作者丨冯汝梅 编辑丨关雎 人工智能赛道又一个惊人融资事件诞生。 2025年12月8日，由前Databricks人工智能主管Naveen Rao创立仅两个月的AI神经形态计算芯片初创公司——Unconventional AI，在种子轮融资中筹集了 4.75亿美元（约合33亿元），投后估值飙升至45亿美元（约合318亿元）。这一融资规模不仅远超常规种子轮水平，甚至超过多数初创企业的C轮融资，创 下AI芯片领域早期融资纪录之一。 此次融资由Andreessen Horowitz（a16z）和Lightspeed Venture Partners共同领投，其他投资者包括Lux Capital和DCVC。Rao的前雇主Databricks以及亚马逊 创始人杰夫·贝索斯（Jeff Bezos）也参与了本轮投资。Rao本人也按与其他投资者相同的条款投资了1000万美元。 值得注意的是，这笔融资还只是Unconventional AI更大规模融资计划的第一步。根据Rao透露，公司计划后续融资总额可能高达10亿美元。 作为一家尚无产品、成立仅数周的初创公司，Unconventional AI的核心竞争力首先源于其豪华的创始团队 ...

「奔向AGI」 栏目聚焦AI大模型、AI agent、AI应用、芯片、机器人等前沿、热门的AI技术和商业 创新。 作者丨冯汝梅 编辑丨关雎 至 45 亿美元（约合 318 亿元）。这一融资规模不仅远超常规种子轮水平，甚至超过多数初创企业 的 C 轮融资，创下 AI 硬件领域早期融资纪录之一。 此次融资由 Andreessen Horowitz （ a16z ）和 Lightspeed Venture Partners 共同领投，其他投 资者包括 Lux Capital 和 DCVC 。 Rao 的前雇主 Databricks 以及亚马逊创始人杰夫·贝索斯（ Jeff Bezos ）也参与了本轮投资。 Rao 本人也按与其他投资者相同的条款投资了 1000 万美元。 值得注意的是，这笔融资还只是 Unconventional AI 更大规模融资计划的第一步。根据 Rao 透露， 公司计划后续融资总额可能高达 10 亿美元。 作为一家尚无产品、成立仅数周的初创公司， Unconventional AI 的核心竞争力首先源于其豪华的创 始团队。公司由 Rao 牵头创立，联合创始人包括麻省理工学院副教授 Michae ...

技术突破核心 - 北京大学团队成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次实现精度可与数字计算媲美的模拟计算系统 [2] - 该芯片在求解大规模MIMO信号检测等关键科学问题时，计算吞吐量与能效较当前顶级数字处理器（GPU）提升百倍至千倍 [2] - 研究团队在试验中成功实现了16×16矩阵的24比特定点数精度求逆，矩阵方程求解经过10次迭代后，相对误差可低至10⁻⁷量级 [4] 性能优势 - 在求解32×32矩阵求逆问题时，其算力已超越高端GPU的单核性能；当问题规模扩大至128×128矩阵时，计算吞吐量达到顶级数字处理器的1000倍以上 [4] - 传统GPU需要处理1天的任务，这款模拟计算芯片仅需1分钟即可完成 [4] - 模拟计算芯片基于阻变存储器实现真正的“存算一体”，从根本上消除了数据搬运的能耗，解决了冯·诺依曼架构的“内存墙”问题 [5][6] 应用前景 - 模拟计算在未来AI领域的定位是强大的补充，最有可能快速落地的场景是计算智能领域，如机器人和人工智能模型的训练 [6] - 在汽车产业，模拟计算芯片的低功耗、高能效特性契合电动汽车的能效管理需求，解决128×128矩阵求逆问题时能耗仅为传统方案的千分之一 [7] - 该技术专注于矩阵方程求解——AI二阶训练的核心，在自动驾驶领域可使车辆更快处理多传感器融合数据，大幅缩短算法迭代周期 [7] 产业挑战 - 模拟计算芯片从实验室走向产业化面临可靠性挑战，汽车电子需要承受-40℃～125℃的温度变化等严苛环境，阻变存储器件的耐久性和稳定性尚待验证 [9] - 数字芯片已形成成熟的规模化制造和供应链体系，而新型模拟计算芯片仍处于产业化过渡早期，成本劣势在价格敏感的汽车行业是一大短板 [9] - 阻变存储的基础材料体系仍未完全确定，器件的一致性和可靠性距离车规级要求的“零失效”标准还有相当距离 [10]

