卡位稀疏计算 墨芯科技获近10亿元C轮融资

大量行业机构预测，未来几年推理算力需求增速将远超训练需求，稀疏计算将成为AI基础设施建设的核心驱动力。

文｜王玉冰

ID | BMR2004

2026年6月，专注于稀疏AI计算的墨芯人工智能科技（上海）有限公司（以下简称“墨芯科技”）宣布完成了近10亿元人民币的C轮融资，投资方阵容涵盖头部互联网科技企业、深创投、大湾区共同家园基金、力鼎资本、蕴盛资本等产业资本与市场化机构，这不仅成为国内AI芯片领域近年来较受关注的一笔融资，也让稀疏计算（Sparse Computing）这一曾经相对小众的技术路线再次进入公众视野。

稀疏计算是指通过识别和利用数据中的“稀疏性”，压缩计算模块，只计算需要计算的必要模块，从而减少大量无效计算，提升计算效率。但长期以来，由于工程化难度高、对于模型训练周期的生态要求等，稀疏计算更多停留在实验室和学术研究层面，并未真正成为产业算法技术主流路线。

大模型的快速发展改变了这一局面。大量行业机构预测，未来几年推理算力需求增速将远超训练需求，稀疏计算将成为AI基础设施建设的核心驱动力。也正是在这样的背景下，能够显著提升算力利用率、降低推理成本的技术路线开始获得资本青睐。

近日，《商学院》杂志就最新的投资进展对墨芯科技市场部副总裁郭威俊进行了访谈。

01

从实验室到资本市场

墨芯科技正推动稀疏计算从实验室研究走向规模化产业应用，并逐步成长为国内推理算力基础设施领域的重要创新力量。

“随着生成式AI、大模型以及AI智能体快速发展，行业正在从‘训练时代’逐步迈向‘推理时代’。训练决定一家企业能否拥有先进模型，推理能力则决定模型能否真正服务于千行百业、触达海量用户。”郭威俊表示。

在郭威俊看来，本轮融资背后最重要的信号并非资本对一家企业的认可，而是市场对于整个AI产业发展阶段变化的重新判断。

过去，投资人关注的是芯片峰值算力、模型参数规模以及训练能力。而今天，越来越多机构开始将注意力放在推理效率、能耗水平以及总体拥有成本（TCO）上。郭威俊表示，过去几年公司持续推动稀疏计算从理论研究走向产业实践，而真正让投资机构形成信心的关键因素，则来自商业化落地的持续验证。

墨芯科技成立于2018年，是一家聚焦稀疏计算技术研发的“AI基础设施”企业，通过软硬件协同创新来重构人工智能时代的算力效率。墨芯科技以“让AI算力更高效、更普惠”为目标，长期专注于稀疏AI计算架构、推理加速芯片及相关软件生态建设，是国内较早布局稀疏计算赛道的企业之一。

围绕大模型推理需求快速增长带来的算力成本和能耗挑战，墨芯科技自主研发了双稀疏技术（Dual Sparsity）、Antoum稀疏计算架构以及即将在下半年上市的SparsePrime系列推理加速产品，并构建了覆盖芯片、板卡、软件工具链和集群解决方案的全栈技术体系。墨芯科技正推动稀疏计算从实验室研究走向规模化产业应用，并逐步成长为国内推理算力基础设施领域的重要创新力量。

02

从堆算力到提效率

稀疏计算的想象空间在于它不完全依赖硬件迭代，而是通过计算模式本身释放效率。

实际上，墨芯科技在创业早期便意识到，传统硬件发展的逻辑正在发生变化。

“未来在硬件物理层面其实很难继续突破，因此我们将重点转向了软硬协同和算法创新。”郭威俊表示，团队在研究中发现，图像识别和语言模型中存在大量冗余计算，“因此我们判断稀疏计算将成为未来重要的发展方向。”

