SEF News
AI 原生芯片设计公司上海泛函数智能科技有限公司（下称“泛函数”）近日完成近亿元天使轮融资，由上海未来产业基金领投，上海信投、上海科创集团、富海重产基金、徐汇资本、宽桥恒松、无限基金联合投资。
本轮融资将重点用于 AI 原生芯片设计垂类模型训练、全流程工具链迭代、芯片工程与 AI 算法核心团队扩充，以及客户联合交付与市场拓展。
SEF Insights
上海未来产业基金表示：我们看好 AI‑Native 芯片设计这条高景气赛道。泛函数汇聚兼具 EDA、芯片工程与大模型能力的复合型团队，完成从需求到版图的全流程 Agent 平台搭建，已获得头部客户验证，实现流片落地，拿下国际权威算法赛事冠军。不同于传统 EDA 的单点优化，公司依托工业级工程闭环沉淀数据飞轮，有望破解芯片设计人才紧缺、研发周期冗长的行业痛点，补齐国产高端设计工具短板，具备成为平台型龙头的潜力。
关于泛函数
泛函数成立于 2026 年 3 月，总部位于上海徐汇西岸智塔，以 AI 为第一性原理构建芯片设计平台。平台接收自然语言形式的设计需求，依托多智能体协同，完成芯片架构规划、RTL 逻辑代码生成、功能验证优化、物理版图布局、流片方案输出，最终输出可用于流片的 GDS 文件，覆盖芯片设计完整链路。
创始人兼 CEO 周婧怡本科毕业于清华大学电子工程系，硕士毕业于卡耐基梅隆大学计算机系，长期深耕人工智能、芯片设计、EDA 与 GPU 加速方向的研究，2026 年归国创业。联合创始人兼 CTO 周菁本硕毕业于清华大学电子工程系，深耕人工智能与芯片设计。核心团队集结全球头部芯片设计企业、海内外高校与科研院所人才，青年骨干曾斩获 ACM/IEEE MLCAD 2026 国际算法竞赛总冠军。原清华大学微电子所教授、IEEE Fellow 王志华出任公司顾问，其在集成电路设计、芯片设计方法学等领域有深厚积累。
随着芯片工艺不断演进，器件尺寸接近物理极限，时序、功耗、面积与可测性、可制造性约束加速耦合，芯片的设计复杂度快速攀升，行业工程师人力供给难以匹配研发需求。
与此同时，大模型与智能体第一次让机器能够自主承担“有明确目标、有反馈信号、需要多步规划”的复杂工程任务。在周婧怡看来，芯片设计恰好是世界上最典型的、有客观裁判的复杂工程问题之一，代码能不能编译、仿真能不能过、时序能不能签核，都是确定性的反馈。
国内智能化工具更集中在前端 RTL 验证环节，在 RTL 自动生成、复杂 RTL 验证、后端物理实现等高壁垒环节，成熟的国产智能化方案仍然稀缺。海外赛道同样火热，Recursive、ChipAgents、Phinity、Vinci 等 AI 芯片设计初创企业相继获得大额融资，行业进入高速竞争期。
周婧怡表示，泛函数自研的面向芯片设计的垂类大模型现已形成商用。该模型配合泛函数的自研 agent 所形成的平台目前已经可以覆盖芯片设计全流程，技术上大幅减少工程师介入。从客户实际项目反馈来看，在质量上，平台输出的设计优于行业普通工程师水平，经过自迭代后，PPA 可以达到顶尖工程师的设计水准；在效率上，设计周期可缩短至原来的 1/3 以内。“过去工程师一周的工作量，用我们的工具有望一两天就可以完成。”
目前，泛函数主要服务芯片设计企业和芯片设计服务商，采用订阅制和项目制两种商业模式。目前公司已协助客户完成商业化流片，芯片已回片并获一次性点亮，同时良率和可测性也在客户认可的范围内，该芯片已进入量产。“工具很容易做到 90 分，最后那 10 分才是真正拉开差距的部分，因为芯片要求的是 100% 的正确率。”
产品矩阵上，泛函数同步布局数字和模拟平台，现阶段优先发展数字芯片赛道。主因是目前客户在数字领域的需求更大。
为客观衡量 AI 在芯片设计中的真实能力，泛函数提出并搭建“泛函数指数”基准评测体系。这套体系融合了数十个指标，从收敛成功率、一次通过率、迭代轮次、耗时算力成本、PPA 优化效果等维度，量化大模型在真实芯片设计任务里的表现。这套体系既是公司模型迭代训练的内部标尺，泛函数也希望未来它能够成为行业评估 AI 芯片设计能力的公共参考基准。
谈及本轮资金使用逻辑，周婧怡认为，通用大模型单纯堆叠参数的增长已经遇到瓶颈，但在工程垂直领域，模型能力的提升来自“数据+反馈闭环”，把芯片设计过程中的编译、仿真、综合、形式验证结果变成奖励信号，模型就有了一条持续进步的路径。“对我们这类 AI Native 的公司来说，资金投入不是‘换规模’，而是直接兑换模型能力的确定性提升。”
