关注投资家，⭐，您会收到最新推送 作者 | 投资哥 来源 | 投资家网 近日，国内AI芯片设计商亿铸科技宣布完成新一轮融资，引发行业广泛关注。此次融资由兴湘资本、 农银国际、盈科值得和合鼎共资本共同参与，标志着亿铸科技在存算一体AI大算力芯片领域的创新实 力再次获得认可。在当前AI技术蓬勃发展的背景下，亿铸科技的技术突破备受瞩目，有望为低空经 济、新一代信息技术等领域带来新的发展机遇。（搜狐网） 国医通完成近亿元D轮融资，浙生协同生命健康基金独家领投 LP募资情报 首期500亿元，江苏社保科创基金正式签约 10月31日，江苏社保科创基金在南京正式签约。省委书记信长星、省长刘小涛与财政部党组成员，全国 社会保障基金理事会党组书记、理事长刘昆，中国工商银行党委书记、董事长廖林见证江苏社保科创基 金合伙协议签署，并共同为江苏社保科创基金揭牌。签约和揭牌活动前，举行了工作会谈。信长星、刘 小涛代表省委、省政府感谢全国社会保障基金理事会、中国工商银行给予江苏发展的大力支持。信长星 说，党的二十届四中全会对加快高水平科技自立自强、引领发展新质生产力作出战略部署。我们正在深 入学习贯彻全会精神和习近平总书记对江苏工作重要讲 ...

今天分享的是：AI专题：2025年度国产AI芯片产业白皮书 报告共计：74页 Supplyframe V4 H SICA深芯盟 2025年 SUPPLYFRAME MEDIA 与非网资深行业分析师 张慧娟 《AI专题：2025年度国产AI芯片产业白皮书》（四方维、与非网、湾芯展联合出品）聚焦国产AI芯片产业发展，涵盖意义挑战、创新方向、产业全景、核 心应用及调研结论等核心内容。发展意义上，AI芯片作为算力基石，是全球科技竞争关键，国产芯片需突破架构主导、生态短板、规模化落地三大挑战， 同时通过传统架构优化与新兴架构创新（RISC-V、存算一体等）实现双线突破。创新方向包括主流架构AI革新（x86、Arm、RISC-V等架构的AI指令集与硬 件优化）、稀疏计算（硬件原生支持零值跳过，提升能效）、FP8精度（摩尔线程等实现量产，提升算力吞吐量）、系统级优化（Chiplet、存算一体、光电 融合等提升算力密度），国内厂商如墨芯、华为、云天励飞在稀疏计算等领域已有突破。产业全景方面，形成CPU、AI SoC、云端/边缘/车端AI芯片、GPU 多品类布局，企业地域集中于上海（15家）、北京（8家）、广东（6家），头部企 ...

产业发展战略意义与现状 - 国产AI芯片是AI产业的算力基石，对保障供应链自主可控和争夺下一代计算主导权至关重要 [1] - 产业正经历从“技术突围”到“生态崛起”的变革，形成传统架构优化与新兴架构创新双线并行的格局 [1] - 产业面临三大核心挑战：架构主导能力不足、生态体系存在短板、规模化落地受阻 [1] 技术创新方向与路径 - 多架构领域持续发力，涵盖x86、Arm、RISC-V、GPU及DSA专用加速器 [1] - 聚焦稀疏计算、FP8精度优化、存算一体、Chiplet异构集成等前沿技术突破 [1] - 墨芯人工智能、华为、寒武纪等企业在稀疏计算领域形成技术积累，摩尔线程等实现FP8算力量产 [1] - 存算一体技术通过近存计算与存内计算两条路径推进，旨在突破“内存墙”难题 [1][42] - 系统级优化技术包括Chiplet先进集成、存算一体计算范式、光电共封互连技术、液冷散热及新材料应用 [40] 产业格局与市场应用 - 产业全景呈现多领域协同发展，CPU、AI SoC、云端/边缘/车端AI芯片及GPU企业各具特色，地域上集中于上海、北京、广东 [2] - 通用并行架构成为算力平台优先发展方向，Chiplet技术被视为突破算力瓶颈的关键路径 [2] - 2024年智能算力规模达725.3 EFLOPS，华为、摩尔线程等企业的万卡级集群已实现部署 [2] - 智驾领域舱驾一体趋势显著，地平线、黑芝麻等企业的芯片已批量上车 [2] - 国产芯片在机器人领域及智能汽车、具身智能等端侧市场场景展现巨大潜力 [2] 核心挑战与瓶颈 - 架构主导能力不足，难以突破技术跟随困境 [1][14] - 生态体系存在短板，软件栈、开发工具与模型兼容性滞后 [1] - 算力密度与软件生态是最需突破的瓶颈 [2] - 量产方面，EDA工具链缺失和先进封装产能不足是主要障碍 [2]

