北京
10月19日消息，铭芯启睿（MemSilicon）宣布完成超4亿元A轮融资。本轮融资由博原资本领投，博世创投、创领资本、米哈游、中关村科学城公司、兆易创新等跟投，老股东复容投资、国开科创、恒裕资本、锦秋基金、顺禧基金、小米战投、中科创星持续加注。本轮融资将主要用于RRAM的产业化与商业化，以及新产品LPU的研发。
MemSilicon同时宣布，前Graphcore总裁兼大中华区总经理卢涛加入团队，担任CEO和联合创始人。公司战略全面升级：在继续推进阻变存储器（RRAM）产品化的基础上，启动面向大模型推理的第一代LPU研发，打造“满血模型、高速Token、越级性价比”的新一代推理引擎。
随着Agentic AI时代的到来，AI落地已经从问答，转向完成复杂、长程的任务，下一步竞争的关键指标，会从峰值算力转向任务完成效率。
一次任务包含多轮推理、工具调用和上下文复用，还可能启动多个Agent并行工作。客户需要的，不只是更多Token，而是在保证质量的前提下，更快地解码和输出、更多任务能并行，并降低单次任务成本。
这要求推理系统从架构层面进行创新，同时优化计算、存储、互联和调度。因此，存算协同被视为核心破局路径之一。
（图1｜低延迟已是独立售卖的服务档位。数据来源：OpenAI）
（图2｜高速解码决定Agent每一步走多快。在缓存能够有效保留的条件下，输入缓存命中率为84.6%-99.5%，解码占 LLM执行时间的91.0%-98.6%。数据来源：arxiv2605.26297v2, Agentic AI Workload Characterization）
加入MemSilicon之前，卢涛已在芯片行业深耕20余年。
他历任曦智科技副总裁、Graphcore总裁兼大中华区总经理、Cavium中国区总经理，长期聚焦AI基础设施核心组件，覆盖Arm架构服务器CPU、DPU、RDMA网卡、数据中心交换芯片、大SRAM架构的AI处理器IPU、基于3D堆叠DRAM的NPU，及硅光芯片等多个领域，兼具技术、产品与市场的复合视角。
卢涛认为，大模型推理正在进入架构创新的关键期，单纯依赖单一维度的算力提升，已难以满足“低延迟、长上下文、高吞吐”的综合需求，存算协同是破局的核心路径之一。
卢涛表示：“MemSilicon的定位很明确，不与GPU内卷，聚焦满血模型的高速Token体验，用越级性价比，服务高端推理市场。大模型推理提出了新课题，既要运行能力完整的模型，又要在可承受的成本下及时响应。这是当前通用GPU架构和纯SRAM架构的无人区。探索新大陆，就不能依靠单向度增加计算单元、存储密度、通信带宽的老地图，必须重新思考算什么、在哪里算、权重怎么存、数据怎么传的系统级问题。依托中国领先的存储战略纵深，结合我们在AI芯片产品定义与产业落地上的积累，MemSilicon正同步推进RRAM产品化和下一代LPU研发，加速存算协同落地。”
MemSilicon团队源自中国科学院刘明院士团队，在材料、器件、工艺、芯片设计等底层技术上，拥有二十多年的深耕积累。从材料与器件物理出发，团队的工作延伸至可靠性、工艺集成、IP和芯片设计，再推进到流片验证与应用；除RRAM外，团队在三维集成、近存计算及混合存算一体架构方面也具备深厚科研积累。
卢涛透露，MemSilicon已开始第一代LPU研发，主要面向Agentic AI时代“低延迟、长上下文、高吞吐”的核心需求。
推理市场的Token正在分层，标准档拼成本，越级档（Premium）拼体验和未来的业务逻辑，MemSilicon专注服务大模型推理需求，提供新一代算力底座。
大模型推理的解码环节本质，是内存搬运密集型任务。每生成一个Token，都要反复搬运模型权重与KV缓存数据，这正是孤立堆叠算力难以解决的瓶颈。
增加GPU数量可以在一定程度上降低延迟，但也会推高功耗、网络复杂度和单位服务成本。偏重批处理的服务方式，能够提高吞吐量，却会让面向用户的智能体显得更慢。
不同于传统AI芯片孤立追求算力指标的思路，MemSilicon的LPU立足于内存技术和内存架构创新，从系统层面同步优化计算、存储与互联，以三者协同解决大模型推理瓶颈。
卢涛表示：“我们希望让Token成为每个人都用得起的生产资料——响应更快，成本更低。当大模型、自主Agent和具身智能开始承担更连续、更复杂、甚至物理世界中的长程任务时，低延迟将从体验加分项，变成新业务能否成立的前提。
在关键场景里，超时就是失败。因此，客户衡量推理的价值，会越来越看重Token的时效/成本比。我们的LPU正是从内存架构入手，协同优化计算与互联，在保持满血模型能力的同时，让每个用户都能享受高速Token，并兼顾系统吞吐和整体成本。这是MemSilicon LPU的第一阶段目标。”
