首发｜中科院博士后汪福全二次创业，一年融了20亿

投中网获悉，AI芯片公司「算苗科技」已于近日完成了Pre-A2轮（含其加入轮）及A轮两轮融资，由亦庄国投等北京市区两级国资平台领投，资金将主要用于扩充研发人才、加码核心技术迭代，加速自研3D TokenPU大模型算力芯片量产落地等。

过去一年，算苗科技已经完成多轮融资，累计融资近20亿元。投资方包括国开金融、北工投资、北京顺禧、亦庄国投、中关村科学城等国资平台，源码资本、襄禾资本、嘉御资本等一线财务投资机构，以及石溪资本、联想创投、智微资本等产业基金。

算苗科技的募资号召力很大程度源于其前沿的业务方向，这家公司专注于3D架构AI云端大算力芯片的研发设计，核心产品是面向大模型推理场景的3D TokenPU系列芯片。

过去一年，3D堆叠芯片正从“少数派的技术豪赌”变成一级市场的显学，特别是今年5月华为首次对外提出“韬定律”，更是进一步带动了3D堆叠技术的热度。目前，国内已有不少GPU公司与芯片创业企业布局3D设计，而投资机构们，也正密集涌向这条此前少有人走的路。

值得一提的是，算苗科技并非风口之下的初创公司，公司虽成立于2022年，但团队核心成员已在这条路上走了近7年。早在2019年底，这些人就锁定了基于混合键合的3D堆叠架构，并在2021年做出了全球第一颗量产交付的3D堆叠算力芯片。进入大模型时代，公司又首创了3D TokenPU大模型算力芯片架构。

当行业共识逐渐形成，这家“水下公司”也被正式推向了台前。

中科院博士后的两次转身

算苗科技的故事，还得从创始人汪福全讲起。

他是中国科学院声学所国家重点实验室博士、研究员，师从水声物理学界泰斗张仁和院士，主攻高通量阵列信号处理。毕业后，汪福全进入中国科学院计算所，做计算机体系结构方向的博士后，合作导师是“龙芯”首席科学家胡伟武。

简单科普一下“龙芯”的背景，这是中国科学院计算所自主研发的通用CPU，属国家级重点科研项目。2002年，首款“龙芯一号”CPU研制成功，直接打破了我国计算机“无芯”的历史。汪福全在博士后期间的研究工作，正是基于龙芯二号处理器的通用信号处理平台做研发，覆盖了从芯片级到系统级的多个层面。

2009年，他创办中科声龙，此后近十年，公司业务始终是围绕“龙芯”产业化落地展开的。

转折发生在2018年前后，一次偶然机会，汪福全接触到了高通量专用芯片领域，用定制化的芯片以极低功耗完成哈希计算，且不存在软件生态壁垒。在他看来，这是国产芯片公司挑战国际巨头的一个难得机遇。

于是在2019年，汪福全作出一个颇具魄力的决定：关停了已经年营收近千万的“龙芯”业务，all in高通量专用算力芯片。

这一芯片的算法在设计上是“抗ASIC”的，它在运行过程中需要频繁访问一个不断增大的DAG数据集，显卡的内存带宽成了最大的瓶颈。为了解决这一问题，中科声龙先后尝试了多条技术路线，最终将目光锁定在当时尚处萌芽阶段的3D堆叠架构。

经过两年的摸索，2021年第四季度，公司推出了采用成熟40nm工艺的JASMINER X4芯片，这不仅是全球首款3D堆叠的高通量算力芯片，还实现了比英伟达7nm旗舰显卡高出20倍的专用算力功耗比。

这里有一个细节值得分享。在首款产品设计完成后，汪福全在公司账上只有七八千万元的情况下，果断打了五千万元给国产存储芯片商，把它锁定为供应商。他后来解释，这样做是因为产品设计好后，首先要解决的是大规模量产，而量产必须基于国产供应链。“如果寄托于海外供应链，商业风险很大，随时可能面临断供停摆。”