北京大学模拟计算芯片突破 - 北京大学科研团队成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次将模拟计算精度提升至24位定点精度 [2] - 该新型模拟计算芯片以更贴近人类直觉的计算方式，显著提升计算效率并大幅降低能耗，为人工智能等应用的算力与能耗挑战提供新路径 [2] 字节跳动3D生成大模型 - 字节跳动Seed团队推出3D生成大模型Seed 3D1.0，能够从单张图像端到端生成高质量仿真级3D模型，包括精细几何、真实纹理和基于物理渲染材质 [4] - 该模型有望为具身智能发展提供强大的世界模拟器支持，解决当前技术在物理交互能力和内容多样性方面的瓶颈问题 [4] 阿里巴巴AI眼镜预售 - 阿里巴巴首款自研AI眼镜夸克AI眼镜开启预售，88VIP会员到手价3699元，普通消费者为3999元 [5] - 该眼镜搭载双旗舰芯片高通AR1和恒玄BES2800，开发了高德近眼导航、支付宝安全支付、淘宝搜同款识价等功能 [5] - 机构预计2025年AI眼镜中国市场销量增长188%，未来有望开启千亿元级市场空间，生态协同、技术迭代与成本优化将驱动其复刻智能手机发展轨迹 [6] AI漫剧行业增长 - 近半年漫剧累计上线3000+作品，流水规模激增12倍；2025年4月-7月漫剧剧目供给量复合增长率达83%，赛道规模有望突破200亿元 [7] - AI漫剧单分钟成本从2000元-5000元降至1000元-2500元，AI已介入剧本、分镜、线稿等全流程，部分环节提效50%-80% [7] - 9月抖音漫剧新增播放量TOP50中，AI漫剧占据22部，掌阅科技和中文在线等公司计划生产多部AI漫剧 [7] 险资与QFII投资动向 - 多家险资机构权益投资负责人建议首选科技方向，尤其是港股科技，因科技股交易拥挤度缓和，A股TMT交易占比从38%回落至30%，港股互联网PEG跌至1.2倍 [11] - QFII三季度新进29家公司，加仓22家，主要集中在先进制造领域业绩向好的公司，如思源电气、星网宇达、联芸科技等 [12] 公司项目投资与业绩 - 川发龙蟒全资子公司拟投资3.66亿元建设10万吨/年磷酸二氢锂项目 [8] - 圣晖集成越南子公司中标金额约2.78亿元项目，占2024年营收13.84% [8] - 新莱应材计划投资20亿元设立半导体核心零部件项目，达产后预计年产值超15亿元 [8] - 精工钢构签约沙特项目合同金额约12.3亿元，占最近一期营收6.7% [8] - 巨化股份前三季度净利润32.48亿元，同比增长160.22% [8] - 赫美集团前三季度归母净利润5175万元 [9] - 天能重工前三季度净利润8405.86万元，同比增长1359.03% [10] - 晶瑞电材前三季度净利润1.28亿元，同比增长19202.65% [10] - 生益电子预计前三季度归母净利润10.74亿元至11.54亿元，同比增加476%到519% [10] 产业链相关公司 - 先进数通与字节跳动合作领域主要为IT基础设施建设业务 [4] - 浪潮信息为客户提供云计算、大数据、人工智能等IT产品和解决方案 [4] - 恒玄科技智能音视频SoC芯片客户包括阿里 [6] - 环旭电子产品包括智能眼镜的WiFi模组、SiP模组 [6] - 掌阅科技为多模态内容生产运营平台 [7] - 中文在线计划生产多部AI漫剧 [7] 机构调研与动态 - 泰凌微端侧AI产品TL721x与TL751x系列在功耗方面有优势，已导入头部客户，并有针对AI眼镜的芯片研发计划 [14] - 南亚新材不同等级高速覆铜板可满足服务器、数据中心等需求，高速产品今年整体营收较去年有望翻番 [14] - 盛新锂能获2家机构席位合计买入9619.52万元，其印尼年产6万吨锂盐项目已试生产并开始批量供货 [13]

