·聚焦:人工智能、芯片等行业
资本破局“内存墙”：从HBM到3D堆叠
中国电信研究院《智能体时代AI基础设施发展研究报告（2026）》预测，2026年我国Token年消耗量将达10亿亿，2030年超3500亿亿。国家数据局数据显示，2026年3月国内日均Token调用量已突破140万亿。德勤判断，未来超80%的算力需求将集中在推理侧。
大模型推理的瓶颈在于数据搬运，参数在存储器与处理器间传输，消耗了约80%的能耗和70%的成本。这一现象被称为“内存墙”。主流解决方案HBM通过将内存靠近计算芯片缩短横向传输距离，但代价高昂：HBM3E现货价约2100美元，HBM4报价约3500美元，且产能已被三星、SK海力士等巨头垄断。
摩根大通预计2026至2028年供需持续偏紧。国产算力若想突围，需寻找替代路径。
技术路径：垂直堆叠重构数据通路
算苗科技提出的3D芯片方案，核心在于改变计算单元与存储器的相对位置。传统GPU加HBM方案虽提高了带宽，但数据仍需横向传输。算苗将存储直接叠放在计算单元上方，通过混合键合、硅通孔等技术形成密集垂直连接。
2026年6月流片的首代3D TokenPU芯片A4E，将8层DRAM存储晶圆垂直堆叠在逻辑晶圆上。数据显示，其访存带宽达16TB/s。这种设计显著缩短了连接距离，增加了传输通道，使计算单元能更持续地获取数据，同时降低数据搬运功耗。
此外，算苗采用面向Token生成的专用架构，通过Tile-Native理念优化数据复用。芯片基于自研RISC-V架构，并兼容LLVM、Triton等开发生态。该路线不依赖最先进制程，采用国产成熟工艺。仿真数据显示，采用12nm工艺的A4帕拉丁在Llama与Mixtral等模型推理中，吞吐量是4nm工艺英伟达H200的1.26至2.19倍，单价低30%。
团队背景：从矿机到AI芯片的跨界突围
创始人汪福全拥有中科院声学所博士及计算所博士后背景，师从龙芯首席科学家胡伟武。其团队在中科声龙期间积累了近10年的产业化经验。
2019年底，团队针对以太坊抗ASIC算法对内存带宽的高要求，反向利用3D堆叠技术解决带宽瓶颈。2021年四季度发布的JASMINER X4矿机，使用40nm成熟工艺实现了优于英伟达7nm旗舰显卡的能效比，单品营收超8亿元。通过此业务，团队量产超万片3D混合键合晶圆，出货超80万颗芯片，收入超12亿元，积累了稀缺的混合键合良率控制经验。
2022年11月，随着ChatGPT上线，算苗科技成立。团队核心成员包括前龙芯研发专家刘明、前微软研究院首席研究员楼建光及MiniGUI创始人魏永明。目前公司研发人员占比超八成。
未来展望：2027年量产考验供应链与商业落地
按照规划，A4E将于2027年内启动规模化量产，第二代产品A4S计划于2027年一季度流片。3D堆叠面临对准偏差、散热及应力形变等工艺挑战，任何环节失误都可能影响性能表现。
在供应链方面，算苗路线绕开了对台积电CoWoS的依赖，依托国产成熟制程即可闭环。长电科技、通富微电等封测龙头近年来大幅扩产AI算力封装产能，为产业链提供了支撑。
商业层面，某头部大模型厂商已与算苗联合研发近一年。内部预估，A4E量产后出货量有望达1万片晶圆以上，对应收入规模达数十亿元级别。
结语
随着摩尔定律放缓，芯片行业竞争焦点正从线宽转向架构与互联路径。算苗科技以120亿元估值入场，其核心价值在于通过垂直堆叠技术突破内存瓶颈。能否在2027年实现规模化量产并在实际应用中验证能效优势，将是检验其商业价值的关键。
部分资料参考：中国基金报、投中网、每日经济新闻、Google Cloud、NVIDIA
本公众号所刊发稿件及图片来源于网络，仅用于交流使用，如有侵权请联系回复，我们收到信息后会在24小时内处理。