在芯片从定义到量产的漫长周期中,AI模型的快速迭代往往导致算力需求“脱节”。通芯智能选择在此时入场,试图通过理论指导硬件设计,解决这一时间差问题。
这家由著名人工智能专家朱松纯教授发起、北京通用人工智能研究院孵化的公司,成立于今年4月。短短半年内,该公司已连续完成种子轮和天使轮融资,合计数亿元,资金将主要用于流片前的核心架构设计与研发。
通芯智能的目标是打造面向AGI(通用人工智能)算法的新型推理芯片:既兼容当下主流模型,又为逻辑、因果、价值推理等计算提供专用硬件支持。
AI走向真实世界,芯片面临新命题
随着AI从虚拟交互走向真实物理世界,其任务复杂度显著提升。LeCun曾指出大语言模型在面对物理世界时的局限性,并提出以“世界模型”作为解决方案,即通过预测状态变化来辅助规划。近期,谷歌DeepMind发布的Genie 4及AMD收购李飞飞创办的World Labs等事件,均表明行业巨头正加速布局下一代AI计算平台。
△来自Google DeepMind官网
这些趋势指向一个核心问题:当AI需要实时感知环境、推演后果并做出决策时,传统GPU的并行计算优势可能无法完全转化为行动效率。智能体在处理图结构、动态分支等不规则数据访问任务时,往往受限于数据搬运和调度延迟。
大模型时代的算力优势,不能直接兑换成真实世界里的行动效率。软件优化、存储组织、计算单元和调度方式需协同重新考虑。CIC灼识预测,到2030年,中国AI推理芯片市场规模将达到约1.17万亿元,这为针对新任务重新定义计算架构提供了市场空间。
从理解智能出发,重新定义AGI芯片
面对尚未定型的AGI负载,通芯智能并未盲目对标现有图形渲染或矩阵乘法任务,而是以朱松纯团队提出的CUV框架为起点进行芯片定义。
CUV框架将智能体分为三个统一维度:
C(认知架构):组织感知、记忆、推理等内部模块及其协作方式;
U(能力体系):涵盖物体识别、路径规划等可调用的具体技能;
V(价值体系):描述目标、偏好与约束,为行动选择提供依据。
该框架强调利用物理规律、常识等先验知识,以“小数据、大任务”的方式应对广泛场景。例如在服务机器人倒水场景中,芯片需高效处理对象关系解析、状态更新及动作规划,而非单纯依赖大规模数据训练。
因此,通芯定义的AGI芯片并非更快的GPU,而是在向量和张量运算之外,增加了针对结构化处理的新运算类型。其芯片方案规划了Vector、Tensor与AGI Core三类单元:
Vector和Tensor单元负责支持CNN、Transformer等主流模型的向量与张量计算;
AGI Core单元则面向基于解析图的逻辑、因果、价值推理及概率计算,提供专用加速能力。
这一设计与业界对空间智能、图网络、概率编程及因果推断的研究方向不谋而合。通芯旨在通过AGI Core加速图结构存储处理、概率因果推断及行动结果评估,寻找智能底层的“最大公约数”。
把理论落到硅上,通芯靠什么
将理论转化为硬件,需要深厚的工程积淀。通芯智能创始人兼CEO王海洋师从夏培肃院士,曾任海光多代CPU架构总负责人及GPU独角兽联合创始人,拥有25年芯片研发经验。另一位创始人史峰师从朱松纯教授,负责AGI Core技术路线与架构定义。
△通芯智能创始人兼CEO王海洋
创始核心团队平均从业超过20年,骨干来自海光、百度、字节、阿里等企业,具备完整的大芯片量产全流程经验。基于此,通芯在技术实现上做出了关键取舍:
存储与面积优化
针对“内存墙”问题,通芯采用混合存算一体思路,根据任务特性搭配不同的存储与计算方式,减少数据搬运开销。在面积控制上,通过可重构设计平衡通用性与专用效率,并计划采用Chiplet芯粒设计,以满足云端高吞吐和端侧低功耗的不同需求。
产品节奏与生态共建
通芯首代产品定位高性价比推理芯片,兼顾现有模型兼容性与AGI Core新能力验证。公司与以GPU为核心的方案定位为共生关系,采取“兼容+专用”双轨策略。
目前,通芯成立仅三个月便完成架构设计和立项,已进入芯片设计阶段,预计12月初开展FPGA原型验证。商业化方面,覆盖云端推理、通用智能体和端侧物理智能三个方向,并已与多家头部产业伙伴形成合作意向。此外,通芯还计划联合北大、清华、中科院计算所等机构共建联合实验室,推动理论与工程的深度融合。
朱松纯教授曾表示:“芯片是智能体的心脏,为机器立心,就要从这块芯片开始。”通芯智能的探索,正是试图在硅片诞生之前,通过深刻理解智能工作机制,定义出适应未来AGI需求的计算架构。