技术突破核心观点 - 中国科学家在计算架构上取得重大突破，成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片 [1] - 该技术首次将模拟计算精度提升至24位定点精度，计算吞吐量与能效远超现有顶级GPU，幅度可达百倍至千倍 [1] - 该技术有望打破数字计算的长期垄断，为算力提升探索出极具潜力的路径，开启算力无处不在且绿色高效的新时代 [1] 技术原理与优势 - 当前主流CPU和GPU均为采用冯诺依曼结构的数字芯片，其特点是将计算和存储功能分开 [1] - 基于阻变存储器的模拟计算优势在于取消了“将数据转化为二进制数字流”的过程，同时不必进行“过程性数据存储” [1] - 新技术将数据计算过程与数据存储合而为一，实现了算力解放 [1] 市场相关公司 - A股相关概念股包括圣邦股份、长电科技等 [2]

核心技术突破 - 成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次实现精度可与数字计算媲美的模拟计算系统 [1] - 该芯片在求解大规模MIMO信号检测等关键科学问题时，计算吞吐量与能效较当前顶级数字处理器（GPU）提升百倍至千倍 [1] - 团队特色在于专注于更具挑战性的矩阵方程求解（AI二阶训练的核心），而非主流的矩阵乘法（AI推理的核心） [7] 技术原理与优势 - 模拟计算无需将数据转化为二进制数字流，可直接用连续的物理量（如电压、电流）来类比数学上的数字，取消了“过程性数据存储”，实现计算与存储合而为一的“存算一体” [4][5][7] - 模拟计算凭借物理规律直接运算，具有低功耗、低延迟、高能效、高并行的天然优势 [7] - 在实验上成功实现16×16矩阵的24比特定点数精度求逆，矩阵方程求解经过10次迭代后，相对误差可低至10⁻⁷量级 [9] 性能表现 - 在求解32×32矩阵求逆问题时，其算力已超越高端GPU的单核性能 [9] - 当问题规模扩大至128×128时，计算吞吐量达到顶级数字处理器的1000倍以上，传统GPU需一天完成的计算，该芯片一分钟即可完成 [9] 行业定位与应用前景 - 模拟计算在未来AI领域的定位是强大的补充，最有可能快速落地的场景是计算智能领域，如机器人和人工智能模型的训练 [11] - 未来计算架构将是互补共存：CPU作为通用“总指挥”，GPU专注于加速矩阵乘法计算，而模拟计算芯片旨在更高效地处理AI等领域最耗能的矩阵逆运算 [11]

核心技术突破 - 成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次实现精度可与数字计算媲美的模拟计算系统 [1] - 该芯片的核心创新在于解决了模拟计算“算不准”的痛点 [4] - 团队专注于更具挑战性的矩阵方程求解，这是AI二阶训练的核心，而非仅集中于矩阵乘法 [6] 性能优势 - 在求解大规模MIMO信号检测等问题时，计算吞吐量与能效较当前顶级数字处理器提升百倍至千倍 [1] - 当问题规模扩大至128×128时，计算吞吐量达到顶级数字处理器的1000倍以上，传统GPU需一天完成的工作，该芯片一分钟即可搞定 [8] - 模拟计算具有低功耗、低延迟、高能效、高并行的天然优势 [6] - 实验成功实现16×16矩阵的24比特定点数精度求逆，矩阵方程求解经过10次迭代后相对误差低至10⁻⁷量级 [8] 技术原理与架构 - 模拟计算无需将数据转化为二进制数字流，是一种“类比计算”，直接用连续的物理量来类比数学数字 [4] - 基于阻变存储器的模拟计算取消了过程性数据存储，将数据计算过程与数据存储合而为一，实现算力解放 [6] - 该技术路径不同于采用冯诺依曼结构的当前主流CPU和GPU [6] 行业定位与应用前景 - 模拟计算在未来AI领域的定位是强大的补充，最有可能快速落地的场景是计算智能领域，如机器人和人工智能模型的训练 [10] - 该芯片旨在更高效地处理AI等领域最耗能的矩阵逆运算，是对现有算力体系的有力补充 [10] - 未来将与CPU、GPU互补共存，CPU作为通用总指挥，GPU专注于加速矩阵乘法 [10]

