來源：獵云網(wǎng)

國內(nèi)全自研GPGPU創(chuàng)新企業(yè)「北京行云集成電路有限公司」（以下簡稱"行云"）宣布連續(xù)完成Pre-A及Pre-A+多輪融資，融資金額超4億元。本輪由五源資本、賽富投資基金、春華資本聯(lián)合領(lǐng)投，北京、江蘇等地方國資、佰維存儲(chǔ)、金沙江聯(lián)合帶動(dòng)全球知名GPU企業(yè)創(chuàng)始人家辦、創(chuàng)維資本等產(chǎn)業(yè)資本跟投。云岫資本連續(xù)多輪服務(wù)并擔(dān)任下一輪獨(dú)家融資財(cái)務(wù)顧問。

行云成立于2024年，專注面向大模型推理的新一代GPGPU芯片。技術(shù)上打造超大顯存規(guī)格、極致CUDA兼容的全自研產(chǎn)品，公司目標(biāo)直指AI大模型推理的普惠化。

創(chuàng)始人季宇博士，清華大學(xué)計(jì)算機(jī)系博士，"華為天才少年"計(jì)劃成員，曾在華為海思深度參與昇騰AI芯片的編譯器與架構(gòu)研發(fā)。CTO余洪敏博士，中科院半導(dǎo)體所博士，曾深度參與包括兩款國產(chǎn)AI芯片在內(nèi)的多款芯片的研發(fā)與量產(chǎn)，擁有十余款芯片成功流片經(jīng)驗(yàn)。一位是站在算法×編譯器交界處的架構(gòu)師，一位是十余次走完"實(shí)驗(yàn)室到量產(chǎn)"全流程的芯片老兵——這恰好對(duì)應(yīng)了行云技術(shù)路線的兩個(gè)重點(diǎn)：架構(gòu)判斷要不要賭錯(cuò)、工程交付能不能扛住。

要理解行云芯片的邏輯，必須先承認(rèn)一個(gè)正在被業(yè)內(nèi)默認(rèn)、但還未被公眾充分定價(jià)的事實(shí)：2026年的大模型，已經(jīng)不再是"應(yīng)用"，而是"生產(chǎn)資料"。

從Chatbot到Agent，從一次性問答到長鏈路、多輪自主執(zhí)行的任務(wù)交付，模型正在變成知識(shí)工作的底層引擎。一旦角色從"產(chǎn)品"轉(zhuǎn)換為"生產(chǎn)資料"，關(guān)于"誰擁有它、誰定價(jià)它、誰被它替代"的討論就避無可避。而當(dāng)這個(gè)問題向下追問到基礎(chǔ)設(shè)施層，三個(gè)結(jié)構(gòu)性矛盾立刻浮現(xiàn)。

矛盾一：從玩具到工具的鴻溝，門檻是千億參數(shù)

Chatbot時(shí)代，7B、13B的小模型勉強(qiáng)夠用。但真正能被Agent場景委以重任的模型，幾乎全部集中在200B–700B的千億參數(shù)區(qū)間——只有這個(gè)量級(jí)，才能撐得住超長上下文、穩(wěn)定的工具調(diào)用鏈和可接受的幻覺率。

用戶用錢投票已經(jīng)把這一點(diǎn)說得很清楚：2026年初，Anthropic以行業(yè)最高的API定價(jià)把營收推到300億美元ARR，其中Claude Code單產(chǎn)品ARR即達(dá)25億美元。"最貴的模型反而最賺錢"，恰恰說明在"真正能干活"的場景里，模型質(zhì)量是一道硬門檻，而這道門檻，今天的消費(fèi)級(jí)硬件夠不著。

矛盾二：成本結(jié)構(gòu)性失衡，大廠和用戶被同時(shí)擠壓

為了把千億模型留在云端，OpenAI、Anthropic、Google 等頭部廠商過去兩年的資本開支呈指數(shù)級(jí)增長——更大的集群、更貴的HBM、更密的液冷機(jī)房。這些成本最終必然向用戶端傳導(dǎo)：訂閱制的代價(jià)是限流、降智、高峰排隊(duì)，海外API計(jì)費(fèi)的代價(jià)是Agent長鏈任務(wù)下指數(shù)級(jí)增長的Token賬單，月支出動(dòng)輒數(shù)千美元。

這是一場不對(duì)稱的雙向擠壓：大廠在賭自己能撐到回本那一天，用戶在賭自己付得起下一張賬單。任何能在這局之外另開一條算力供給路徑的玩家，都會(huì)給目前的產(chǎn)業(yè)界帶來新的思考。

矛盾三：數(shù)據(jù)主權(quán)與崗位反噬的不對(duì)稱交換

云端API在數(shù)據(jù)流向上是單向透明的。用戶每一次與Agent的深度協(xié)作，都在把職業(yè)Know-how免費(fèi)轉(zhuǎn)交給模型公司。海外大廠一邊組建"反蒸餾聯(lián)盟"嚴(yán)防所謂競爭對(duì)手，一邊肆無忌憚地從所有用戶身上蒸餾經(jīng)驗(yàn)。"個(gè)人經(jīng)驗(yàn)→模型能力→崗位替代"的閉環(huán)就此閉合。

