作者 | 乔钰杰
编辑 | 袁斯来
硬氪获悉，国内全自研 GPGPU 创新企业「北京行云集成电路有限公司」（以下简称 " 行云 "）宣布连续完成 Pre-A 及 Pre-A+ 多轮融资，融资金额超 4 亿元人民币。五源资本、赛富投资基金、春华资本联合领投，以及北京、江苏等地方国资、佰维存储（688525）、金沙江联合带动知名 GPU 企业创始人家办、创维资本等产业资本跟投。云岫资本连续多轮服务并担任下一轮独家融资财务顾问。
北京行云集成电路有限公司成立于 2023 年 8 月，专注针对大模型的新一代推理芯片，致力于使用非 3D DRAM 架构打造超大显存规格、CUDA 兼容的全自研 GPGPU 产品，推动 AI 大模型推理的普惠化。
行云创始人季宇博士，清华大学计算机系博士，" 华为天才少年 " 计划的一员，曾在华为海思深度参与昇腾 AI 芯片的编译器与架构研发。CTO 余洪敏博士，中科院半导体所博士，曾主导百度昆仑芯、海思昇腾等多款芯片的研发与量产，拥有十余款芯片成功流片经验。
当前，在大模型架构持续演进的背景下，算力系统的瓶颈正在发生结构性变化。
季宇在接受硬氪采访时表示，当前算法侧的演进正在重塑硬件设计逻辑。以 MoE（Mixture of Experts）为代表的稀疏模型，在计算效率上更具优势，但需要预先加载更多专家参数，使得整体对内存容量的需求显著高于传统 Transformer 稠密模型。
大模型（千亿 / 万亿参数）的显存需求已从 GB 级跃升至 TB 级，这一过程中，系统成本结构也随之重构——按 GB 计价的显存成本，正逐步超过算力芯片本身，成为主导项。因此，" 降本的关键已经不在算力，而在显存 " 季宇称。
基于这一判断，行云选择了一条与主流路径不同的技术路线：放弃成本高昂的 HBM（高带宽内存），转而采用 LPDDR 乃至 NAND（SSD 颗粒）等更低成本的存储介质作为显存介质。通过介质替换，使显存成本降低 1 到 2 个数量级。
但低成本介质也意味着单颗粒带宽较低。为弥补这一短板，行云在架构上采用多颗粒、多通道并行的设计，通过规模化堆叠将整体带宽提升至 TB 级别，以满足大模型推理对数据吞吐的需求。
季宇表示，随着稀疏化和 MoE 架构的发展，模型对带宽的绝对需求正在下降，系统设计不再需要一味追求极致带宽，而是可以通过软硬件协同，实现成本与效率之间的平衡。
这种思路也体现在行云的整体技术策略中。季宇强调，公司真正的稀缺性并不在单一芯片指标，而在于系统级的设计能力。通过诸如 Prefill/Decode 分离（PD 分离）、KV Cache 稀疏化等工程手段，行云能够更灵活地适配 AI 应用形态的快速变化，从早期的 Chatbot 到当前逐步兴起的 Agent 场景，降低因芯片研发周期较长所带来的技术滞后风险。
产品验证层面，行云此前推出的 " 褐蚁一体机 "，已尝试用 CPU 与通用内存构建低成本推理方案，验证稀疏模型在非高端硬件上的可行性。目前，该方案已在 DeepSeek 的本地化部署场景中落地。
接下来，公司将把重心转向自研芯片的推进。季宇表示，公司今年的核心目标是完成芯片流片，并尽快推向市场，以芯片产品作为商业化的主要抓手。
当下，Open Claw 的现象级传播也揭示了市场对消费级硬件承载高质量 AI 的巨大需求。季宇表示，行云希望通过其芯片产品，将低成本、高质量的万亿级模型算力真正落地到如龙虾机等端侧设备，突破当前端侧仅能运行 100B 小模型的局限，为消费电子市场打开新的想象空间。