相比HBM堆叠、先进封装、光模块互联等硬件提效路径，郭威俊认为，稀疏计算的想象空间在于并不完全依赖硬件迭代，而是通过计算模式本身释放效率。

“从目前来看，稀疏计算未来动态优化的提升空间仍然非常大。”郭威俊表示，“从英伟达早期4×4稀疏算子结构，到墨芯科技探索的64选N等更高自由度稀疏模式，都说明这条路线仍有挖掘空间。”他认为，稀疏计算未来有可能实现4倍甚至8倍的性能提升。

目前，墨芯科技已经逐步构建起完整的稀疏计算技术体系，公司已经形成覆盖芯片、架构、软件工具链以及集群解决方案的全栈产品体系。

其中，双稀疏技术是其最具代表性的创新成果之一。传统AI芯片在处理数据时，往往会把所有信息都计算一遍，而双稀疏技术会同时从两个维度筛选出真正有价值的数据和计算任务，把不重要、贡献较小的部分跳过或减少计算。这样既能保持模型精度基本不受影响，又能显著减少无效运算，提高算力利用率。

与此同时，公司自研的Antoum架构作为面向高效AI计算的软硬件协同体系，能够先判断哪些计算是有用的，只算关键部分，跳过大量不重要的计算。这样就像从全程跑地图变成只走必要路线，可以用更少的电和算力完成同样的任务，甚至更快、更省。

在产品层面，墨芯科技推出的面向AI推理场景的SparsePrime系列稀疏计算芯片产品，它的基本思路是在运行大模型时，并不是所有神经网络连接都需要参与计算，SparsePrime会通过算法和硬件配合，自动识别并跳过大量不重要的计算，只保留关键部分进行运算，从而减少计算量、降低功耗并提升速度。

SparsePrime系列主要用于数据中心和云端AI推理任务，比如大语言模型服务、推荐系统、搜索排序、图像和语音识别等高并发场景。相比传统GPU的全量计算，SparsePrime更强调按需计算，因此在处理大规模模型时可以用更低的成本完成同样的任务，同时提升吞吐能力和能效比。

过去10年AI产业竞争的是谁拥有更多算力，未来10年竞争的核心将是如何让每一份算力创造更大价值。墨芯希望能将自身的产品与技术，不断衍生成AI算力基础设施，成为AI生态的水电煤。

03

算力的竞争也是区域的竞争

未来智算基础设施的竞争，不仅是单个数据中心之间的竞争，更是区域化、网络化和产业化布局能力的竞争。

与传统算力中心侧重训练任务不同，墨芯科技更关注快速增长的推理需求，希望通过在产业聚集区域部署高性能、低TCO的推理算力节点，让算力资源更加贴近实际应用场景。

“我们的目标并不是单纯建设更多算力，而是希望把算力部署到真正需要它的地方。”郭威俊表示，“我们希望通过贴近产业的推理集群布局，让AI算力像水、电一样触手可及。”

围绕这一思路，墨芯科技已经形成覆盖西北、西南、华东和华北等区域的全国化布局。

其中，在西北地区，墨芯科技部署了千卡级推理集群，重点服务政务数字化建设和传统产业智能化转型，同时积极参与“东数西算”工程西部枢纽节点的算力基础设施建设。

西南地区当地丰富的绿色能源资源为发展绿色算力提供了天然条件，结合绿电优势，墨芯科技构建了低功耗推理算力池，能够为东部地区持续输出高质量、低成本的AI推理服务，实现算力资源与能源资源的协同配置。

针对华东地区对金融、生物医药、人工智能研发等高端领域低时延、高并发能力的产业需求，墨芯科技部署了高性能的推理集群，以支撑前沿科研和产业创新应用的发展。

而华北地区作为北方重点工业基地，墨芯科技则通过建设推理算力节点，服务传统制造业和重工业数字化升级需求，推动人工智能技术向生产一线深入渗透。

在墨芯科技看来，未来智算基础设施的竞争，不仅是单个数据中心之间的竞争，更是区域化、网络化和产业化布局能力的竞争。通过在重点产业区域建设推理算力节点，墨芯科技正在尝试构建一张覆盖全国的推理算力网络，让算力资源能够更高效地连接行业需求。

