颗粒、多通道的并行设计，利用规模化堆叠技术，成功将整体带宽提升至TB级别，从而在大幅降低1到2个数量级显存成本的同时，满足大模型推理的吞bar吞吐需求。
这种“以系统级设计弥补硬件单体不足”的思路，体现了行云深厚的工程底蕴。CTO余洪敏博士曾主导过百度昆仑芯与华为昇腾等多款芯片的量产，拥有丰富的流片经验。行云的技术策略不仅限于介质替换，更涵盖了Prefill/Decode分离（PD分离）、KV Cache稀疏化等前瞻性的工程手段，旨在通过软硬件协同，实现成本与效率的最优平衡，使AI推理能力能够从昂贵的云端下沉至低成本的端侧设备。
目前，行云的“褐蚁一体机”已在DeepSeek等本地化部署场景中得到验证，证明了低成本方案在稀疏模型上的可行性。随着公司核心目标的推进，首颗自研芯片的流片与市场化进程已提上日程。业内专家普遍认为，行云通过对显存成本结构的底层重构，正在为AI推理的“普惠化”铺平道路，其技术路径有望彻底打破当前高端算力受限的困局，开启AI Agent时代下的算力革命。
推荐意见