华为芯片老兵入局LPU 两家产业链上市公司出手押注

来源：市场资讯

（来源：财联社）

《科创板日报》4月20日讯（记者 敖瑾）在推理拐点叙事持续强化的背景下，围绕推理效率的算力架构出现分化，一批尝试重构算力架构的初创公司也随之开始浮出水面。

近日，LPU初创企业元川微宣布完成数亿元天使轮系列融资，参与投资方包括元禾原点、峰瑞资本、中芯聚源、深创投、东方嘉富、浙江省科创母基金以及上市公司星宸科技、智微智能等多元投资平台。公司方面表示，本轮融资资金将主要用于第一代LPU+架构AI推理芯片的研发与量产。

LPU架构进入主流视野，很大程度上源于Groq的快速崛起。作为专注推理算力的代表性公司，Groq在低时延、高吞吐及能效上的表现，引发市场对通用算力路径之外技术路线的重新审视。

2025年下半年，英伟达豪掷200亿美元，实质性整合了Groq的推理技术资产。到了今年3月，黄仁勋在GTC大会上展示了这项交易的最新成果：Groq的LPU架构已被深度集成到英伟达的Vera Rubin平台中，提供面向Agent的实时推理算力。

在产业龙头的领衔押注下，围绕推理场景的算力架构重构，正在从边缘探索走向产业前台。

华为芯片老兵押注LPU架构

元川微成立于2025年9月，创始人杨滨此前任职于华为，曾在2008年赴美组建华为处理器团队，2012年回国后主导华为无线基带算法与芯片部门。

杨滨在一档播客中曾表示，他早前已看好LPU这一架构路径，但直到2025年初DeepSeek-R1技术报告发布，才真正坚定了下场创业的决心。“论文给我触动极大，大模型终于不是泡沫了，可用了。 模型能力很强，成本降到了大家可以使用的阶段。那天晚上我把论文看完，觉得终于可以下场了。”

LPU通常指面向大模型推理场景设计的专用架构，其核心在于通过优化数据流、存储与调度方式，让数据在芯片内部“少绕路”，同时减少运行过程中的动态调度，从而提升响应速度并降低能耗。

落地到产品侧，元川微目前的规划是，拟面向不同推理场景进行分层布局，包括面向数据中心和高端边缘节点的推理芯片，强调高性能、复杂场景；以及面向大端侧和边缘侧的推理方案，更侧重连接能力以及面向行业场景的功能适配

这一规划来自于团队对推理需求本身变化的判断。“短期内推理需求仍将主要集中在数据中心及部分边缘节点，但随着Agent、具身智能等应用逐步落地，推理负载将持续向终端侧延伸，边端有望成为下一阶段的重要增长点。”杨滨对《科创板日报》记者表示。

据公司方面介绍，元川微目前仍处于研发阶段，已完成系统仿真、原型验证及FPGA验证，下一步将推进产品定义、客户对接以及软件生态与工具链建设，并计划于明年上半年完成投片。

值得一提的是，在仍处于研发阶段的情况下，元川微即获得了多方资本加持。其近期官宣的天使轮系列融资，就集结了头部财务投资机构、政府投资平台以及上市公司等的参与，包括中芯聚源、深创投、东方嘉富、元禾原点、峰瑞资本、浙江省科创母基金、杭州润苗基金以及星宸科技、智微智能等。

对于产业方在公司早期阶段的押注，杨滨对《科创板日报》记者表示，两家上市公司股东一定程度上分别代表了不同的市场切入方向，一个深耕算力中心，一个布局大端侧与边缘侧，与元川微的产品分层逻辑契合，因此它们兼具了股东和客户的身份，“产业方目前在产品定义、供应链和早期市场上都给了元川微实际的支持。”杨滨进一步表示，产业方更看重的是系统方案落地后，能否真正改善每瓦特性能与每token成本，“账能算回来，他们才会投。”

算力变局下的产业机遇

在杨滨看来，LPU架构的兴起，更本质的原因在于算力需求结构的变化。

他认为，当前算力消费的主体已经发生变化，“简单的碳基消费者，变成了碳基和硅基混合的消费模式。”也就是说，算力的调用方已经不只是人，还有Agent。

而这一变化带来的不只是量的压力。人与AI对话每秒不过几十个token，但Agent之间协同时交互量可能是这个数字的十倍乃至百倍，因此，现在阶段的推理基础设施，在每用户每秒的token提供能力、每token的成本、每token的能耗上，都和满足实际需求存在巨大差距。”杨滨据此判断，推理算力的基础设施，正处于一个重构的转折点。

值得一提的是，黄仁勋也在近期的公开表态中，持续强调推理拐点来临后，算力评价体系的重构，推理算力逐渐从附属环节走向核心环节。标志性的体现就是，成立了9年的Groq，因为英伟达一笔高达200亿美元的整合性收购，骤然站在了AI行业的聚光灯下。

不过，仅从国内来看，真正意义上以LPU为核心路线的企业仍属少数。

目前，多数AI芯片公司仍沿GPU或通用算力路径推进，通过兼顾训练与推理提升性能；包括元川微、迈特芯、深明奥思等少数几家企业，正在尝试以推理为中心重新设计架构，属于尚未形成共识的探索方向。

这一格局的形成，与技术路径选择及产业阶段密切相关。一方面，相较在既有架构上进行优化，从推理场景出发重新设计芯片架构，对系统设计能力与工程积累提出更高要求；另一方面，推理需求虽在快速增长，但其具体应用形态仍在演进之中，产业侧对新架构的接受度仍有待进一步验证。杨滨亦在采访中对《科创板日报》记者坦言，工艺制程与先进IP的制约是绕不开的门槛，而在产业共识尚未形成的早期，愿意理解这条路线的人本就不多。

不过他也表示，推理场景相较训练，对现有软件生态的依赖要低得多，这种相对宽松的生态约束，对国内推理芯片的创业者而言事实上是一个窗口机遇。

值得一提的是，从更广泛的行业视角来看，推理算力的兴起，已经为更多产业链环节带来了结构性机会。

随着token消耗提升，对算力密度、带宽及能效的要求同步上升，除了芯片架构层面，这一趋势的影响也在向上游硬件体系传导，带动包括服务器互联、PCB及高速材料等环节的需求提升。可以看到，相关上市公司在过去一段时间股价已经经历了一轮陡峭上升，资金对这一方向的关注度持续提升。