存储技术变革背景 - 人工智能、自动驾驶、物联网等新兴应用对存储器的速度、能耗与稳定性提出更高要求，传统存储体系面临多重挑战 [1] - 传统基于电荷存储的技术（如SRAM、DRAM、闪存）在技术节点突破10纳米后，面临可扩展性受限、性能提升困难、可靠性下降等严峻挑战 [2] - 新型非易失性存储技术需兼具DRAM的高速响应能力和闪存的非易失性特征，同时大幅降低功耗 [2] SOT-MRAM技术优势 - SOT-MRAM利用自旋轨道力矩效应实现数据写入与擦除，具备高速写入、高能效和高可靠性三大核心优势 [3][4][5] - 切换速度达到1纳秒级别，几乎可与SRAM媲美，同时保留非易失性优势，数据保持时间可超过10年 [2][13][14] - 三端结构设计将读写电流路径完全分离，解决了耐久性问题和磁性隧道结电阻限制，显著降低能耗 [4][14] - 隧穿磁阻比高达146%，表明MgO与Co₄₀Fe₄₀B₂₀之间形成高质量界面，提供稳定读取裕量 [1][14] 关键技术突破 - 研究团队通过插入超薄钴层形成复合结构，成功解决β相钨材料在半导体制造热处理条件下的相变难题 [7][9] - 复合钨结构可在400°C下维持物相稳定长达10小时，甚至耐受700°C高温30分钟，而传统单层钨在400°C下仅10分钟即发生相变 [9] - 该结构自旋霍尔电导率约为4500 Ω⁻¹·cm⁻¹，阻尼类扭矩效率约0.61，确保了高效的磁化翻转性能 [9] 性能验证与产业化进展 - 成功制备出64千位SOT-MRAM原型阵列，在1纳秒切换时间下的临界电流密度为48.0兆安/平方厘米，在10纳秒下为34.1兆安/平方厘米 [13] - 器件热稳定性参数Δ约为116，数据保持能力出色，可满足非易失性存储的严格要求 [14] - 设计已考虑与现有半导体后端工艺的兼容性，为大规模量产铺平道路，并计划进一步扩展至兆比特级集成 [14][15] 行业应用前景 - SOT-MRAM有望替代高速缓存级别的SRAM，成为AI加速器的片上缓存，显著降低系统能耗 [6][15] - 其非易失性特性对电池供电的物联网终端尤为有利，设备可快速启停而不丢失数据 [15] - 或将推动传统“SRAM缓存—DRAM主存—闪存外存”三级架构的重构，简化系统架构并提升效率 [15] - 为“存算一体”等新型计算架构提供可行性，有助于突破传统冯·诺依曼结构的“存储墙”瓶颈 [16]

存储技术变革需求 - 当前计算系统依赖SRAM、DRAM和闪存构成的存储层级体系，但随着技术节点突破10纳米，传统电荷存储技术面临可扩展性受限、性能提升困难、可靠性下降等挑战[3] - 人工智能和边缘计算等新兴应用要求存储器兼具DRAM的高速响应能力和闪存的非易失性特征，同时需大幅降低功耗[3] - 新型SOT-MRAM的切换速度达到1纳秒级别，几乎可与SRAM媲美，并保留非易失性优势，远优于DRAM的14毫秒延迟和3D TLC NAND的50至100微秒读取延迟[3] SOT-MRAM技术优势 - SOT-MRAM利用强自旋轨道耦合材料产生自旋轨道力矩，实现磁性隧道结内纳米磁体的磁化翻转，从而完成数据写入与擦除[4] - 技术具有三大核心优势：通过自旋轨道力矩效应实现纳秒级高速写入；三端结构设计分离读写电流路径，显著降低能耗；读写操作独立使器件耐久性大幅提升，数据保持能力出色[4][7] - 这些优势使SOT-MRAM有望替代高速缓存级别的SRAM，成为新一代计算系统的核心存储组件[4] 关键技术突破：热稳定性解决方案 - 研究团队通过插入超薄钴层形成复合结构攻克β相钨热稳定性难题，钴层厚度仅0.14纳米，发挥扩散阻挡层和消耗热预算的双重作用[7][8] - 复合钨结构在400°C下可维持物相稳定长达10小时，耐受700°C高温30分钟，而传统单层钨在400°C下仅退火10分钟就发生相变[8] - 该结构保持优异自旋转换效率，自旋霍尔电导率约为4500 Ω⁻¹·cm⁻¹，阻尼类扭矩效率约为0.61，确保高效磁化翻转性能[8] 器件性能验证 - 成功制备64千位SOT-MRAM原型阵列，实现1纳秒自旋轨道力矩翻转速度，本征翻转电流密度在10纳秒条件下为34.1兆安/平方厘米[11] - 器件热稳定性参数Δ约为116，数据保持时间可超过10年，隧穿磁阻比高达146%[12] - 三端结构设计实现读写操作完全独立，降低能耗，适用于对功耗敏感的边缘计算和移动终端应用场景[12] 产业化应用前景 - 研究从设计之初面向现有半导体后端工艺优化，确保工艺兼容性，为大规模量产铺平道路[12][14] - 计划进一步扩展至兆比特级集成，并将写入能耗降至每比特亚皮焦级别[14] - 在人工智能场景中，SOT-MRAM可作为AI加速器的片上缓存，显著降低系统能耗；在边缘设备中，其非易失性使设备可快速启停而不丢失数据[14][15] - 技术有望推动存储层级体系重构，填补SRAM与DRAM之间的性能空白，甚至取代其中一者，简化架构提升系统效率[15]

