一年两轮融资近20亿元，北京市区两级国资领投
10月14日，北京AI芯片初创企业算苗科技宣布完成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，一年内累计融资总额近20亿元。募集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大模型算力芯片的量产落地。
过去一年，算苗科技的融资节奏在一级市场颇为罕见，其投资方阵容覆盖三类资本：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。具体到轮次：Pre-A轮由源码资本、石溪资本联合领投，联想创投等多家半导体核心产业投资方跟投；Pre-A1轮由襄禾资本领投，并获国开金融、北京顺禧等国资背景资本加持；本轮Pre-A2轮及A轮则由亦庄国投等北京市区两级国资平台领投，其中A轮融资规模为数亿元。
国资平台的持续加码，不仅带来资金，也带来产业协同预期。据披露，投资方将助力算苗科技对接亦庄产业链资源，打通制造、封装、应用及产能供应链。算苗科技方面表示，募集资金将全部投入到100%国产化3D算力芯片的研发攻坚与规模化量产工作中，助力突破AI算力芯片核心技术瓶颈。
破解大模型推理"内存墙"：8层晶圆堆叠、16TB/s带宽
算苗科技押注的，是大模型推理侧的算力缺口。德勤预测，未来超80%的算力需求将集中在推理侧。然而，大模型推理长期受制于"内存墙、算力墙、通信墙"三大核心瓶颈——所谓"内存墙"，指处理器计算速度与内存访问速度之间日益扩大的鸿沟。数据在存储器与处理器之间的频繁搬运，造成高达80%的能耗和70%的成本压力；学术论文给出的量化数据显示，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。图灵奖得主约翰·轩尼诗也曾指出，数据搬运的成本已经达到计算成本的100倍；英伟达H100运行AI推理时，高达70%的计算单元在空转等待数据。
【图表：大模型推理"内存墙"瓶颈量化图】
算苗科技的解法是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。2026年6月15日，公司面向大模型推理的第一代3D TokenPU芯片A4E正式流片。该芯片基于自研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，以实现16TB/s的超大访存带宽；借助硅通孔（TSV）与凸点（bump）技术实现微米级互联，将传统芯片间毫米级的传输距离压缩两个数量级。
以英伟达H200的推理吞吐量为1.0倍基准，仿真数据显示，运行Llama、Mixtral等主流开源大模型时，A4E的推理吞吐量可达英伟达H200芯片的1.26倍至2.19倍。
【图表：A4E芯片推理吞吐量对比图】
在架构设计上，算苗科技引入Tile-Native软硬件协同理念，将Tile作为数据搬运、存储和计算的基本单元，实现"一次搬运、多次复用"；硬件原生支持Tile级数据调度与多精度动态切换，软件端则构建适配LLVM、Triton等开源生态的编译工具栈，为大模型推理提供更高性能和更低TCO（总拥有成本）。
"我们不是在别人的赛道上追赶，而是在开辟新的方向。"算苗科技创始人兼CEO汪福全表示，"3D TokenPU专为大模型Token处理而生，不必单纯依赖制程缩小，就能实现算力密度、能效比的跨越式提升。"在他看来，Token已成为大模型时代衡量智能的最基本单元，而所谓"专用"并非绑定某一款大模型——不管大模型如何演变，底层都是对Token序列的处理，只要这一底层逻辑不变，硬件就可以持续适配。
量产时间表方面：A4E已与国内头部大模型厂商开展深度联合研发，预计2027年年初可实现量产交付；第二代芯片A4S的定义已经完成，计划于2027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。
从龙芯到算苗：一支深耕3D堆叠近七年的团队
算苗科技成立于2022年11月，定位为3D算力芯片研发商，聚焦AI大模型推理领域，核心产品为3D定制化AI算力芯片，是业界首家采用混合键合工艺实现3D堆叠芯片研发与大规模量产的团队，目前已与数家国内头部半导体厂商建立深度合作。
创始人汪福全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；毕业后进入中国科学院计算所从事计算机体系结构方向博士后研究，合作导师为"龙芯"首席科学家胡伟武。2009年，他创办中科声龙，业务长期围绕"龙芯"产业化落地展开。2019年底，团队锁定基于混合键合的3D堆叠架构；2021年第四季度推出采用成熟40nm工艺的JASMINER X4——全球首款3D堆叠的高通量算力芯片，实现了比英伟达7nm旗舰显卡高出20倍的专用算力功耗比。2022年底ChatGPT问世后，汪福全判断大模型计算瓶颈与高通量算力芯片高度同源——同样被"内存墙"堵死，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，算苗科技应运而生。
【图表：算苗科技发展里程碑时间线图】
核心团队方面：联合创始人CTO刘明拥有15年龙芯半导体研发经验，曾两次成功落地3D堆叠芯片；首席算法科学家闫超、首席AI专家楼建光、首席软件架构师魏永明分别在处理器、AI算法、基础软件领域具备深厚积累。公司研发人员占比超80%，核心技术成员均毕业于中科院、清华大学等国内顶尖高校，多位曾任职于国产CPU龙芯团队，拥有十余年芯片研发实战经验。
量产与商业化能力是这家公司的底气所在：核心团队累计拥有超过10000片3D晶圆量产经验，相关3D芯片产品累计营收已突破12亿元；团队实现世界首个晶圆级3D IC的商业化落地，成为中芯北方首个40/28nm、NP工艺的3D客户，以及兆易创新首个3D定制DRAM客户；公司已构建起覆盖芯片设计、核心IP、制造、封装的国产化供应链体系。一个细节是：在中科声龙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，果断向国产存储芯片商预付五千万元锁定供应商，此后几年团队依托这条国产供应链累计完成超万片3D IC晶圆量产，单一产品营收超过8亿元。
3D堆叠从"技术豪赌"到一级市场显学
算苗科技的融资热度，也折射出3D堆叠赛道本身的变化。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2026年5月华为首次对外提出"韬定律"，进一步带动了3D堆叠技术的热度；国内已有不少GPU公司与芯片创业企业布局3D设计，投资机构也正密集涌向这条此前少有人走的路。
同赛道玩家正密集出现：小米发布采用晶圆级3D堆叠架构的AI加速芯片玄戒O100，通过混合键合实现1.4微米的物理键合间距，内存带宽最高达到1.22TB/s；光羽芯辰发布3D堆叠近存端侧AI芯片TC1000系列，单芯片运行3B参数模型的推理速度达300Token/s；网易孵化的谦合益邦亦完成20亿元融资，布局3D DRAM存算一体路线。相较之下，算苗科技聚焦云端大模型推理，其第一代产品A4E的8层晶圆堆叠与16TB/s带宽设计，指向数据中心级推理场景。
随着AI产业加速由训练向推理迁移，推理算力的能效比与性价比正成为竞争焦点。对算苗科技而言，团队近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，构成其最直接的护城河；而随着新一代芯片流片在即、量产进入倒计时，这家曾被称作"水下公司"的AI芯片创企，已在3D堆叠芯片的新一波热潮中抢占先发身位。
