国内推理 GPU 独角兽曦望再获超 10 亿元融资，重构 AI 推理

4月20日，国内全栈自研AI推理GPU企业曦望（Sunrise）宣布完成新一轮超10亿元人民币融资。这是2026年AI产业全面迈入“推理落地、智能体普及”时代后，国内GPU赛道诞生的最大单笔融资之一。至此，分拆独立仅一年多的曦望已累计完成七轮融资，总融资额约40亿元，成为国内首家估值超百亿的纯推理GPU独角兽。

本轮融资资金将主要用于新一代S3推理GPU的规模化量产交付、全栈软件生态建设，以及S4/S5后续芯片的研发迭代。

智能体元年，推理算力成最大产业瓶颈

2026年被行业公认为“AI智能体元年”。随着大模型从“会聊天”进化为“会思考、会执行”的数字员工，推理需求迎来爆发式增长。英伟达GTC 2026大会正式宣告AI产业全面迈入“推理落地、智能体普及”的新时代，将“每瓦Token吞吐量”定义为AI时代的核心竞争力。这与曦望自创立之初就锁定的核心战场高度契合。

“AI 算力基建的重心已彻底切换。”曦望董事长徐冰表示，“2026 年 AI 推理计算需求将达到训练需求的 4-5 倍，推理算力租赁价格半年涨幅近 40%。”

不同于行业主流的"训推一体"路线，曦望从成立第一天起就坚定All-in推理赛道，以用户真实的Token成本、单位能耗和服务稳定性为芯片设计核心。目前公司已推进三代推理GPU迭代、数万颗GPU量产落地，实现了从芯片研发、产品量产到解决方案交付的完整闭环，并保持“芯片均实现一次性流片成功、流片后性能符合设计预期”的行业一流标准。

启望S3：为Agentic AI重构的推理原生架构

2026年1月，曦望正式发布新一代旗舰产品启望S3推理GPU。这是国内首款搭载LPDDR6且兼容LPDDR5X内存的推理GPU，它没有盲目照搬高端训练GPU的HBM显存路线，而是基于Agent推理的本质需求，从AI Core计算架构到内存IO系统进行了全链路重构。

以OpenClaw为代表的智能体推理，“感知—规划—执行—反馈”高频循环，带来了对KV-cache密集访问的全新计算负载。而通用GPU面向训练优化，推理实际算力利用率往往远低于峰值——推理侧的效率瓶颈已不再是“算力不够”，而是“算力用不满”。

这正是S3所押注的结构性机会：放弃训练能力，专为大模型推理做原生深度定制。通过裁剪训练态所需的模块，将节省出的晶体管与功耗预算集中投向推理，让单位面积有效算力效率提升5倍以上。

计算层：专为推理而生的AI Core架构升级

S3通过计算层的深度定制，解决了通用GPU“算力用不满”的核心痛点，推理性能较上一代S2提升5倍，目标实现Token成本下降90%。

1.逼近物理极限的算子利用率

大语言模型推理中，GEMM与Attention算子占总计算量的90%以上，但受限于通用架构的设计约束，这两项核心算子的实际利用率通常远低于理论峰值。S3将这GEMM和Flash Attention两项核心算子的利用率分别推至约99%与98%，标称算力几乎都转化为有效吞吐，同样硬件投入可服务更多并发请求。

2.Agent原生的指令集与微架构

采用128-bit指令集+支持3D指令，指令密度领先传统SIMT架构；独立线程调度精准匹配智能体复杂控制流，消除条件跳转带来的流水线代价；通过Block cluster和Broadcast等技术实现片上数据复用，减少对外带宽依赖，大幅提升Agent多轮推理效率。

3.FP4全链路低精度，吞吐3-4倍跃升

原生支持FP16至FP4全链路低精度运算，在DeepSeek V3/R1等主流模型上实现接近无损的FP4推理，吞吐量较FP16提升3-4倍，直接转化为客户侧的毛利空间和价格弹性。

系统层：三大接口技术破解智能体核心瓶颈

S3创新性地集成了三大先进高速接口技术，从内存和IO两个推理时代最核心的瓶颈入手，解决了智能体三大核心瓶颈。

1.LPDDR6内存接口技术，解决智能体的“显存生死线”问题

大模型推理的一个核心特征是，在高并发、长上下文的主流云端推理场景中，KV Cache 的显存占比可超过 80%，且随并发用户数线性增长。S3 采用的 LPDDR6 方案，在提供足够推理带宽的同时，将显存容量上限大幅提高，且功耗降低50%，匹配推理场景“大容量、高性价比、低功耗”的核心需求。同时，LPDDR6 与 LPDDR5x 兼容的设计，让 S3 可以推出不同显存规格的产品版本，覆盖从边缘到云端的各类推理场景，无需重新设计芯片。

2.高速SerDes+SUE融合互联技术，解决智能体的“多模型协同瓶颈”

