卡位稀疏計算 墨芯科技獲近10億元C輪融資

大量行業機構預測，未來幾年推理算力需求增速將遠超訓練需求，稀疏計算將成為AI基礎設施建設的核心驅動力。

文｜王玉冰

ID | BMR2004

2026年6月，專注于稀疏AI計算的墨芯人工智能科技（上海）有限公司（以下簡稱“墨芯科技”）宣布完成了近10億元人民幣的C輪融資，投資方陣容涵蓋頭部互聯網科技企業、深創投、大灣區共同家園基金、力鼎資本、蘊盛資本等產業資本與市場化機構，這不僅成為國內AI芯片領域近年來較受關注的一筆融資，也讓稀疏計算（Sparse Computing）這一曾經相對小眾的技術路線再次進入公眾視野。

稀疏計算是指通過識別和利用數據中的“稀疏性”，壓縮計算模塊，只計算需要計算的必要模塊，從而減少大量無效計算，提升計算效率。但長期以來，由于工程化難度高、對于模型訓練周期的生態要求等，稀疏計算更多停留在實驗室和學術研究層面，并未真正成為產業算法技術主流路線。

大模型的快速發展改變了這一局面。大量行業機構預測，未來幾年推理算力需求增速將遠超訓練需求，稀疏計算將成為AI基礎設施建設的核心驅動力。也正是在這樣的背景下，能夠顯著提升算力利用率、降低推理成本的技術路線開始獲得資本青睞。

近日，《商學院》雜志就最新的投資進展對墨芯科技市場部副總裁郭威俊進行了訪談。

01

從實驗室到資本市場

墨芯科技正推動稀疏計算從實驗室研究走向規模化產業應用，并逐步成長為國內推理算力基礎設施領域的重要創新力量。

“隨著生成式AI、大模型以及AI智能體快速發展，行業正在從‘訓練時代’逐步邁向‘推理時代’。訓練決定一家企業能否擁有先進模型，推理能力則決定模型能否真正服務于千行百業、觸達海量用戶。”郭威俊表示。

在郭威俊看來，本輪融資背后最重要的信號并非資本對一家企業的認可，而是市場對于整個AI產業發展階段變化的重新判斷。

過去，投資人關注的是芯片峰值算力、模型參數規模以及訓練能力。而今天，越來越多機構開始將注意力放在推理效率、能耗水平以及總體擁有成本（TCO）上。郭威俊表示，過去幾年公司持續推動稀疏計算從理論研究走向產業實踐，而真正讓投資機構形成信心的關鍵因素，則來自商業化落地的持續驗證。

墨芯科技成立于2018年，是一家聚焦稀疏計算技術研發的“AI基礎設施”企業，通過軟硬件協同創新來重構人工智能時代的算力效率。墨芯科技以“讓AI算力更高效、更普惠”為目標，長期專注于稀疏AI計算架構、推理加速芯片及相關軟件生態建設，是國內較早布局稀疏計算賽道的企業之一。

圍繞大模型推理需求快速增長帶來的算力成本和能耗挑戰，墨芯科技自主研發了雙稀疏技術（Dual Sparsity）、Antoum稀疏計算架構以及即將在下半年上市的SparsePrime系列推理加速產品，并構建了覆蓋芯片、板卡、軟件工具鏈和集群解決方案的全棧技術體系。墨芯科技正推動稀疏計算從實驗室研究走向規模化產業應用，并逐步成長為國內推理算力基礎設施領域的重要創新力量。

02

從堆算力到提效率

稀疏計算的想象空間在于它不完全依賴硬件迭代，而是通過計算模式本身釋放效率。

實際上，墨芯科技在創業早期便意識到，傳統硬件發展的邏輯正在發生變化。

“未來在硬件物理層面其實很難繼續突破，因此我們將重點轉向了軟硬協同和算法創新。”郭威俊表示，團隊在研究中發現，圖像識別和語言模型中存在大量冗余計算，“因此我們判斷稀疏計算將成為未來重要的發展方向。”

