0
| 本文作者： 徐咪 | 2026-04-20 16:52 |
4月20日，國內(nèi)全棧自研AI推理GPU企業(yè)曦望（Sunrise）宣布完成新一輪超10億元人民幣融資。這是2026年AI產(chǎn)業(yè)全面邁入“推理落地、智能體普及”時代后，國內(nèi)GPU賽道誕生的最大單筆融資之一。至此，分拆獨立僅一年多的曦望已累計完成七輪融資，總?cè)谫Y額約40億元，成為國內(nèi)首家估值超百億的純推理GPU獨角獸。
本輪融資資金將主要用于新一代S3推理GPU的規(guī)模化量產(chǎn)交付、全棧軟件生態(tài)建設(shè)，以及S4/S5后續(xù)芯片的研發(fā)迭代。
智能體元年，推理算力成最大產(chǎn)業(yè)瓶頸
2026年被行業(yè)公認(rèn)為“AI智能體元年”。隨著大模型從“會聊天”進化為“會思考、會執(zhí)行”的數(shù)字員工，推理需求迎來爆發(fā)式增長。英偉達GTC 2026大會正式宣告AI產(chǎn)業(yè)全面邁入“推理落地、智能體普及”的新時代，將“每瓦Token吞吐量”定義為AI時代的核心競爭力。這與曦望自創(chuàng)立之初就鎖定的核心戰(zhàn)場高度契合。
“AI 算力基建的重心已徹底切換。”曦望董事長徐冰表示，“2026 年 AI 推理計算需求將達到訓(xùn)練需求的 4-5 倍，推理算力租賃價格半年漲幅近 40%。”
不同于行業(yè)主流的"訓(xùn)推一體"路線，曦望從成立第一天起就堅定All-in推理賽道，以用戶真實的Token成本、單位能耗和服務(wù)穩(wěn)定性為芯片設(shè)計核心。目前公司已推進三代推理GPU迭代、數(shù)萬顆GPU量產(chǎn)落地，實現(xiàn)了從芯片研發(fā)、產(chǎn)品量產(chǎn)到解決方案交付的完整閉環(huán)，并保持“芯片均實現(xiàn)一次性流片成功、流片后性能符合設(shè)計預(yù)期”的行業(yè)一流標(biāo)準(zhǔn)。
啟望S3：為Agentic AI重構(gòu)的推理原生架構(gòu)
2026年1月，曦望正式發(fā)布新一代旗艦產(chǎn)品啟望S3推理GPU。這是國內(nèi)首款搭載LPDDR6且兼容LPDDR5X內(nèi)存的推理GPU，它沒有盲目照搬高端訓(xùn)練GPU的HBM顯存路線，而是基于Agent推理的本質(zhì)需求，從AI Core計算架構(gòu)到內(nèi)存IO系統(tǒng)進行了全鏈路重構(gòu)。
以O(shè)penClaw為代表的智能體推理，“感知—規(guī)劃—執(zhí)行—反饋”高頻循環(huán)，帶來了對KV-cache密集訪問的全新計算負(fù)載。而通用GPU面向訓(xùn)練優(yōu)化，推理實際算力利用率往往遠低于峰值——推理側(cè)的效率瓶頸已不再是“算力不夠”，而是“算力用不滿”。
這正是S3所押注的結(jié)構(gòu)性機會：放棄訓(xùn)練能力，專為大模型推理做原生深度定制。通過裁剪訓(xùn)練態(tài)所需的模塊，將節(jié)省出的晶體管與功耗預(yù)算集中投向推理，讓單位面積有效算力效率提升5倍以上。
計算層：專為推理而生的AI Core架構(gòu)升級
S3通過計算層的深度定制，解決了通用GPU“算力用不滿”的核心痛點，推理性能較上一代S2提升5倍，目標(biāo)實現(xiàn)Token成本下降90%。
1. 逼近物理極限的算子利用率
大語言模型推理中，GEMM與Attention算子占總計算量的90%以上，但受限于通用架構(gòu)的設(shè)計約束，這兩項核心算子的實際利用率通常遠低于理論峰值。S3將這GEMM和Flash Attention兩項核心算子的利用率分別推至約99%與98%，標(biāo)稱算力幾乎都轉(zhuǎn)化為有效吞吐，同樣硬件投入可服務(wù)更多并發(fā)請求。
2. Agent原生的指令集與微架構(gòu)