内容概况：中国神经形态芯片行业迎来了快速发展的新阶段，技术突破和市场需求的双重推动使其成为 全球半导体行业的重要竞争领域。2024年，中国神经形态芯片行业市场规模约为25.48亿元，同比增长 12.89%。技术方面，清华大学研发的"天机芯"和浙江大学研发的亿级神经元类脑计算机展示了中国的技 术实力。2025年，中国企业在7nm以下制程的神经形态芯片量产良率上取得提升，部分实验性产品采用 3D堆叠技术与新型忆阻器材料，能效比传统GPU提升50倍以上。 相关上市企业：寒武纪（688256）、海光信息（688041）、中芯国际（688981） 相关企业：隆基绿能科技股份有限公司、云南锗业集团股份有限公司、有研新材料股份有限公司、深圳 市江波龙电子股份有限公司、北京时代全芯存储技术股份有限公司、上海微电子装备（集团）股份有限 公司、中微半导体设备（上海）股份有限公司、江苏长电科技股份有限公司、科大讯飞股份有限公司、 商汤集团股份有限公司、歌尔股份有限公司、汉威科技集团股份有限公司、北京灵汐科技有限公司、杭 州时识科技有限公司、华为技术有限公司 关键词：神经形态芯片、神经形态芯片市场规模、神经形态芯片行业现状、神经形态 ...

近日，国内存算一体AI芯片公司深圳市九天睿芯科技有限公司（以下简称"九天睿芯"）宣布已完成B轮融资，规模超亿元人民币。 本轮融资由元禾璞华、哇牛资本、宁波镇海瀚鋆股权投资、高山新域等知名硬科技投资与产业投资机构出资，韦豪创芯、奇绩创坛等原有股东继续加持。 超亿元融资落地，资金锚定三大战略 资料显示，九天睿芯成立于2018年，总部在深圳，致力于打造集合高能效，高面效、高带宽存算一体AI芯片，突破传统冯·诺依曼计算架构与境外先进工艺 （7nm及以下）及HBM对华的封锁，是全球新型存算一体架构技术领域的领导者。 据了解，九天睿芯本轮融资的资金将精准投入到三大核心战略方向，以此为九天睿芯在技术革新、市场开拓以及人才梯队建设上注入强劲动力。 就技术纵深突破与产品矩阵拓展而言，九天睿芯明确规划未来3年将全力推进后续两代大容量大算力存算一体芯片的研发进程。公司第二代芯片的阶段性版 本，将支持1~3B级别的轻量化大模型，目前该芯片已经流片成功；而第三代芯片将支持100B（千亿）级别参数量的大模型的推理部署，且其成本仅为目前 方案的十分之一，相当于支持5~10B（百亿）级别参数量模型推理芯片的成本。 在市场拓展方面，九天睿芯将 ...