技术突破 - 成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次实现精度可与数字计算媲美的模拟计算系统 [1] - 该芯片在求解大规模MIMO信号检测等关键科学问题时，计算吞吐量与能效较当前顶级数字处理器提升百倍至千倍 [1] - 团队成功实现16×16矩阵的24比特定点数精度求逆，矩阵方程求解经过10次迭代后相对误差可低至10量级 [8] 性能优势 - 在求解32×32矩阵求逆问题时，其算力已超越高端GPU的单核性能 [8] - 当问题规模扩大至128×128时，计算吞吐量达到顶级数字处理器的1000倍以上，传统GPU需一天完成的任务该芯片一分钟即可完成 [8] - 模拟计算凭借物理规律直接运算，具有低功耗、低延迟、高能效、高并行的天然优势 [6] 技术原理 - 模拟计算无需将数据转化为二进制数字流，可直接用连续的物理量来类比数学上的数字 [4] - 基于阻变存储器的模拟计算取消了过程性数据存储，将数据计算过程与数据存储合而为一 [5] - 该技术专注于更具挑战性的矩阵方程求解，即AI二阶训练的核心，其矩阵求逆操作要求计算精度极高，时间复杂度达立方级 [6] 行业定位与应用前景 - 模拟计算在未来AI领域的定位是强大的补充，最有可能快速落地的场景是计算智能领域，如机器人和人工智能模型的训练 [9] - 该模拟计算芯片旨在更高效地处理AI等领域最耗能的矩阵逆运算，是对现有算力体系的有力补充 [9] - CPU作为通用总指挥因其成熟与经济性难以被淘汰，GPU专注于加速矩阵乘法计算，模拟计算芯片将与之互补共存 [9]

技术突破 - 成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片 [1] - 首次实现了在精度上可与数字计算媲美的模拟计算系统 [1] - 将模拟计算的精度提升至24位定点精度 [1] 性能表现 - 在求解大规模MIMO信号检测等关键科学问题时，计算吞吐量与能效较当前顶级数字处理器提升百倍至千倍 [1] - 在求解32×32矩阵求逆问题时，其算力已超越高端GPU的单核性能 [2] - 当问题规模扩大至128×128时，计算吞吐量达到顶级数字处理器的1000倍以上 [2] - 相同精度下能效比传统数字处理器提升超100倍 [2] 技术细节 - 实验上成功实现16×16矩阵的24比特定点数精度求逆 [2] - 矩阵方程求解经过10次迭代后，相对误差可低至10⁻⁷量级 [2]

核心技术突破 - 成功研制出基于阻变存储器的高精度、可扩展模拟矩阵计算芯片，首次实现精度可与数字计算媲美的模拟计算系统 [1] - 通过新型信息器件、原创电路和经典算法的协同设计，构建高精度、可拓展的全模拟矩阵方程求解器，将模拟计算精度提升至24位定点精度 [1] - 开发基于全模拟矩阵运算的高精度矩阵方程求解方案，结合模拟低精度矩阵求逆和模拟高精度矩阵－向量乘法运算，实现迭代细化 [2] 性能与能效表现 - 在求解大规模MIMO信号检测等关键科学问题时，计算吞吐量与能效较当前顶级数字处理器提升百倍至千倍 [1] - 求解32×32矩阵求逆问题时，算力已超越高端GPU的单核性能；问题规模扩大至128×128时，计算吞吐量达到顶级数字处理器的1000倍以上 [2] - 在相同精度下能效比传统数字处理器提升超100倍，为高能效计算中心提供关键技术支撑 [2] 应用场景与潜力 - 芯片在求解通信基站信号处理、AI大模型训练参数优化等复杂矩阵方程方面具有先天优势，延时低、功耗低 [1] - 应用于大规模MIMO信号检测，仅用3次迭代恢复的图像与原始图像高度一致，误码率和32位数字计算效果相当，凸显实时信号处理潜力 [2] - 突破性技术应用前景广阔，可赋能多元计算场景，有望重塑算力格局，打破数字计算的长期垄断 [3]