作者 | 邱晓芬
编辑 | 袁斯来
硬氪获悉，人工智能芯片公司「凌川科技」近日完成 10 亿元 B 轮融资，本轮融资将主要用于下一代芯片研发与量产及全球市场拓展。
本轮由亦庄国投屹唐盛和基金、启明创投、朝晖资本联合领投，知名投资机构国泰海通开元、华控投资、国寿长三角科创基金、北工投资、建信（北京）投资、沛坤资本、香港科技园创投基金、鼎晖百孚、金舵投资、厦门恒兴、铭时资本，产业投资方石溪资本、龙芯创投、安徽文旅投参与投资，老股东顺禧基金、水木投资集团、九智资本持续追加。
「凌川科技」由北京市人工智能基金与快手集团共同发起设立，前身为快手集团的异构计算与芯片事业部，专注于智能视频与生成式视频等多模态大模型的底层算力。
公司创始人、董事长兼 CEO 刘凌志为上海交通大学博士、华盛顿大学博士后，曾任快手集团副总裁及华为、英特尔等核心技术管理岗，于 2018 年起从零到一搭建了快手异构计算和芯片团队，是兼具学术深度与产业实战的领军人物。团队在快手内部自研 SL200 芯片智能视频 SoC 芯片，并于 2024 年 3 月正式拆分独立运营。
自 2017 年《Attention Is All You Need》发表，NVIDIA 推出首款集成 Tensor Core 的 Volta V100 以来，以通用 GPU 为代表的 AI 算力芯片经历了黄金十年；2027 年起，产业将进入新一轮的牧本浪潮（Makimoto's Wave）周期，面向 AIGV（AI Generated Video）等垂直赛道的专用算力器件将迎来最大的创新机遇与增长空间。
短视频是中国在全球范围内具有明显领先优势的垂直赛道，涌现了快手、字节跳动、小红书等大型商业应用，可灵、Seedance 等国际领先的大模型持续迭代。随着短剧、互动视频、AI 广告等应用的爆发，视频数据的处理和传输需求急剧增长，对底层算力的效率、功耗和成本提出了更高要求。
在这一趋势下，AIGV 正被视为下一代智能算力的重要应用场景，产业正从 " 生成像素 " 迈向 " 模拟物理 " 的世界模型驱动阶段，有效算力需求相比传统文本模型呈指数级增长，在所有大模型 Token 消耗中占据重要部分。
面对 AIGV 的汹涌浪潮，刘凌志此前判断，当前这一赛道是数百亿级赛道，" 未来三到五年将爆发至数千亿级，并可能突破万亿元。"
但是，传统通用 GPU 在视频处理任务上存在明显的效率瓶颈，导致 Token 和运营成本居高不下。与此同时，国内视频生成大模型快速演进，算力消耗进一步放大。面对算力供给的根本性问题，国产专用芯片需求愈发迫切，这对我国继续在短视频领域保持国际领先尤为重要。
这种局面下，更高效、更专用、更好用的算力底座芯片成了刚需。
针对 AIGV 等生成式大模型场景的算力瓶颈，「凌川科技」将技术重心放在了延迟确定性计算架构上。
据介绍，「凌川科技」深度融入 RISC-V 开源生态，推出创新性延迟确定性 DiPU（Deterministic Inference PU）架构，采用数据流驱动与空间计算架构，通过编译器完全控制存储与调度，解决多模态大模型以及生成式视频对于高显存与带宽的依赖，实现了延迟、时序与带宽三重确定性。
硬氪了解到，公司首创的 3D 近存架构采用多芯片模组（MCM）设计，通过混合键合（Hybrid Bonding）及先进封装技术，实现不同功能和制程芯片的异构集成。
据团队介绍，「凌川科技」采用全国产 3D 堆叠技术的芯片于 4 月完成流片，并于近日回片，预计将于明年规模出货。该芯片专攻 AI 视频生产环节，目标是大幅降低视频生成成本，缩短生成时间，与 SL 系列共同覆盖视频生产、推荐、审核、分发的全链路。