行业背景与挑战 - 人工智能领域算力需求爆发式增长，AI算力需求每不到六个月便实现翻倍，增速远超摩尔定律驱动的硬件算力提升速度 [2] - 中国智能算力规模2025年已突破数十万亿亿次，国家计算力指数与数字经济、GDP增长紧密相关 [2] - 行业面临双重硬件制约：摩尔定律放缓导致晶体管尺寸微缩难度加大，以及先进光刻机单次曝光尺寸固定为858平方毫米，限制了GPU等单芯片的最大面积 [2][4] - 美国长期主导计算芯片体系，其依赖指令集、工具链、操作系统构成的完整生态支撑 [2] 芯片算力提升路径 - 将芯片算力拆解为三个核心要素：晶体管集成密度 × 芯片面积 × 单个晶体管算力 [4] - 传统提升集成密度路径依赖晶体管尺寸微缩，当前已实现每平方毫米数亿个晶体管的集成，例如英伟达H200 GPU在800平方毫米面积内集成近1000亿个晶体管，但面临功耗、成本与良率挑战 [6] - 未来实现超万亿晶体管集成需依托以芯粒技术为代表的2.5D/3D集成技术，将集成维度从“面密度”拓展至“体密度” [6] 芯粒技术发展 - 芯粒技术是融合架构设计、互联设计、存储封装、电源散热及先进光刻的综合技术体系 [6] - 为推进自主生态建设，牵头组建“中国中关村高性能芯片互联技术联盟”，已制定12项团体标准、牵头编制5项国家标准 [6] - 依托国家重大项目建设“北京芯力技术创新中心”，打造芯粒技术一站式服务平台，目前该平台已完成通线并初步具备小批量量产能力 [6] 晶圆级芯片技术路线 - 国际上存在两类典型晶圆级芯片技术路线：Cerebras WSE采用的曝光厂拼接技术，以及Tesla Dojo采用的完好晶粒结合有机基板重塑晶圆路线 [7] - 学院团队提出“硅基基板 + 完好晶粒”技术路线，经测试能支撑芯片算力达到3-15 PFlops@FP8，性能超过4纳米工艺的英伟达GB200 GPU [7] 存算一体与忆阻器技术 - 忆阻器采用“两电极 + 中间氧化层组变层”结构，通过施加电源脉冲调节电导可实现多比特非易失存储，单个忆阻器可同时承担多比特乘法器、加法器与存储单元的功能 [9] - 相比传统数字电路，忆阻器的能效比CPU、GPU提升一个数量级，且在擦写速度、耐久性、多比特存储能力及成本方面优于闪存、MRAM、PCM等其他非易失存储器 [9] - 忆阻器存算一体技术从器件材料优化、交叉阵列功能演示，发展到2018年后与CMOS电路集成打造原型芯片，呈现指数级发展趋势 [9] 忆阻器工艺突破 - 团队与中芯国际合作研发出覆盖55纳米、40纳米、28纳米、22纳米至12纳米多个节点的忆阻器集成工艺，具备良好的工艺迁移能力 [10] - 忆阻器集成规模达上百兆，良率可达4个9至6个9，实现4比特编程，40纳米、28纳米节点的存储产品已实现一定规模量产，工艺水平进入国际第一梯队 [10][12] 忆阻器核心创新方案 - 为提升计算精度，研发“混合训练架构”，研制出国际首款多阵列忆阻器存算一体系统，成功演示多层卷积神经网络计算，能效达110+ TOPS/W [12] - 为实现片上训练，提出“Stellar片上学习框架”，研制出国际首款全系统集成的支持片上高效学习的忆阻器双算力芯片，在相同任务下能耗比先进工艺数字芯片低1-2个数量级 [12] 产业化进展 - 忆阻器存储技术已相对成熟，台积电也在推进12纳米及更先进节点的忆阻器存储工艺研发 [15] - 团队孵化的企业已实现1-16MB典型规格忆阻器存储产品的量产 [15] - 孵化“北京亿元科技”初创公司，推出面向科研的存算一体硬件平台，并联合咪咕、字节跳动研发存算一体计算加速卡，在内容推荐场景开展探索性应用 [15] 未来发展方向 - 实现高算力芯片突破需依托多层次协同创新：引入存算一体新计算范式，并推动其与进程计算、主流计算架构的融合 [15] - 通过芯粒堆叠、单片三维集成等技术构建异构集成层次化芯片，突破单芯片面积限制 [15] - 团队正关注硅光、光电子融合等技术，计划引入光模块加速数据传输，丰富高效芯片的技术探索路径 [15]