CTO 余洪敏表示，行云的设计优先级已从追求单芯片极致性能，转变为从板级系统角度追求可扩展性与供应链稳定性。通过分布式设计和采用成熟工艺与低成本存储，在系统层面实现成本最优与性能体验一致，这是公司实现算力普惠的重要基础。
投资方观点
峰瑞资本副总裁李罡表示：作为天使轮投资人，行云团队从 23 年创业开始，对 AI 芯片（特别是大模型环境下的 AI 芯片）有着极为前瞻的视角和思路。在近三年的模型和应用的快速变化中，我们看到行云针对下一代通用大模型的芯片方案和前瞻的设计思想，不断得到验证，始终领先时代半步。
五源资本表示：行云是 AI 芯片领域少有的‘第一性原理’思考者，季宇博士 24 年就前瞻性地洞察到 MoE 稀疏架构下硬件瓶颈从算力向显存迁移的结构性转变——放弃 HBM、以 LPDDR 乃至 NAND 重构显存成本，不是渐进优化，而是通过系统级的软硬件协同设计能力推动行业范式创新。2026 年以来随着 AI 模型 coding 和 agent 能力持续增强，AI 推理需求爆发，OpenClaw 等 Agent 的现象级破圈，正在将推理算力需求从云端拉向多端，从程序员推向大众，高效低成本的推理能力成为行业刚需。伴随未来推理需求的指数级增长，行云的技术路径将成为推动算力普惠的重要基础设施。
赛富投资基金负责科技赛道的管理合伙人蒋驰华表示：在 AI 大模型向万亿参数演进的过程中，降本的关键已经不在算力，而在显存和系统的架构，特别是在国产算力受限的前提下。季宇和行云团队展现出了罕见的系统级工程视野，他们跳出了盲目堆砌 HBM 的行业定式，通过 LPDDR/NAND 等介质替换与并行架构设计，将显存和系统成本打下来一到两个数量级，进而实现单 Token 成本极值，符合行业演进的方向。我们始终聚焦 AI 与具身智能领域的底层颠覆者。行云兼具前瞻的架构创新与扎实的落地能力，赛富很荣幸能在这一轮重仓支持。我们期待行云的新一代推理芯片彻底重构算力成本模型，真正实现大模型推理在云端与端侧的全面普惠。
春华资本表示：在国产算力生态加速构建的大背景下。行云敏锐地将设计重心锚定在显存成本重构上，以 LPDDR 与 NAND 替代 HBM、通过多通道并行架构弥补单颗粒带宽不足，本质上是在重新定义推理芯片的成本架构。季宇博士对 AI 芯片架构的演进方向有着超越行业惯性的深度思考，他对‘降本关键在显存而非算力’的判断，始终领先行业共识半步，且每一步都在被市场持续验证；余洪敏博士作为从海思昇腾到百度昆仑芯一路走来的芯片老兵，对芯片从设计到量产的每一个环节都有实战积累。这种‘敢想’与‘能做’的结合，让行云具备了从架构创新到产品交付的完整闭环能力。我们期待行云的首颗自研芯片顺利流片，开启 AI 推理算力的新一轮成本革命。
佰维存储科技股份有限公司副总经理王灿：在大模型从通用 AI 向 Agent 形态演进的发展阶段，季宇博士展现了极具前瞻性的系统级洞察。他精准地识别出：大模型推理的结构性瓶颈已不再仅仅是算力本身，而是制约规模化落地的更低成本的存储。行云的核心逻辑非常清晰——通过介质替换与架构创新，以低成本的 LPDDR 乃至 NAND 介质挑战昂贵的 HBM 霸权，这不仅是物理介质的更迭，更是对大模型推理成本结构的底层重构。围绕这一核心路径，行云构建了极致的软硬件协同设计，通过 PD 分离、分布式扩展等手段，在系统层面实现了性能与成本的平衡。芯片行业，工程经验决定了从‘实验室架构’到‘商业化量产’的跨度。行云团队在昇腾、昆仑芯等顶尖项目上积淀的深厚流片与量产经验，是其确定性的来源。在 AI Agent 爆发的当下，我坚信行云能够真正击穿算力成本，让高质量的万亿级模型实现真正的算力普惠。