值得一提的是，「凌川科技」还为 3D 近存拓扑设计了 NUMA Fast Load 机制，打破近存访问壁垒—— Memory Slice 形成分层 NUMA 域，计算核心直连访存，编译器将大模型权重与激活值切片预排布，本地访问时延低于 2ns。
这一理念对标 Hot Chips 上披露的 OpenAI Jalape o（业界首颗原生支持 NUMA HBM4 的推理 ASIC），DiPU 架构在 3D 集成下进一步深化为兼具极致带宽与可控功耗的 " 发射台式 " 预取机制。
更进一步，在软件层，「凌川科技」围绕 DiPU 架构自研了统一计算平台 LUCAS（Lingchuan Unified Computing Architecure Stack），通过从应用适配层到硬件执行层的四层软件架构，适应不同应用，并同时做到支持主流开源生态、图 /Eager 模式、TILE-BASED 编程以及 CLUSTER AFFINE，形成一整套专用算力 + 开源架构 + 场景深度优化的技术路线。
在软件栈构建上，「凌川科技」选择拥抱开源生态，基于 Python DSL（如 Triton/TileLang+MLIR）自动生成算子，无需客户自建生态；同时，开放底层 Intrinsic 接口供性能关键代码做极致优化，并提供 CUDA 兼容层，为拥有大量存量 CUDA 代码且不愿重构的客户深度优化。
目前，该平台已完成对 Qwen、通义万相、Hunyuan Video、MiniMax 等主流开源及视频生成模型的适配优化。
基于 " 芯片 + 软件栈 " 的全栈能力，「凌川科技」还推出了 AIGV 平台 Nebula，以自研芯片为底座，打通推理、模型服务到行业应用，覆盖文生 / 图生视频全链路，软硬协同、多模型纳管，面向内容制作与文旅落地。
布局下一代架构的同时，「凌川科技」的现有产品已实现大规模落地。目前，SL200 芯片已销售近十万颗，部署至快手、阿里云、百度云、B 站等互联网公司，覆盖快手 99.7% 的直播转码业务。
此外，2026 年，SL200 还通过与电信等合作伙伴实现产品落地，共同服务数据中心、智慧安防、文娱交通等场景，在节省客户存储空间的同时保证画质清晰，相关技术指标测试均已过关。
团队方面，「凌川科技」核心团队源自快手、华为、阿里、百度、英伟达、AMD、英特尔、ARM 等国内外企业，平均拥有 15 年以上的芯片设计、软件算法及基础设施经验，主导过 10 余款 AI 和视频芯片流片与量产。团队拥有多名入选国家级高层次人才计划和北京市、上海市、湖北省等省部级人才计划的专家，以及多位具有丰富产业化经验的行业带头人。
投资方观点
亦庄国投：亦庄国投集成电路投资事业部总经理、屹唐盛和基金董事总经理郑浩：" 亦庄国投作为北京经开区产业赋能型投资平台，投资凌川科技，核心看重其稀缺的规模化落地能力与自主架构创新，确定性算力底座支撑大模型时代的生态位，以及项目落地经开区对完善智能算力产业链的强牵引作用。我们也将以耐心资本陪伴其从规模化量产走向全球竞争。"
启明创投：主管合伙人周志峰：" 在生成式视频和大模型算力需求指数级增长的节点上，凌川选择了一条差异化路径：以 " 延迟确定性 " 架构切入，深度融入 RISC-V 生态，用专用芯片解决通用 GPU 在多模态大模型场景中效率不高、成本高企的痛点。这种 " 硬件为基础、软件定义 " 的打法，恰好契合我们对 AI 基础设施 " 效能优先 " 的判断。我们相信，团队兼具华为与英特尔的芯片基因以及快手的大规模系统能力，有望在智能算力这个细分赛道中跑出 " 本垒打 " 级机会。"
