All-in 推理！

4 月 20 日，國(guó)內(nèi)全棧自研 AI 推理 GPU 企業(yè)曦望宣布完成新一輪超 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(shí)代后，國(guó)內(nèi) GPU 賽道誕生的最大單筆融資之一。

至此，分拆獨(dú)立僅一年多的曦望已累計(jì)完成七輪融資，總?cè)谫Y額約 40 億元，成為國(guó)內(nèi)首家估值超百億的純推理 GPU 獨(dú)角獸。

本輪融資資金將主要用于新一代啟望 S3 推理 GPU 的規(guī)?；慨a(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。

01

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(huì)聊天”進(jìn)化為“會(huì)思考、會(huì)執(zhí)行”的數(shù)字員工，推理需求迎來(lái)爆發(fā)式增長(zhǎng)。英偉達(dá) GTC 2026 大會(huì)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(shí)代，將“每瓦 Token 吞吐量”定義為 AI 時(shí)代的核心競(jìng)爭(zhēng)力。這與曦望自創(chuàng)立之初就鎖定的核心戰(zhàn)場(chǎng)高度契合。

“AI 算力基建的重心已徹底切換?！?/strong>曦望董事長(zhǎng)徐冰表示，“2026 年 AI 推理計(jì)算需求將達(dá)到訓(xùn)練需求的 4-5 倍，推理算力租賃價(jià)格半年漲幅近 40%?！?/p>

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(jiān)定 All-in 推理賽道，以用戶真實(shí)的 Token 成本、單位能耗和服務(wù)穩(wěn)定性為芯片設(shè)計(jì)核心。目前公司已推進(jìn)三代推理 GPU 迭代、數(shù)萬(wàn)顆 GPU 量產(chǎn)落地，實(shí)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(shí)現(xiàn)一次性流片成功、流片后性能符合設(shè)計(jì)預(yù)期”的行業(yè)一流標(biāo)準(zhǔn)。

02

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(guó)內(nèi)首款搭載 LPDDR6 且兼容 LPDDR5X 內(nèi)存的推理 GPU，它沒(méi)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(jì)算架構(gòu)到內(nèi)存 IO 系統(tǒng)進(jìn)行了全鏈路重構(gòu)。

以 OpenClaw 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(lái)了對(duì) KV-cache 密集訪問(wèn)的全新計(jì)算負(fù)載。而通用 GPU 面向訓(xùn)練優(yōu)化，推理實(shí)際算力利用率往往遠(yuǎn)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”。

這正是啟望 S3 所押注的結(jié)構(gòu)性機(jī)會(huì)：放棄訓(xùn)練能力，專為大模型推理做原生深度定制。通過(guò)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。

03

計(jì)算層：

專為推理而生的 AI Core 架構(gòu)升級(jí)

啟望 S3 通過(guò)計(jì)算層的深度定制，解決了通用 GPU“算力用不滿”的核心痛點(diǎn)，推理性能較上一代 S2提升 5 倍，目標(biāo)實(shí)現(xiàn) Token成本下降 90%。

1

逼近物理極限的算子利用率

大語(yǔ)言模型推理中，GEMM 與 Attention 算子占總計(jì)算量的 90%以上，但受限于通用架構(gòu)的設(shè)計(jì)約束，這兩項(xiàng)核心算子的實(shí)際利用率通常遠(yuǎn)低于理論峰值。啟望 S3 將這 GEMM 和 Flash Attention 兩項(xiàng)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(qǐng)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(dú)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(lái)的流水線代價(jià)；通過(guò)Block cluster 和 Broadcast等技術(shù)實(shí)現(xiàn)片上數(shù)據(jù)復(fù)用，減少對(duì)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(yùn)算，在 DeepSeek V3/R1 等主流模型上實(shí)現(xiàn)接近無(wú)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(jià)格彈性。

04

系統(tǒng)層：

三大接口技術(shù)破解智能體核心瓶頸

啟望 S3 創(chuàng)新性地集成了三大先進(jìn)高速接口技術(shù)，從內(nèi)存和 IO 兩個(gè)推理時(shí)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(wèn)題

