点击关注
已关注公众号
大模型狂飙之下，算力瓶颈已从 “算得慢” 变成 “存不动、耗不起”。
北京熵旋芯智刚完成数千万元天使轮融资，由英诺天使基金领投、海贝资本等跟投，资金将投向首款MRAM存内概率计算芯片研发、全栈工具链验证与团队扩张，目标2027年初实现首批芯片交付，率先切入边缘具身智能、自动驾驶决策、复杂运筹优化等场景。
在AI算力军备竞赛中，传统芯片正遭遇双重死结：一是冯・诺依曼架构存算分离，数据搬运吃掉超90%功耗，大模型推理与采样效率极低；二是先进制程逼近物理极限，存储墙、功耗墙难以靠堆晶体管突破。
生成式AI、组合优化、随机决策高度依赖概率采样，传统硬件靠软件模拟，能效与延迟存在结构性短板，行业急需从底层范式换道。
熵旋芯智的选择，正是踩中这个刚需缺口 —— 国内唯一基于MRAM做存内概率计算的硬科技团队，用全栈方案破解算力困局。
中科院硬核班底，底气十足！
这家公司的底气，来自中科院半导体所国家重点实验室的技术基因。
创始人 雷坤 为中科院半导体所博士，兼具前沿科研与产业转化经验；首席科学家王开友是国家杰青、国家重点研发计划首席科学家，在自旋电子学与新型器件领域深耕多年。
核心团队汇聚中科院、清华、北大、中科大、剑桥、帝国理工等海内外顶尖院校人才，覆盖器件物理、自旋电子学、芯片设计与工具链全链条，既有学术深度，又有量产与商业化落地经验。在MRAM与概率计算尚处早期的阶段，这样“科研 + 产业”双强的组合，是技术从实验室走向量产的关键保障。
MRAM + 概率计算 + 存算一体，优势到底在哪？
熵旋芯智没有走传统算力堆砌路线，而是走“器件 + 算法 + 架构”三层协同的差异化路径，每一步都直击行业痛点。
器件层，用MRAM构建可控概率比特（p-bit），硬件原生实现概率翻转，不用软件模拟就能适配Transformer、扩散模型等大模型核心算法，天然匹配AI概率推理需求。MRAM非易失、低功耗、高速读写、宽温域稳定的特性，让概率单元更可靠、更省电，适配边缘与车载等高要求场景。
算法层，搭建全栈工具链，常温下就能高效完成优化求解，不用极低温等苛刻条件，降低落地门槛，兼容性更强，便于快速集成到现有系统。
架构层，采用存算一体设计，计算在存储单元内完成，彻底绕开存储墙，数据不频繁搬运，实现高并行与超低功耗，内部测试显示，在生成式AI、概率优化、复杂决策等不确定性驱动任务上，能效比有望达传统架构万倍级提升。
对比量子计算，概率计算室温可用、工艺兼容、成本更低，被称作“平民版量子算力”，更适合当下快速落地；对比传统存算一体，它原生支持概率采样，精准命中大模型推理、自动驾驶决策、运筹优化等刚需场景，差异化优势明显。
万倍能效突破，会重构芯片与AI产业吗？
这次融资不只是一家初创公司的起步，更是国内新型算力路线的重要突破。
当前MRAM产业化已到临界点，8nm工艺落地、产线投产、终端验证不断出现，熵旋芯智此时推进流片与量产，踩在技术成熟度曲线的最佳位置。其芯片一旦落地，将直接降低大模型推理功耗与成本，让边缘端本地运行更大模型成为可能，推动AI从云端走向端侧，打开具身智能、自动驾驶、工业决策等万亿级市场。
对国内芯片行业而言，这也是一次换道超车的机会。在先进制程受限背景下，绕开传统架构内卷，从存储、计算范式底层创新，以MRAM + 概率计算 + 存算一体打造自主可控的新型算力底座，补齐高端AI芯片短板，提升全球竞争力。
写在最后
从实验室到商业化，MRAM存内概率计算仍需面对工艺良率、工具链完善、场景适配等挑战。但熵旋芯智已完成阵列级流片，2027年交付目标清晰，资本加持与团队背书，让这条新路线的确定性大幅增强。
当AI不再被存储墙与功耗墙束缚，当概率计算从概念变成量产芯片，下一波算力革命，或许就从这颗“中国芯”开始。
往期推荐
融资10亿!上海国资重仓AMD前员工
吴夏青是谁？为什么离职英伟达创业？
点赞鼓励一下
图片来源：网络
本文不作为投资建议