石溪资本：石溪资本长期关注并深耕半导体与新兴科技赛道，凌川科技是我们在云端专用大算力基础设施环节的重要布局。当下视频生成已从前沿尝鲜功能升级为云端算力增长最快的核心负载，通用算力的能效边界已逐渐跟不上视频大模型的需求爆发。公司团队与产业伙伴长期扎根视频生成处理领域，对大模型负载与业内的新应用趋势有深入理解，有望成长为该赛道的核心参与者。我们将与企业一同前行，共同见证算力产业的下一个增长周期。
老股东顺禧基金：凌川科技 2024 年分拆自快手集团，聚焦多模态大模型推理这一高增长的蓝海赛道，是国内多模态大模型推理专用芯片领军企业。公司凭借创新技术架构优势，有望大大降低芯片单位推理成本，同时与快手、可灵等在商业侧深度绑定。作为公司首轮投资机构，顺禧基金连续多轮追加投资，始终看好团队的技术积淀与商业化前景。
以下是硬氪与凌川科技 COO 张文静的访谈
硬氪：今年视频行业变化很多，比如 Sora 的变化，这对算力提出什么新要求？你们有因此而改变产品策略吗？
张文静：公司的技术路线始终与视频场景深度协同。今年行业的快速迭代，本质上表明视频生成正在从早期的 " 技术秀场 " 全面转向 " 商业闭环 "，技术兑现必须由业务 ROI 来驱动。这对凌川而言是明确的利好，不仅没有动摇我们的路线，反而强力印证了我们早期产品定义的预判。
例如今年 OpenAI 在 Sora 上的战略调整，验证了‘不计成本的堆砌通用算力模式’在商业上不可持续，以及场景和受众规模的重要性。视频生成的核心痛点是推理算力成本过高，单位产出 ROI 难以转正，业务越多亏损越大，这本质上是沉重的 TCO 压力反噬了商业扩张。国内模型在性价比和工程化上的快速追赶，也加速了这一趋势的显现。
这件事从另一个角度指明了一个不可逆的共识：大模型正走向应用深水区，厂商必须不计一切代价降低全周期 TCO。模型是产业链的赋能工具，必须落在具体商业场景中产生正向现金流。正是基于此，凌川坚定聚焦于 " 工程化兑现以及商业化降本 "，不单纯追求技术以及指标上的领先，而是强调真正落地的能力，攻克推理端成本的产业瓶颈。
硬氪：目前视频领域最先跑通商业闭环的场景是什么？
张文静：以 AI 漫剧、AI 短剧、AI 互动视频、AI 广告等为代表的垂直内容形态，是目前已得到明确验证、形成稳定付费闭环的场景。不仅流量变现链路清晰，其内容生成流中 AI 的渗透率还在随成本下降而指数级增长。
从底层架构看，当服务规模推向亿级用户的时候，继续采用动辄数万美元的通用 GPU 承载即时推理，在商业上存在结构性失衡。除了高额的成本以外，GPU 并不能在大模型推理端发挥极致的效用，也就因此导致部分 " 算力空转 " 的问题。对于利润极度敏感的下游内容商而言，推理算力成本直接决定了项目的生死。
此外，首帧时延与端到端生成效率也是影响用户体验和付费意愿的关键因素。过去生成一段视频动辄数分钟的等待体验，对用户的即时交互意愿不友好。因此，大模型推理端对下一代芯片及算力集群的要求集中在，极致的每单位 TCO 成本，以及能够支撑即时互动的低时延吞吐。这正是凌川提前布局的核心战场。
硬氪：通用 GPU 与专用 ASIC 的行业趋势会发生怎样的变化？
张文静： 半导体产业演进史上有一个经典规律—— " 牧本浪潮 "（Makimoto's Wave），即通用化与专用化大致以十年为周期交替主导。
过去十年是通用芯片的周期，当通用算力效率遇到瓶颈，产业会转向专用路线来追求极致的能效。大模型进入落地期后，场景是驱动算力革新的第一动力。通过对视频推理关键算子与访存机制的深度定制，专用芯片能带来数量级的效能提升并大幅优化 TCO。凌川坚定的正是这条以专用效能驱动产业普及的落地路线。
首页图源｜企业供图
欢迎交流