采用128-bit指令集+支持3D指令，指令密度領(lǐng)先傳統(tǒng)SIMT架構(gòu)；獨立線程調(diào)度精準(zhǔn)匹配智能體復(fù)雜控制流，消除條件跳轉(zhuǎn)帶來的流水線代價；通過Block cluster和Broadcast等技術(shù)實現(xiàn)片上數(shù)據(jù)復(fù)用，減少對外帶寬依賴，大幅提升Agent多輪推理效率。
3. FP4全鏈路低精度，吞吐3-4倍躍升
原生支持FP16至FP4全鏈路低精度運算，在DeepSeek V3/R1等主流模型上實現(xiàn)接近無損的FP4推理，吞吐量較FP16提升3-4倍，直接轉(zhuǎn)化為客戶側(cè)的毛利空間和價格彈性。
系統(tǒng)層：三大接口技術(shù)破解智能體核心瓶頸
S3創(chuàng)新性地集成了三大先進高速接口技術(shù)，從內(nèi)存和IO兩個推理時代最核心的瓶頸入手，解決了智能體三大核心瓶頸。
1. LPDDR6內(nèi)存接口技術(shù)，解決智能體的“顯存生死線”問題
大模型推理的一個核心特征是，在高并發(fā)、長上下文的主流云端推理場景中，KV Cache 的顯存占比可超過 80%，且隨并發(fā)用戶數(shù)線性增長。S3 采用的 LPDDR6 方案，在提供足夠推理帶寬的同時，將顯存容量上限大幅提高，且功耗降低50%，匹配推理場景“大容量、高性價比、低功耗”的核心需求。同時，LPDDR6 與 LPDDR5x 兼容的設(shè)計，讓 S3 可以推出不同顯存規(guī)格的產(chǎn)品版本，覆蓋從邊緣到云端的各類推理場景，無需重新設(shè)計芯片。
2. 高速SerDes+SUE融合互聯(lián)技術(shù)，解決智能體的“多模型協(xié)同瓶頸”
曦望踐行“軟件定義互聯(lián)”的設(shè)計思路，對推理場景下的互聯(lián)架構(gòu)進行了深度優(yōu)化。從超節(jié)點協(xié)議、片上互聯(lián)、片間互聯(lián)、交換設(shè)備、高速通信軟件棧協(xié)同設(shè)計，實現(xiàn)TCO 與性能兼顧的推理互聯(lián)系統(tǒng)。
Agent 時代的到來，對推理集群的互聯(lián)性能提出了前所未有的要求——一個 Agent 請求會觸發(fā)數(shù)十次推理調(diào)用，涉及多模型協(xié)同與海量 KV Cache 流轉(zhuǎn)，如果互聯(lián)帶寬不足、協(xié)議割裂、延遲太高，整個系統(tǒng)的性能會出現(xiàn)超線性下降，集群規(guī)模越大，性能損失越嚴(yán)重。
S3 創(chuàng)新性地在片上原生融合了 Scale-Up 超節(jié)點與 Scale-Out 的雙模互聯(lián)底座。在超節(jié)點通信域，S3 搭載基于以太網(wǎng)的超節(jié)點互聯(lián)引擎，支持 load/store 內(nèi)存語義與 UVA 統(tǒng)一編址，任意兩卡間一跳直達，為 AllReduce/AlltoAll 等集合通信提供硬件級加速；S3 選擇基于以太網(wǎng)的超節(jié)點方案，具備雙重優(yōu)勢：既可利舊復(fù)用標(biāo)準(zhǔn)以太網(wǎng)交換機節(jié)省組網(wǎng)成本，又可無縫接入支持超低延遲能力的增強型交換機，將端到端延遲壓縮至百納秒級，性能逼近專有互聯(lián)協(xié)議。基于超節(jié)點和DeepEP實現(xiàn)的MoE超大模型推理系統(tǒng)，可以很大程度掩蓋LPDDR相較于HBM的帶寬劣勢。另外，S3 在片上集成了 RDMA 通信引擎，專為 PD 分離架構(gòu)下的超長上下文 KV Cache 傳輸進行優(yōu)化，實現(xiàn)跨節(jié)點 KV Cache 的零拷貝、高吞吐傳輸，突破分離式架構(gòu)的內(nèi)存墻瓶頸。在組網(wǎng)上 S3 支持 32/64/128/256 彈性擴展能力，為不同算力密度的推理場景提供靈活選擇。