某种程度上，这笔钱，买的不只是产能，更是一张国产供应链的入场券。此后几年，团队核心成员依托这条国产供应链，累计完成了超万片3D IC晶圆的量产，单一产品营收超过8亿元。也正是这些成绩，让汪福全在下一个时代浪潮来临时，有了快速转向的底气。

2022年底，ChatGPT的问世在全球掀起大模型热潮。汪福全发现，大模型计算的瓶颈与高通量算力芯片高度同源——同样被“内存墙”堵死。而其多年积累的3D堆叠架构，恰好是解决这一瓶颈最有潜力的方案。高通量算力芯片验证过的技术路径，就这样与AI大模型的需求撞在了一起。

方向一旦清晰，行动便不再犹豫。2022年11月，算苗科技正式成立，汪福全带着团队从加密算力赛道切换到了AI大模型芯片赛道。这一次，他们面对的不再是矿工，而是整个AI产业对算力的饥渴。

首创3D TokenPU架构，第一代芯片已流片

要理解算苗科技正在做的事，首先要厘清困扰大模型发展的"内存墙"。

所谓“内存墙”，指的是处理器计算速度与内存访问速度之间日益扩大的鸿沟。过去几十年，芯片的计算能力遵循摩尔定律飞速提升，但内存的带宽和延迟改善却慢得多。结果就是，计算单元常常要停下来等数据——算得再快，数据送不进来也是白搭。

这个问题在大模型推理场景下被急剧放大。大模型的参数规模动辄千亿、万亿，每一次推理，数据都要在内存与计算单元之间反复搬运。而芯片算力的增长速度，长期远快于内存带宽的增长速度——算得再快，数据送不进来，算力也只能空转。也就是说，芯片大半的能耗和延迟，其实都消耗在"搬数据"这件事上。

华为韬定律V2版论文给出了一组量化数据：在大型AI集群中，超过80%的能量被消耗在数据移动上，超过70%的系统成本分配给数据存储。

传统解决方案无非两条路：一是堆更多的高带宽内存，二是等更先进的制程。但前者成本高昂且容量有限，后者又受制于海外供应链，对国产芯片公司来说都不是长久之计。

算苗科技给出的解法，是采用3D堆叠把内存和计算单元垂直叠在一起，让数据传输距离缩短90%以上，这就像把仓库直接盖在工厂楼上，原材料出门就能进车间，不用再经过漫长的运输通道。

在此基础上，算苗科技还给这一芯片赋予了新的定义——公司首创提出3D TokenPU概念，即原生面向Token处理的新型处理器。

“Token已经成为大模型时代衡量智能的最基本单元，目前对token的需求，发展速度之快，已经超乎过去所有领域的进展。可以想象的是，未来几十年甚至上百年，随着智能的演进，将会催生各种Token工厂，我们所想象的来自大模型提供的帮助都可以是Token形式，就像目前的电一样。”汪福全解释称，“而3D TokenPU，就是为极致的Token产出而做的。”

不过他强调，所谓“专用”，并不是专用于某一款大模型、被某款模型绑定。“现在模型虽然在收敛，但不管大模型如何演变，底层都是对Token序列的处理，只要这个底层逻辑不变，硬件就可以持续适配。”

至于产品进展。今年6月15日，算苗科技的第一代3D TokenPU芯片A4E已经正式流片，这颗面向大模型推理的大算力芯片基于自研RISC-V架构，通过3D混合键合技术将8层存储晶圆垂直堆叠在计算逻辑晶圆上，以求实现16TB/s超大访存带宽。

此外，公司新一代芯片的流片计划也已在眼前。据汪福全透露，第二代A4S的定义已经完成，计划于明年第一季度流片，目标整体性能至少实现倍增，优化后有望达到2至3倍提升。若一切顺利，A4E将在明年同期进入规模量产。

总结而言，团队核心成员近7年的行业深耕、上万片3D IC晶圆量产经验和一条跑通的国产供应链，共同构成累计融资近20亿元。了算苗科技最直接的护城河。而随着新一代芯片流片在即、量产进入倒计时，在3D堆叠芯片这个新一波热潮中，算苗科技已经提前抢占了一个先发身位。