中科创星种子轮项目「原粒半导体」完成超7亿元A轮融资
近日，「原粒半导体」宣布完成超7亿元A轮融资。本轮融资吸引多家产业资本与专业机构共同参与，由九安医疗等上市公司及北洋海棠基金、仁爱基金等一线投资机构联合投资、一维创投等老股东持续加注。
近日，「原粒半导体」宣布完成超7亿元A轮融资。本轮融资吸引多家产业资本与专业机构共同参与，由九安医疗、汤臣倍健、绿茵生态等上市公司及北洋海棠基金、仁爱基金等一线投资机构联合投资，IDG资本、武岳峰科创、英诺、一维创投等老股东持续加注。
「原粒半导体」成立于2023年4月，专注于面向下一代AI计算范式——Agent Computer的架构设计与推理芯片研发。依托Chiplet积木式架构和端侧生产力AI芯片技术，推动数据中心级智能下沉至个人桌面与边缘AI环境，构建智能体时代的本地化算力底座。
与传统端侧AI芯片不同，「原粒半导体」提出“端侧生产力AI芯片”定位。这并非简单的把NPU放大，或把GPU缩小，而是围绕数字员工长期运行需求，重新设计端侧计算、存储、互联和调度体系。
而围绕这一思路，「原粒半导体」从底层重构了一套面向Agent负载的架构，核心由三部分组成：CalcuMex、CalcuGrid、CalcuKit。
首先是CalcuMex。其核心目标，是解决大模型推理场景的“内存墙”制约。众所周知，AI大模型计算瓶颈早已不是单个计算单元的TOPS问题，而是在计算过程中，需要耗费大量时间在数据搬运上。
例如，模型在推理时，每生成一个Token，都要从高带宽内存读取模型权重和不断增长的KV Cache。解码阶段，计算单元经常等待数据，内存带宽成为关键瓶颈。而日益增长的长上下文则会导致内存带宽压力飙升，传统端侧AI芯片难以适应这种工作负载。
为突破“内存墙”问题，CalcuMex构建了以片上SRAM为核心的混合自适应数据流架构。区别于静态数据流方案，CalcuMex采用“确定性计算主干+细粒度运行时调度”的协同机制，不是将模型执行路径固化于编译阶段，而是以确定性数据流承载规则计算，以运行时自适应调度处理动态负载，适配MoE专家路由、不规则算子及复杂任务执行，从而兼顾高执行效率与真实Agent业务负载所需的灵活性。
在存储侧，CalcuMex也并非单纯依靠扩大SRAM容量承载模型，而是将片上SRAM、DRAM工作存储、Flash容量存储及系统级扩展组织为统一调度的多介质分层存储体系，根据权重、KV Cache和专家数据的访问热度及生命周期，动态完成数据放置、预取和迁移，在保持热点数据低时延访问的同时，扩展可承载的生产力模型规模、上下文长度和专家数量。
其次是CalcuGrid，这是一项与AI Chiplet强相关的芯片技术。其通过将不同数量、不同功能的芯片模块进行按需灵活组合，协同计算，从而应对复杂、多变、负载不确定性极大的Agent工作需求——需要更大模型，就扩展存储，需要更快速度，就增加计算和带宽。
CalcuGrid并不是普通芯粒之间的物理连接，而是面向AI推理数据流设计的弹性互联体系。它通过专用通信协处理器、弹性互联协议和链路可靠性机制，实现算力、带宽与存储资源的高效协同和灵活扩展，为超大规模生产力模型的本地部署提供可扩展底座。
最后是CalcuKit，一套与底层芯片架构共同设计的硬件感知编译与智能调度系统。在AI Chiplet技术中，多颗芯粒如何分工？模型怎样切分？数据往哪里走？每种路径都会直接影响芯片的实际性能。CalcuKit能够根据模型结构、芯粒类型与数量、互联方式和功耗限制进行智能调度，自动规划任务，完成多芯粒协同调度。
未来，「原粒半导体」将进一步完成从芯片到产品、再到场景的连续验证。而一旦跑通，它所争取的就不只是芯片市场份额——而是成为Agent时代的端侧“硅基底座”。
责任编辑： 流过