大模型推理的一個(gè)核心特征是，在高并發(fā)、長(zhǎng)上下文的主流云端推理場(chǎng)景中，KV Cache 的顯存占比可超過(guò) 80%，且隨并發(fā)用戶數(shù)線性增長(zhǎng)。啟望 S3 采用的LPDDR6方案，在提供足夠推理帶寬的同時(shí)，將顯存容量上限大幅提高，且功耗降低 50%，匹配推理場(chǎng)景“大容量、高性價(jià)比、低功耗”的核心需求。同時(shí)，LPDDR6 與 LPDDR5x 兼容的設(shè)計(jì)，讓 啟望 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(chǎng)景，無(wú)需重新設(shè)計(jì)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(jì)思路，對(duì)推理場(chǎng)景下的互聯(lián)架構(gòu)進(jìn)行了深度優(yōu)化。從超節(jié)點(diǎn)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(jì)，實(shí)現(xiàn)TCO 與性能兼顧的推理互聯(lián)系統(tǒng)。

Agent 時(shí)代的到來(lái)，對(duì)推理集群的互聯(lián)性能提出了前所未有的要求——一個(gè) Agent 請(qǐng)求會(huì)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(gè)系統(tǒng)的性能會(huì)出現(xiàn)超線性下降，集群規(guī)模越大，性能損失越嚴(yán)重。

啟望 S3 創(chuàng)新性地在片上原生融合了 Scale-Up 超節(jié)點(diǎn)與 Scale-Out 的雙?；ヂ?lián)底座。在超節(jié)點(diǎn)通信域，啟望 S3 搭載基于以太網(wǎng)的超節(jié)點(diǎn)互聯(lián)引擎，支持 load/store 內(nèi)存語(yǔ)義與 UVA 統(tǒng)一編址，任意兩卡間一跳直達(dá)，為 AllReduce/AlltoAll 等集合通信提供硬件級(jí)加速；啟望 S3 選擇基于以太網(wǎng)的超節(jié)點(diǎn)方案，具備雙重優(yōu)勢(shì)：既可利舊復(fù)用標(biāo)準(zhǔn)以太網(wǎng)交換機(jī)，節(jié)省組網(wǎng)成本，又可無(wú)縫接入支持超低延遲能力的增強(qiáng)型交換機(jī)，將端到端延遲壓縮至百納秒級(jí)，性能逼近專有互聯(lián)協(xié)議?；诔?jié)點(diǎn)和 DeepEP 實(shí)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(shì)。另外，啟望 S3 在片上集成了 RDMA 通信引擎，專為 PD 分離架構(gòu)下的超長(zhǎng)上下文 KV Cache 傳輸進(jìn)行優(yōu)化，實(shí)現(xiàn)跨節(jié)點(diǎn) 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 啟望 S3 支持 32/64/128/256 彈性擴(kuò)展能力，為不同算力密度的推理場(chǎng)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(wèn)題

云原生推理時(shí)代，超長(zhǎng)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(wàn) Token 序列時(shí)，單請(qǐng)求 KV Cache 占用可達(dá)數(shù)百 GB 甚至 TB 級(jí)，傳統(tǒng) PCIe 帶寬瓶頸成為制約 KV Cache 高效管理的沉重枷鎖。

啟望 S3 搭載的PCIe Gen6 接口，帶寬較 Gen5 翻倍，可同時(shí)滿載多路高速網(wǎng)卡與 NVMe 存儲(chǔ)集群，滿足云原生推理的高并發(fā)數(shù)據(jù)吞吐需求；通過(guò) PCIe Gen6 的高帶寬讓CPU DRAM 真正成為 啟望 S3 顯存的擴(kuò)展池?？蓸?gòu)建起“顯存-DRAM-NVMe”三層異構(gòu) KV Cache 架構(gòu)：