對(duì)一名知識(shí)工作者來說，這已經(jīng)不只是隱私問題，而是生存問題。只要推理還完全構(gòu)筑于云端，數(shù)據(jù)和生產(chǎn)關(guān)系的主權(quán)就總有歸零的一天。

上述矛盾，過去并非沒人看到，但在稠密Transformer時(shí)代，"把千億模型搬回本地"在物理上就不成立——稠密模型每次前向都要全量激活，對(duì)帶寬的需求讓HBM成為不可繞開的剛需，消費(fèi)級(jí)的LPDDR/DDR根本進(jìn)不了場。

而MoE稀疏架構(gòu)的普及，把這套法則改寫了。MoE用更大的總?cè)萘垦b下更多"專家"，但每次推理只激活一小部分。結(jié)果是瓶頸從"極致帶寬"遷移到"超大容量"，單次激活的算力和帶寬需求驟降。帶寬需求第一次回落到LPDDR/DDR的"甜點(diǎn)區(qū)間"。再配合Attention的稀疏性和超長上下文的需求，算力，容量，顯存帶寬，互聯(lián)的關(guān)系在不斷發(fā)生改變。

換句話說，是算法演進(jìn)給硬件留出了一個(gè)歷史性的窗口期。能不能踩準(zhǔn)這個(gè)窗口，決定了一家芯片公司是順著潮水走還是逆著潮水走。

行云的技術(shù)路徑，可以拆成"介質(zhì)替換"和"系統(tǒng)級(jí)工程"兩層。

介質(zhì)層面，行云放棄成本高昂的HBM，轉(zhuǎn)而采用LPDDR乃至NAND（SSD顆粒）作為顯存介質(zhì)，使顯存成本下降1到2個(gè)數(shù)量級(jí)。低成本介質(zhì)單顆粒帶寬較低，行云用多顆粒、多通道并行架構(gòu)把整體帶寬堆疊到TB級(jí)，匹配大模型推理的吞吐需求。

系統(tǒng)層面，公司通過Prefill / Decode分離（PD分離）、KV Cache稀疏化、分布式擴(kuò)展、極致CUDA兼容等手段，在系統(tǒng)級(jí)構(gòu)建軟硬件協(xié)同壁壘。CTO余洪敏強(qiáng)調(diào)，行云的設(shè)計(jì)優(yōu)先級(jí)已經(jīng)從"追求單芯片極致性能"轉(zhuǎn)向"從板級(jí)系統(tǒng)角度追求可擴(kuò)展性與供應(yīng)鏈穩(wěn)定性"——通過分布式設(shè)計(jì)與成熟工藝、低成本存儲(chǔ)的組合，在系統(tǒng)層面實(shí)現(xiàn)成本最優(yōu)與體驗(yàn)一致。

物化到產(chǎn)品，就是行云即將推出的首款消費(fèi)級(jí)桌面計(jì)算產(chǎn)品，CUDA極致兼容，面向消費(fèi)級(jí)價(jià)位點(diǎn)設(shè)計(jì)。它不是一張被裁剪過的計(jì)算卡，而是從底層就為"在端側(cè)跑千億模型"重新設(shè)計(jì)的芯片，讓用戶可以在萬元價(jià)位高吞吐運(yùn)行萬億級(jí)別參數(shù)的大模型。

行云援引一個(gè)產(chǎn)業(yè)類比：當(dāng)19世紀(jì)的交通革命中鐵路剛出現(xiàn)的時(shí)候，英國產(chǎn)生了巨大的鐵路泡沫，認(rèn)為所有的道路將通過鐵路流通，并最終留下了商業(yè)模型的崩潰出清。但最后并不是只靠貫穿大洲的鐵路干線完成所有的交通需求，更依賴于深入毛細(xì)血管的汽車與公路。今天的AI算力網(wǎng)絡(luò)也站在同樣的分岔口——是走向超算壟斷的"中心化鐵軌"，還是走向端側(cè)普惠的"分布式公路"？

行云給出的答案是后者。在公司的產(chǎn)品路線里，首顆芯片只是第一個(gè)錨點(diǎn)。當(dāng)技術(shù)路徑進(jìn)一步推向NAND介質(zhì)，端側(cè)算力設(shè)備的價(jià)位有望下探到千元級(jí)，覆蓋主流千億乃至萬億參數(shù)模型，并在單用戶場景下反超云端體驗(yàn)，最終讓AI算力設(shè)備的普及率接近今天的智能手機(jī)。

與此對(duì)應(yīng)，季宇明確表示，公司今年的核心目標(biāo)是完成芯片量產(chǎn)并盡快推向市場，以芯片產(chǎn)品作為商業(yè)化的主要抓手。OpenClaw 和Hermers這類Agent平臺(tái)的現(xiàn)象級(jí)傳播也已經(jīng)印證了下游需求——市場對(duì)"消費(fèi)級(jí)硬件承載高質(zhì)量AI"的渴望，已經(jīng)具備實(shí)際購買力。