聚焦稀疏计算的墨芯人工智能（下称墨芯）近日宣布完成近10亿元C+轮融资。距离上一轮近10亿元融资落地仅约五个月——不到半年，这家公司已经融了两轮，合计近20亿元。
两轮钱的用法不一样。今年5月的C轮，用途写的是新一代计算卡量产和算力网络扩张；到了11月的C+轮，资金转向推理芯片的软硬件升级、下一代芯片预研，以及稀疏计算产学研合作。前者是把计算卡做出来、交到更多客户手上，后者是把客户部署时遇到的问题带回下一代产品的研发。
这家公司2018年成立，融资起点可追溯到2020年3月的近千万美元天使轮，凯旋创投领投，创享基金、云天使基金跟投。次年1月，墨芯获得浪潮云海基金战略投资，老股东凯旋创投继续跟投——浪潮是服务器供应商，AI服务器是其业务之一，产业资本在早期就进了场。
之后的融资节奏是：2021年至2024年，先后披露1亿元Pre-A轮、数亿元A轮，以及各数亿元的A+轮和B轮；其中A+轮与B轮是在2024年4月统一披露的，实际完成于此前半年。今年5月的C轮，深创投、大湾区共同家园、力鼎资本、蕴盛资本等参与，老股东凯旋创投、盛景嘉成、岩山科技继续投资；11月的C+轮，则出现了仁爱资本、海棠基金、东恒石油、比丘资本、派拉资本、中财资本等投资方。
资本愿意连续加注，与团队结构有关。创始人兼CEO王维曾在高通、英特尔任职；联合创始人兼首席科学家严恩勐是卡内基梅隆大学机器学习博士，曾在谷歌、微软研究院工作；联合创始人芦勇曾在SK海力士、Marvell从事芯片设计。三个人恰好对应产品链上的三个环节：算法要找出模型里可以省掉的运算，芯片要能跳过这些运算，工具链要让客户的模型顺利部署。
但问题的核心不在融资，而在技术路线到底能省下多少。墨芯选的是以稀疏计算为核心、聚焦AI推理的路线：先由算法识别和减少不必要的计算，再由软件与芯片执行这些优化后的任务。它与通用GPU的区别在于，后者可以承担训练、推理及科学计算等多种任务，而稀疏芯片需要从头构建一套软硬件平台。
需要说明的是，稀疏并不是专用芯片独有的能力。英伟达自A100起便支持结构化稀疏，通过限定数据排列方式让硬件跳过部分零值运算；其公开的Rubin架构资料，还介绍了注意力及MLP模块中的激活稀疏支持。这意味着墨芯要在“通用GPU已经补强”的前提下证明自己的性价比。
它的应对方式是把生态往深里做。今年8月，墨芯成立了国内首个稀疏计算产学研联盟，已与复旦大学、清华大学、西安交通大学等高校启动多项联合课题；6月，公司方面透露约五至六成人员从事软件相关工作；9月，MACS软件系统更新，补充了模型服务部署示例及集群设备管理功能。
产品层面，墨芯已推出搭载自研Antoum芯片的S4、S30、S40计算卡，分别集成1颗、3颗和4颗芯片，面向不同规模的部署需求；围绕硬件还提供模型稀疏化、编译和运行工具，以及设备监控与集群管理软件，帮客户把现有模型迁移过来并完成部署运维。按照公司计划，2026年年底前将推出新一代板卡SP200，并发布升级版软件栈SECA；后续还将推出配套MaaS平台及模型框架适配工具。
落地进展方面，据披露，基于自研芯片的推理集群已在西北、西南、华东和华北等区域部署，并与电信运营商开展合作。不过，部署规模本身不足以判断设备利用率、订单收入或客户获得的成本收益——这三项才是商业化的真实刻度。
对一家挑战主流路线的公司而言，最难的一步从来不是把芯片做出来，而是让客户愿意为“另一套系统”付费。对已有GPU集群的客户来说，更换方案意味着重新适配、测试和维护，稀疏芯片节省的运行成本必须覆盖这些新增投入，客户才有迁移或追加采购的动力；而在同一模型、同等效果、相近负载下，比的不应是峰值算力或单项测试，而是综合使用成本。
所以，这近20亿元买到的是一段时间：足够把SP200做出来、把SECA打磨好、把几家标杆客户跑成可复用的案例。但时间不是护城河，能不能在真实业务里持续跑赢GPU的综合成本，才决定它是留在细分场景，还是走向规模化市场。
本文根据企业披露及公开报道整理，融资金额与产品进度以公司公告为准。