相比HBM堆疊、先進封裝、光模塊互聯等硬件提效路徑，郭威俊認為，稀疏計算的想象空間在于并不完全依賴硬件迭代，而是通過計算模式本身釋放效率。

“從目前來看，稀疏計算未來動態優化的提升空間仍然非常大。”郭威俊表示，“從英偉達早期4×4稀疏算子結構，到墨芯科技探索的64選N等更高自由度稀疏模式，都說明這條路線仍有挖掘空間。”他認為，稀疏計算未來有可能實現4倍甚至8倍的性能提升。

目前，墨芯科技已經逐步構建起完整的稀疏計算技術體系，公司已經形成覆蓋芯片、架構、軟件工具鏈以及集群解決方案的全棧產品體系。

其中，雙稀疏技術是其最具代表性的創新成果之一。傳統AI芯片在處理數據時，往往會把所有信息都計算一遍，而雙稀疏技術會同時從兩個維度篩選出真正有價值的數據和計算任務，把不重要、貢獻較小的部分跳過或減少計算。這樣既能保持模型精度基本不受影響，又能顯著減少無效運算，提高算力利用率。

與此同時，公司自研的Antoum架構作為面向高效AI計算的軟硬件協同體系，能夠先判斷哪些計算是有用的，只算關鍵部分，跳過大量不重要的計算。這樣就像從全程跑地圖變成只走必要路線，可以用更少的電和算力完成同樣的任務，甚至更快、更省。

在產品層面，墨芯科技推出的面向AI推理場景的SparsePrime系列稀疏計算芯片產品，它的基本思路是在運行大模型時，并不是所有神經網絡連接都需要參與計算，SparsePrime會通過算法和硬件配合，自動識別并跳過大量不重要的計算，只保留關鍵部分進行運算，從而減少計算量、降低功耗并提升速度。

SparsePrime系列主要用于數據中心和云端AI推理任務，比如大語言模型服務、推薦系統、搜索排序、圖像和語音識別等高并發場景。相比傳統GPU的全量計算，SparsePrime更強調按需計算，因此在處理大規模模型時可以用更低的成本完成同樣的任務，同時提升吞吐能力和能效比。

過去10年AI產業競爭的是誰擁有更多算力，未來10年競爭的核心將是如何讓每一份算力創造更大價值。墨芯希望能將自身的產品與技術，不斷衍生成AI算力基礎設施，成為AI生態的水電煤。

03

算力的競爭也是區域的競爭

未來智算基礎設施的競爭，不僅是單個數據中心之間的競爭，更是區域化、網絡化和產業化布局能力的競爭。

與傳統算力中心側重訓練任務不同，墨芯科技更關注快速增長的推理需求，希望通過在產業聚集區域部署高性能、低TCO的推理算力節點，讓算力資源更加貼近實際應用場景。

“我們的目標并不是單純建設更多算力，而是希望把算力部署到真正需要它的地方。”郭威俊表示，“我們希望通過貼近產業的推理集群布局，讓AI算力像水、電一樣觸手可及。”

圍繞這一思路，墨芯科技已經形成覆蓋西北、西南、華東和華北等區域的全國化布局。

其中，在西北地區，墨芯科技部署了千卡級推理集群，重點服務政務數字化建設和傳統產業智能化轉型，同時積極參與“東數西算”工程西部樞紐節點的算力基礎設施建設。

西南地區當地豐富的綠色能源資源為發展綠色算力提供了天然條件，結合綠電優勢，墨芯科技構建了低功耗推理算力池，能夠為東部地區持續輸出高質量、低成本的AI推理服務，實現算力資源與能源資源的協同配置。

針對華東地區對金融、生物醫藥、人工智能研發等高端領域低時延、高并發能力的產業需求，墨芯科技部署了高性能的推理集群，以支撐前沿科研和產業創新應用的發展。

而華北地區作為北方重點工業基地，墨芯科技則通過建設推理算力節點，服務傳統制造業和重工業數字化升級需求，推動人工智能技術向生產一線深入滲透。

在墨芯科技看來，未來智算基礎設施的競爭，不僅是單個數據中心之間的競爭，更是區域化、網絡化和產業化布局能力的競爭。通過在重點產業區域建設推理算力節點，墨芯科技正在嘗試構建一張覆蓋全國的推理算力網絡，讓算力資源能夠更高效地連接行業需求。