曦望践行“软件定义互联”的设计思路，对推理场景下的互联架构进行了深度优化。从超节点协议、片上互联、片间互联、交换设备、高速通信软件栈协同设计，实现TCO 与性能兼顾的推理互联系统。

Agent 时代的到来，对推理集群的互联性能提出了前所未有的要求——一个 Agent 请求会触发数十次推理调用，涉及多模型协同与海量 KV Cache 流转，如果互联带宽不足、协议割裂、延迟太高，整个系统的性能会出现超线性下降，集群规模越大，性能损失越严重。

S3 创新性地在片上原生融合了 Scale-Up 超节点与 Scale-Out 的双模互联底座。在超节点通信域，S3 搭载基于以太网的超节点互联引擎，支持 load/store 内存语义与 UVA 统一编址，任意两卡间一跳直达，为 AllReduce/AlltoAll 等集合通信提供硬件级加速；S3 选择基于以太网的超节点方案，具备双重优势：既可利旧复用标准以太网交换机节省组网成本，又可无缝接入支持超低延迟能力的增强型交换机，将端到端延迟压缩至百纳秒级，性能逼近专有互联协议。基于超节点和DeepEP实现的MoE超大模型推理系统，可以很大程度掩盖LPDDR相较于HBM的带宽劣势。另外，S3 在片上集成了 RDMA 通信引擎，专为 PD 分离架构下的超长上下文 KV Cache 传输进行优化，实现跨节点 KV Cache 的零拷贝、高吞吐传输，突破分离式架构的内存墙瓶颈。在组网上 S3 支持 32/64/128/256 弹性扩展能力，为不同算力密度的推理场景提供灵活选择。

3.PCIe Gen6接口技术，解决智能体的“资源碎片化”问题

云原生推理时代，超长上下文已成为大模型标配能力，千亿参数模型在处理数万 Token 序列时，单请求 KV Cache 占用可达数百 GB 甚至 TB 级，传统 PCIe 带宽瓶颈成为制约 KV Cache 高效管理的沉重枷锁。S3 搭载的 PCIe Gen6 接口，带宽较 Gen5 翻倍，可同时满载多路高速网卡与 NVMe 存储集群，满足云原生推理的高并发数据吞吐需求；通过 PCIe Gen6的高带宽让CPU DRAM 真正成为 S3 显存的扩展池。可构建起显存-DRAM-NVMe 三层异构 KV Cache 架构：热数据驻留显存保证低延迟的访问，温数据通过 PCIe Gen6 扩展至 CPU DRAM实现容量倍增，冷数据则下沉至 NVMe SSD 持久化存储，解决智能体的资源碎片化问题。

“推理原生”带来普惠算力基础设施

从产业周期看，训练侧格局已相对固化，而推理侧正随Agentic AI放量进入指数级增长通道——多家机构预测，未来五年推理算力市场规模将超越训练侧数倍，其中Agent类负载将贡献最主要的增量。

曦望S3同时具备三个难以共存的要素：推理原生的架构前瞻性、实现98–99%算子利用率的顶尖工程能力、以及完整的生态适配能力。

“S3不是简单的性能升级，而是一次对AI推理成本曲线的重构。”徐冰表示，“我们的目标是将推理成本降至‘百万Token一分钱’，让AI像水电一样成为普惠基础设施。”

资本助力推理赛道进入加速期

本轮融资由多家产业方战投、地方国资及头部财务机构共同参与。

杭州资本表示：“本次投资是杭州资本紧扣杭州‘296X’先进制造业集群建设战略、深耕人工智能万亿级产业赛道的重要布局。曦望‘All-in 推理’的战略选择具备行业前瞻性，其在技术创新和产品商业化方面的能力，是我们决定投资的重要原因。作为长期资本，我们更看重企业在关键技术方向上的持续投入与落地能力。”

普华资本表示，“曦望是国内少数真正理解推理场景、并能提供全栈自主可控解决方案的企业。我们看好公司'不做训推一体跟随者，只做推理赛道领跑者'的战略选择。”

聚集顶尖人才，打造中国AI工业化算力底座

曦望团队规模已增长至400人，研发人员占比超80%，汇聚了来自英伟达、AMD、华为海思等国内外顶尖芯片企业的核心人才，硕士及以上学历占比超80%。团队融合了芯片设计、高性能计算、AI 算法、软硬产品的跨行业人才。

2026年，曦望将围绕“落地、兑现、增长”核心原则，全力推进S3芯片量产交付，完成与国内外主流大模型、多模态模型和Agent框架的全面适配。同时，公司已完成S4高性能推理GPU和S5安全可控推理GPU的技术路线规划，持续加码近存计算、光电共封等前沿技术探索。

未来，曦望将继续坚守“让AI推理便宜、稳定、随处可用”的核心目标，为中国AI发展铸造坚实的算力底座。