与此同时，在一些具体的应用场景中，墨芯科技的产品也完成了实际的落地应用。

在生命科学与医疗健康领域，墨芯科技已完成了多个项目交付，并与华大智造等企业合作，应用于基因测序数据分析与蛋白质结构预测等任务，借助稀疏计算成功提升了计算效率、降低成本，缩短科研与临床决策周期。

在城市治理与智慧社区方面，墨芯科技联合高校将人脸识别、行为识别与异常预警等视觉技术用于社区管理，实现实时监测与智能预警，提升基层治理的智能化水平，并验证其在边缘与城域场景的推理能力。

在智能制造领域，墨芯科技在电子制造、消费品生产等方面已经落地了多个工厂安防CV项目，如玩具工厂等劳动密集型场景中的安全生产监控、产线异常识别等。墨芯科技推理方案在边缘侧即可完成高效实时AI分析，从而降低传输与中心端计算负担。

同时，墨芯科技也在探索与现代服务业的融合，在酒店与文旅领域开展智慧酒店管理与运营优化合作，来促进“AI+服务业”的数字化升级。

04

成为AI基础设施的新变量

人工智能产业正进入一个更加注重效率、应用和商业价值释放的新阶段。

围绕布局AI时代的基础设施这一核心方向，墨芯科技也在持续推进下一阶段布局。

一方面，墨芯科技正在继续深化稀疏计算技术研发，希望进一步释放稀疏计算潜力，提升推理效率和资源利用率。另一方面，墨芯科技也在加强与运营商、智算中心以及大模型厂商的合作，推动更多模型和应用场景在自身平台上实现高效运行。

谈及未来3—5年中国AI产业的发展趋势，郭威俊认为，人工智能产业正进入一个更加注重效率、应用和商业价值释放的新阶段。

“我们整体的目标还是希望在中国成为推理加速芯片龙头，在稀疏计算领域成为国内最强的玩家。”郭威俊表示。

他观察到，国内大模型产业正在进入新一轮竞争阶段。近期，无论是DeepSeek模型服务价格持续下调，还是各类国产大模型产品纷纷跟进降价，都反映出行业竞争正在发生变化。

“未来大模型商业化厮杀的主战场，还是在Token成本的降低，以及更高效地服务用户实际需求方面。”郭威俊表示，“整个行业会经历一个从可用到好用、从能用到易用，再到真正用得好的过程。”

在他看来，随着模型能力不断提升，用户对于成本、效率和体验的要求也将同步提高。未来能够胜出的企业，不一定是拥有最大模型的企业，而更有可能是能够以更低成本、更高效率提供服务的企业。

除了通用大模型之外，郭威俊同样看好垂直行业模型的发展前景。他认为，未来各行业将逐渐形成针对自身需求的专属模型，并深入解决长期存在的行业痛点和复杂计算问题。

“未来通用大模型还是会有很大的迭代空间，但它会变得越来越好用、越来越高效，也会越来越便宜。而行业模型则会逐渐渗透到各行各业中，形成更加高效的行业解决方案。”郭威俊说。

对于资本而言，AI领域的投资面临着更考验判断力的阶段。比如，墨芯科技本轮融资更值得关注的，并不只是金额本身，而是投资方结构所透露出的长期判断：头部互联网科技企业代表产业侧对算力底座的现实需求，深创投、大湾区共同家园基金等国资或区域性资本体现了对国产AI基础设施的长期支持，力鼎资本、蕴盛资本等市场化机构则更关注企业在技术壁垒、商业落地和成长空间上的综合表现。

以上资本在同一阶段进入，说明AI投资已经不再只看短期风口。那些能够持续支撑产业运行的底层能力，如推理效率、能耗水平、Token成本和总体拥有成本，正在成为判断AI基础设施企业长期价值的重要指标。稀疏计算之所以被资本看见，正是因为它试图回答AI商业化中最现实的问题：当大模型从实验室走向千行百业，谁来承担它长期运行的成本？