融资与资金用途 - 铭芯启睿完成超亿元人民币Pre-A轮融资，由国开科创、联想创投领投，中芯聚源、顺禧基金、恒裕投资跟投，老股东中科创星、小米战投持续加码 [1] - 募集资金将用于RRAM核心技术研究和人才团队扩充，以推动RRAM技术产品规模化量产，加速存算技术的落地应用 [1] 公司概况与核心技术 - 公司成立于2024年5月，总部位于北京海淀，在上海张江设有研发中心 [6] - 公司致力于以先进工艺节点阻变存储器（RRAM）为基础，结合存算融合及先进封装技术，解决“内存墙”瓶颈 [3][6] - 公司提供面向AI的高性能“感-存-算”一体化解决方案及定制化存储IP/芯片产品，服务消费、工业与数据中心领域 [3][6] 业务进展与成果 - 经过一年多的快速发展，公司已与多家上下游企业建立合作，围绕存储工艺制造技术展开联合攻关 [3] - 公司已深度绑定多家龙头企业客户，共同定义产品，并已顺利完成产品工程批验证流片 [3] - 公司将加快存算技术产品的研发，为客户提供更高价值的人工智能存算方案 [3] 投资方观点与行业前景 - 投资方认为RRAM是具备突出技术潜能的新型存储介质，在解决先进制程嵌入式存储、存算一体方面想象空间广阔 [4] - AI算力需求正经历爆发式增长，以RRAM为代表的新型存储以及存算一体技术是突破算力效能边界、引领下一代计算架构变革的关键方向 [5] - RRAM及存算一体技术被视为从材料与器件层面重构计算的深刻变革，其非易失低功耗特性在3D技术成熟后将更加凸显 [5] - 本轮融资汇聚国家产业资本、战略资本与头部市场化基金，体现了对技术创新和新型存储与存算产业发展潜力的看好 [3]

公司融资与资金用途 - 铭芯启睿完成超亿元人民币的Pre-A轮融资 [2] - 本轮融资由国开科创和联想创投领投，中芯聚源、顺禧基金、恒裕投资跟投，老股东中科创星、小米战投持续加码 [2] - 融资资金将用于RRAM核心技术研究和人才团队扩充，以推动RRAM技术产品规模化量产并加速存算技术落地应用 [2] 公司技术与产品定位 - 公司成立于2024年5月，致力于以先进工艺节点阻变存储器（RRAM）为基础，结合存算融合及先进封装技术 [2] - 公司旨在解决“内存墙”瓶颈，面向服务消费、工业与数据中心领域，提供AI高性能“感-存-算”一体化解决方案及定制化存储IP/芯片产品 [2] - 公司已顺利完成产品工程批验证流片 [2][3] - 公司将加快存算技术产品的研发，为客户提供更高价值的人工智能存算方案 [3] 行业发展与投资逻辑 - AI算力需求正经历爆发式增长，以RRAM为代表的新型存储以及存算一体技术被视为突破算力效能边界、引领下一代计算架构变革的关键方向 [2] - 联想创投长期布局AI算力与下一代颠覆性计算架构，本轮继续加注，期待共同推动下一代计算架构的落地 [2] 公司商业进展与战略 - 公司已与多家上下游企业建立合作，围绕存储工艺制造技术展开联合攻关 [3] - 公司深度绑定多家龙头企业客户，共同定义更符合市场需求的优质产品 [3] - 公司未来将持续深耕新型存储与存算技术赛道，聚力创新 [3]

研究突破核心观点 - 北京大学团队在《自然·电子学》发表研究成果，实现了高精度可扩展模拟矩阵方程求解的全硬件电路设计方案 [1] - 该研究首次将模拟计算精度提升至数字计算同等水平，同时算力和能效提升百倍以上，解决了困扰模拟计算发展的低精度"世纪难题" [1] - 突破标志着高精度模拟计算实现从0到1的突破，为模拟计算芯片在信息时代的应用开启大门 [1] 技术原理与创新 - 第一项关键创新是采用阻变存储器（RRAM）技术，其电阻值可精确调控且断电后保持数据，兼具存储和计算功能，RRAM阵列能实现超高效的低能耗乘加运算，速度比数字芯片快几个数量级 [4] - 第二项创新是基于2019年奠基性发现，设计出能"一步求解矩阵方程"的模拟电路，将传统迭代算法压缩为瞬间完成的物理过程 [4] - 第三项创新是"位切片"技术，将24位精度数字拆解成多个3位片段分别存入不同RRAM阵列运算后叠加结果，实现了纯模拟版本的高精度计算 [5] 性能表现与优势 - 实测求解矩阵方程仅需几次迭代即达到24位精度（相当于手机GPU浮点计算精度） [7] - 针对128天线规模的6G通信信号检测，运算步骤从数百步成功降低至3步完成 [7] - 模拟计算电路求解100x100矩阵的时间与10x10矩阵相当，突破了数字芯片计算复杂度立方级增长的限制 [7] - RRAM阵列存储数据同时直接计算，消除了CPU与内存间数据搬运瓶颈，该过程在数字芯片中消耗了95%的能量 [7] 行业应用前景 - 在AI领域，该技术有望彻底改写游戏规则，突破大模型训练的"算力瓶颈"，未来或能让手机直接训练GPT-4级别模型，催生"自进化"智能终端 [7] - 在6G通信中，解决了"信号检测"关键痛点，处理256-QAM高阶调制信号时准确率与数字处理器完全相同，但能耗仅为百分之一 [8] - 潜在新应用场景包括气象预报中秒级完成流体力学方程求解、自动驾驶实时处理4D雷达点云以及量子计算的误差校正等超高速并行计算任务 [8]