與此同時，在一些具體的應用場景中，墨芯科技的產品也完成了實際的落地應用。

在生命科學與醫療健康領域，墨芯科技已完成了多個項目交付，并與華大智造等企業合作，應用于基因測序數據分析與蛋白質結構預測等任務，借助稀疏計算成功提升了計算效率、降低成本，縮短科研與臨床決策周期。

在城市治理與智慧社區方面，墨芯科技聯合高校將人臉識別、行為識別與異常預警等視覺技術用于社區管理，實現實時監測與智能預警，提升基層治理的智能化水平，并驗證其在邊緣與城域場景的推理能力。

在智能制造領域，墨芯科技在電子制造、消費品生產等方面已經落地了多個工廠安防CV項目，如玩具工廠等勞動密集型場景中的安全生產監控、產線異常識別等。墨芯科技推理方案在邊緣側即可完成高效實時AI分析，從而降低傳輸與中心端計算負擔。

同時，墨芯科技也在探索與現代服務業的融合，在酒店與文旅領域開展智慧酒店管理與運營優化合作，來促進“AI+服務業”的數字化升級。

04

成為AI基礎設施的新變量

人工智能產業正進入一個更加注重效率、應用和商業價值釋放的新階段。

圍繞布局AI時代的基礎設施這一核心方向，墨芯科技也在持續推進下一階段布局。

一方面，墨芯科技正在繼續深化稀疏計算技術研發，希望進一步釋放稀疏計算潛力，提升推理效率和資源利用率。另一方面，墨芯科技也在加強與運營商、智算中心以及大模型廠商的合作，推動更多模型和應用場景在自身平臺上實現高效運行。

談及未來3—5年中國AI產業的發展趨勢，郭威俊認為，人工智能產業正進入一個更加注重效率、應用和商業價值釋放的新階段。

“我們整體的目標還是希望在中國成為推理加速芯片龍頭，在稀疏計算領域成為國內最強的玩家。”郭威俊表示。

他觀察到，國內大模型產業正在進入新一輪競爭階段。近期，無論是DeepSeek模型服務價格持續下調，還是各類國產大模型產品紛紛跟進降價，都反映出行業競爭正在發生變化。

“未來大模型商業化廝殺的主戰場，還是在Token成本的降低，以及更高效地服務用戶實際需求方面。”郭威俊表示，“整個行業會經歷一個從可用到好用、從能用到易用，再到真正用得好的過程。”

在他看來，隨著模型能力不斷提升，用戶對于成本、效率和體驗的要求也將同步提高。未來能夠勝出的企業，不一定是擁有最大模型的企業，而更有可能是能夠以更低成本、更高效率提供服務的企業。

除了通用大模型之外，郭威俊同樣看好垂直行業模型的發展前景。他認為，未來各行業將逐漸形成針對自身需求的專屬模型，并深入解決長期存在的行業痛點和復雜計算問題。

“未來通用大模型還是會有很大的迭代空間，但它會變得越來越好用、越來越高效，也會越來越便宜。而行業模型則會逐漸滲透到各行各業中，形成更加高效的行業解決方案。”郭威俊說。

對于資本而言，AI領域的投資面臨著更考驗判斷力的階段。比如，墨芯科技本輪融資更值得關注的，并不只是金額本身，而是投資方結構所透露出的長期判斷：頭部互聯網科技企業代表產業側對算力底座的現實需求，深創投、大灣區共同家園基金等國資或區域性資本體現了對國產AI基礎設施的長期支持，力鼎資本、蘊盛資本等市場化機構則更關注企業在技術壁壘、商業落地和成長空間上的綜合表現。

以上資本在同一階段進入，說明AI投資已經不再只看短期風口。那些能夠持續支撐產業運行的底層能力，如推理效率、能耗水平、Token成本和總體擁有成本，正在成為判斷AI基礎設施企業長期價值的重要指標。稀疏計算之所以被資本看見，正是因為它試圖回答AI商業化中最現實的問題：當大模型從實驗室走向千行百業，誰來承擔它長期運行的成本？