天玑9500芯片发布与性能突破 - 联发科推出新一代旗舰5G智能体AI芯片天玑9500，首次推动端侧AI从尝鲜到好用[2] - 芯片基于第三代3nm制程工艺和全大核架构，集成超过300亿个晶体管[18] - NPU峰值性能相比天玑9400提升111%，同性能下功耗降低56%[18] - AI Benchmark跑分达15015分，接近上代芯片两倍，成为当前AI算力最强移动芯片[19] 端侧AI应用能力提升 - 支持手机端大语言模型处理128K字元超长文本，2秒内完成会议纪要总结[3] - 端侧生成图像仅需10秒，支持4K画质Diffusion Transformer生图，无次数限制[7][9] - 处理相同任务时功耗比天玑9400降低50%，所有AI应用完全在本地运行无需上传云端[11] - 端侧长文本处理能力达128K，相当于10小时录音内容[28] 芯片架构与技术优化 - 采用超性能+超能效双NPU架构，包含第九代AI处理单元和存算一体架构[22][26] - 首发支持BitNet 1.58bit量化推理框架，相比FP8精度功耗降低50%[25] - 存算一体架构使低功耗小模型运行功耗下降42%[28] - 升级Transformer专用固化电路，优化端侧训练内存至不足2G[27] 开发生态与行业合作 - 天玑AI开发套件支持混合专家模型等四大关键技术，端侧可运行7B参数大模型[30] - 联发科提供标准化AI开发范式，缩短从开发到部署时间[32][33] - vivo X300系列将搭载首个量产个性化定制AI端侧美颜功能[37] - OPPO Find X9应用天玑AI能力于小布识屏和意图搜索，提升NPU硬件使用率[40] 行业发展趋势 - 生成式AI进入实用化阶段，智能体技术让AI从工具进化成自主执行任务的数字员工[14] - 未来AI手机将结合云端大模型与端侧模型，端侧占比持续提升[15] - 端侧生成式AI推理成为技术落地最迫切需求，推动移动芯片快速进化[16][18] - AI手机发展趋势向个性化、主动服务转变，具备理解用户习惯和意图的能力[15][42]

文章核心观点 - 存算一体技术通过"数据不动计算动"的底层逻辑突破传统冯・诺依曼架构的"存储墙"和"功耗墙"困境，将AI算力能效提升数十倍，成为后摩尔时代最具颠覆性的技术路径[1] - 知存科技作为全球首批实现存算一体芯片量产商用的企业，通过"天才博士计划"加速培养跨域复合型人才，以应对行业技术爆发期的人才缺口挑战[1][6][7] - 存算一体技术已从前沿研究进入规模化量产阶段，大语言模型的爆发使其能效优势较传统卷积神经网络放大百倍，行业正经历从"量产验证期"向"规模应用期"跨越的关键阶段[3][12] 存算一体技术发展现状 - 技术跨过量产临界点：经过十余年沉淀，存算一体已从实验室成果进入规模化量产阶段，大语言模型爆发使其能效优势较传统卷积神经网络放大百倍[3] - 商业化落地成果：知存科技存算一体芯片已累计服务超30家客户，在智能物联网等场景实现商用[5] - 技术规模演进：当前存算一体芯片晶体管规模较英特尔8008微处理器的3500个晶体管实现至少百万倍增长[5] 行业人才需求与挑战 - 人才缺口严重：中国芯片专业人才缺口到2025年预计扩大至30万人以上[1] - 复合型人才稀缺：存算一体需要半导体器件、电路设计、AI算法的跨域协同，需具备解决存内计算噪声问题及通过算法、固件、电路和架构设计的综合能力[6] - 人才培养机制创新：知存科技采用"导师制+轮岗制"非常规体系，2年内完成2-3个核心研发岗位轮换，覆盖芯片设计到工具链开发全流程[7] 企业技术创新与研发实践 - 研发环境特色：开放式白板会议文化促进团队智慧最大化利用，拒绝闭门造车[10] - 技术攻坚重点：包括3D堆叠中"过孔寄生与通道串扰"难题，以及算法与存储单元匹配、良率提升等关键瓶颈[11] - 研发双轨挑战：团队既需攻克存算技术边界突破（从0到1），又要推动技术方案在量产线落地（从1到N）[11] 人才招聘战略与方向 - 薪酬竞争力：天才博士计划提供百万级薪资包，达到行业最高水准甚至超过部分头部大厂同类岗位[7] - 岗位覆盖范围：2026届招聘涵盖存算研发、数字/模拟电路设计、芯片架构、工艺与器件、编译工具、软硬协同、AI算法、热设计/热仿真等领域[11] - 核心吸引力：提供参与全球首个存算一体量产商用芯片迭代及下一代产品定义的机会，强调"共建技术未来"的共创感[7][11] 行业发展前景与应用方向 - 技术演进阶段：正处于从"量产验证期"向"规模应用期"跨越的关键节点[12] - 终端应用前景：端侧应用潜力巨大，如实现手机本地运行大模型而不发烫的高能效需求[11] - 产业标准建立：编译工具等岗位需解决存算架构与通用AI框架适配问题，行业内尚无参考经验，需要共同定义标准[11]