3. PCIe Gen6接口技術(shù)，解決智能體的“資源碎片化”問題
云原生推理時代，超長上下文已成為大模型標(biāo)配能力，千億參數(shù)模型在處理數(shù)萬 Token 序列時，單請求 KV Cache 占用可達數(shù)百 GB 甚至 TB 級，傳統(tǒng) PCIe 帶寬瓶頸成為制約 KV Cache 高效管理的沉重枷鎖。S3 搭載的 PCIe Gen6 接口，帶寬較 Gen5 翻倍，可同時滿載多路高速網(wǎng)卡與 NVMe 存儲集群，滿足云原生推理的高并發(fā)數(shù)據(jù)吞吐需求；通過 PCIe Gen6的高帶寬讓CPU DRAM 真正成為 S3 顯存的擴展池。可構(gòu)建起顯存-DRAM-NVMe 三層異構(gòu) KV Cache 架構(gòu)：熱數(shù)據(jù)駐留顯存保證低延遲的訪問，溫數(shù)據(jù)通過 PCIe Gen6 擴展至 CPU DRAM實現(xiàn)容量倍增，冷數(shù)據(jù)則下沉至 NVMe SSD 持久化存儲，解決智能體的資源碎片化問題。
“推理原生”帶來普惠算力基礎(chǔ)設(shè)施
從產(chǎn)業(yè)周期看，訓(xùn)練側(cè)格局已相對固化，而推理側(cè)正隨Agentic AI放量進入指數(shù)級增長通道——多家機構(gòu)預(yù)測，未來五年推理算力市場規(guī)模將超越訓(xùn)練側(cè)數(shù)倍，其中Agent類負(fù)載將貢獻最主要的增量。
曦望S3同時具備三個難以共存的要素：推理原生的架構(gòu)前瞻性、實現(xiàn)98–99%算子利用率的頂尖工程能力、以及完整的生態(tài)適配能力。
“S3不是簡單的性能升級，而是一次對AI推理成本曲線的重構(gòu)。”徐冰表示，“我們的目標(biāo)是將推理成本降至‘百萬Token一分錢’，讓AI像水電一樣成為普惠基礎(chǔ)設(shè)施。”
資本助力推理賽道進入加速期
本輪融資由多家產(chǎn)業(yè)方戰(zhàn)投、地方國資及頭部財務(wù)機構(gòu)共同參與。
杭州資本表示：“本次投資是杭州資本緊扣杭州‘296X’先進制造業(yè)集群建設(shè)戰(zhàn)略、深耕人工智能萬億級產(chǎn)業(yè)賽道的重要布局。曦望‘All-in 推理’的戰(zhàn)略選擇具備行業(yè)前瞻性，其在技術(shù)創(chuàng)新和產(chǎn)品商業(yè)化方面的能力，是我們決定投資的重要原因。作為長期資本，我們更看重企業(yè)在關(guān)鍵技術(shù)方向上的持續(xù)投入與落地能力。”
普華資本表示，“曦望是國內(nèi)少數(shù)真正理解推理場景、并能提供全棧自主可控解決方案的企業(yè)。我們看好公司'不做訓(xùn)推一體跟隨者，只做推理賽道領(lǐng)跑者'的戰(zhàn)略選擇。”
聚集頂尖人才，打造中國AI工業(yè)化算力底座
曦望團隊規(guī)模已增長至400人，研發(fā)人員占比超80%，匯聚了來自英偉達、AMD、華為海思等國內(nèi)外頂尖芯片企業(yè)的核心人才，碩士及以上學(xué)歷占比超80%。團隊融合了芯片設(shè)計、高性能計算、AI 算法、軟硬產(chǎn)品的跨行業(yè)人才。
2026年，曦望將圍繞“落地、兌現(xiàn)、增長”核心原則，全力推進S3芯片量產(chǎn)交付，完成與國內(nèi)外主流大模型、多模態(tài)模型和Agent框架的全面適配。同時，公司已完成S4高性能推理GPU和S5安全可控推理GPU的技術(shù)路線規(guī)劃，持續(xù)加碼近存計算、光電共封等前沿技術(shù)探索。
未來，曦望將繼續(xù)堅守“讓AI推理便宜、穩(wěn)定、隨處可用”的核心目標(biāo)，為中國AI發(fā)展鑄造堅實的算力底座。
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