1. 熱數(shù)據(jù)駐留顯存保證低延遲的訪問(wèn)；

2. 溫?cái)?shù)據(jù)通過(guò) PCIe Gen6 擴(kuò)展至 CPU DRAM 實(shí)現(xiàn)容量倍增；

3. 冷數(shù)據(jù)則下沉至 NVMe SSD 持久化存儲(chǔ)，解決智能體的資源碎片化問(wèn)題。

05

“推理原生”帶來(lái)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(duì)固化，而推理側(cè)正隨 Agentic AI 放量進(jìn)入指數(shù)級(jí)增長(zhǎng)通道——多家機(jī)構(gòu)預(yù)測(cè)，未來(lái)五年推理算力市場(chǎng)規(guī)模將超越訓(xùn)練側(cè)數(shù)倍，其中 Agent 類負(fù)載將貢獻(xiàn)最主要的增量。

啟望 S3 同時(shí)具備三個(gè)難以共存的要素：

1. 推理原生的架構(gòu)前瞻性；

2. 實(shí)現(xiàn) 98-99% 算子利用率的頂尖工程能力；

3. 完整的生態(tài)適配能力。

“啟望 S3 不是簡(jiǎn)單的性能升級(jí)，而是一次對(duì) AI 推理成本曲線的重構(gòu)?！?/strong>徐冰表示，“我們的目標(biāo)是將推理成本降至‘百萬(wàn) Token 一分錢’，讓 AI 像水電一樣成為普惠基礎(chǔ)設(shè)施。”

06

資本助力推理賽道進(jìn)入加速期

本輪融資由多家產(chǎn)業(yè)方戰(zhàn)投、地方國(guó)資及頭部財(cái)務(wù)機(jī)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(jìn)制造業(yè)集群建設(shè)戰(zhàn)略、深耕人工智能萬(wàn)億級(jí)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(zhǎng)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(guó)內(nèi)少數(shù)真正理解推理場(chǎng)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?！?/p>

07

聚集頂尖人才，

打造中國(guó) AI 工業(yè)化算力底座

曦望團(tuán)隊(duì)規(guī)模已增長(zhǎng)至400人，研發(fā)人員占比超80%，匯聚了來(lái)自英偉達(dá)、AMD、華為海思等國(guó)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(tuán)隊(duì)融合了芯片設(shè)計(jì)、高性能計(jì)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(zhǎng)”核心原則，全力推進(jìn)啟望 S3 芯片量產(chǎn)交付，完成與國(guó)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(shí)，公司已完成啟望 S4 高性能推理 GPU 和啟望 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(jì)算、光電共封等前沿技術(shù)探索。

未來(lái)，曦望將繼續(xù)堅(jiān)守“讓 AI 推理便宜、穩(wěn)定、隨處可用”的核心目標(biāo)，為中國(guó) AI 發(fā)展鑄造堅(jiān)實(shí)的算力底座。

關(guān)于曦望

曦望（Sunrise）是國(guó)產(chǎn)全棧自研人工智能算力芯片企業(yè)，前身是商湯大芯片部門，2024 年底分拆獨(dú)立運(yùn)營(yíng)，專注于高性能 GPU 及多模態(tài)場(chǎng)景推理芯片的研發(fā)與商業(yè)化。曦望憑借八年技術(shù)沉淀、二十億研發(fā)投入及兩代量產(chǎn)芯片的工程化驗(yàn)證，已成為國(guó)產(chǎn) GPU 替代的核心力量。公司致力于為千行百業(yè)提供成本降低十倍、能效比突破的智能算力基石，通過(guò)技術(shù)創(chuàng)新和深度產(chǎn)業(yè)協(xié)同，推動(dòng)各行業(yè)的智能化發(fā)展，并助力實(shí)現(xiàn)通用人工智能（AGI）的普惠化目標(biāo)。

—— 芯榜 ——

芯榜成立于 2015 年，是半導(dǎo)體垂直領(lǐng)域的產(chǎn)業(yè)媒體與數(shù)字化服務(wù)平臺(tái)。全網(wǎng)覆蓋超 100 萬(wàn)垂直行業(yè)用戶，核心提供專業(yè)榜單發(fā)布、原創(chuàng)訪談、產(chǎn)業(yè)報(bào)告、峰會(huì)活動(dòng)及研究咨詢等服務(wù)。已合作近千家半導(dǎo)體生態(tài)企業(yè)，聯(lián)動(dòng)多家基金公司與產(chǎn)業(yè)媒體，助力硬科技產(chǎn)業(yè)發(fā)展。