獨家丨華為22年老兵從AI終局倒推LPU，元川微完成新一輪數(shù)億元融資

早在Groq LPU因為英偉達(dá)的押注而名聲大噪前，元川微創(chuàng)始人兼CEO楊濱就已經(jīng)開始了對推理芯片的構(gòu)想。

雷峰網(wǎng)獨家獲悉，LPU創(chuàng)業(yè)公司元川微已完成Pre-A輪數(shù)億元融資。本輪融資由IDG資本領(lǐng)投，孚騰資本、九坤創(chuàng)投、尚頎資本、順禧基金、徐匯科創(chuàng)投聯(lián)合投資。

據(jù)了解，這也是元川微2026年以來完成的第四輪融資。

元川微透露，本輪融資資金將主要用于LPU+芯片研發(fā)、軟件生態(tài)建設(shè)及產(chǎn)品工程化推進。目前，元川微正與多家產(chǎn)業(yè)客戶及云廠商開展產(chǎn)品驗證與合作。

元川微表示，公司下一輪融資已有序展開。

公開資料顯示，元川微成立于2025年9月，今年4月完成的數(shù)億元天使輪系列融資，就已獲得頭部VC、政府基金及產(chǎn)業(yè)鏈的聯(lián)合支持，投資陣容覆蓋從流片制造到終端應(yīng)用的關(guān)鍵環(huán)節(jié)。

資本的持續(xù)加碼，反映了推理時代的新一輪芯片競爭，正從GPU延伸至推理專用架構(gòu)。押注這一方向的元川微，如果只看其芯片形態(tài)一一時空編譯器、硬流水架構(gòu)、大帶寬存儲，確實像一家“中國版Groq”。

但楊濱并不認(rèn)同這種簡單對應(yīng)：“如果我們的目標(biāo)只是模仿LPU，那么能拓展的空間實際上并不多?！?/span>

在他看來，選擇何種芯片技術(shù)，只是在完成市場判斷后自然推導(dǎo)而出的結(jié)果，并非創(chuàng)業(yè)的起點。

這種思考方式與楊濱在華為過去二十多年的經(jīng)歷密切相關(guān)——他曾赴美從零組建華為處理器團隊，回國后負(fù)責(zé)華為無線基帶算法與芯片相關(guān)業(yè)務(wù)，長期主導(dǎo)大規(guī)模硬件調(diào)度、數(shù)據(jù)架構(gòu)研發(fā)等任務(wù)。

“創(chuàng)業(yè)其實是你過去積累的所有資源的兌現(xiàn)?！睏顬I總結(jié)。而這不僅指向?qū)Ξa(chǎn)業(yè)的理解、沉淀下來的技術(shù)能力，還包括積攢的口碑和資源組織能力等。

核心成員過去幾十年積累下來的技術(shù)能力、產(chǎn)業(yè)經(jīng)驗和人才資源，也構(gòu)成了元川微創(chuàng)業(yè)的底座。CTO孫博士對GPGPU、GPU、DSP等高性能計算架構(gòu)的鉆研超過三十年，首席軟件工程師Will博士擁有20多年編譯器、EDA和異構(gòu)系統(tǒng)軟件經(jīng)驗。

相比起討論“國產(chǎn)替代”“性價比”等熱門議題，這支由行業(yè)老兵組成的新公司更關(guān)注的是——當(dāng)AI進入Agent時代，推理計算究竟應(yīng)該圍繞什么來重新組織。

2025年上半年，當(dāng)楊濱和CTO在討論AI芯片賽道還有哪些創(chuàng)業(yè)機會時，他們就已經(jīng)意識到相比模型的能力，模型真正落地后才會產(chǎn)生價值。

彼時，Deepseek R1憑借遠(yuǎn)低于行業(yè)預(yù)期的成本，訓(xùn)練出接近當(dāng)時頂級模型的性能，加速AI應(yīng)用走向低成本部署；Manus剛剛打開通用Agent的想象空間；黃仁勛首次將推理和Agent作為GTC大會的核心敘事，并推出面向推理時代的整體解決方案。

隨著推理的市場需求不斷釋放，楊濱將目光投向Vibe coding等生產(chǎn)力應(yīng)用?！熬拖窦彝拸?00兆升級到1G，收費并不呈線性增長?！痹诋a(chǎn)業(yè)界摸爬滾打多年的他熟悉此類場景的商業(yè)邏輯——客戶愿意為效率支付更高的溢價。

“主打性價比肯定有市場空間，但會被壓縮得很快。”因此，他們首先要做的不是幫客戶節(jié)省成本，而是創(chuàng)造更高的價值?！爸蛔鐾评砬抑蛔鲎羁斓耐评怼遍_始成為楊濱所信奉的法則。

2025年底一份百萬億Token實證研究顯示，推理模型已處理OpenRouter平臺約一半的Token，而Agentic AI推理正成為增長最快的交互方式。這意味著低時延和高穩(wěn)定性的價值正在被進一步放大。

楊濱指出，Agent完成一項任務(wù)往往需要經(jīng)歷任務(wù)規(guī)劃、工具調(diào)用、結(jié)果驗證等多個環(huán)節(jié)，在這背后可能對應(yīng)幾十次甚至上百次推理。而任何一次推理產(chǎn)生的延遲，都會沿著任務(wù)鏈不斷累積。

如果進一步發(fā)展為多個Agent協(xié)同，單Agent的響應(yīng)變慢，還可能會像蝴蝶效應(yīng)一樣在整個系統(tǒng)中層層傳導(dǎo)，最終拖慢任務(wù)執(zhí)行。

除此之外，楊濱還注意到人與Agent交互中對高穩(wěn)定的追求：人與人交流時的停頓本身暗含思考、組織語言等語義；但當(dāng)Agent輸出Token的節(jié)奏忽快忽慢時，用戶感受到的反而是一種機械感。

當(dāng)Agent時代的需求被一步步明確，重新思考推理芯片的設(shè)計便成為自然而然的選擇。在楊濱看來，傳統(tǒng)GPU建立在馮·諾依曼架構(gòu)之上，并不完美匹配當(dāng)下的計算模式；而完全ASIC化雖然能夠獲得極致性能，卻又難以適應(yīng)模型快速演進帶來的變化。

因此，新的架構(gòu)需要重新思考哪些能力可以硬化，哪些能力需要保持靈活，最大化算力、存力與運力的系統(tǒng)方案綜合效率。沿著這一思路，楊濱及其團隊最終確定了LPU的技術(shù)路線。

楊濱并不認(rèn)為元川微是在復(fù)制Groq。

他直言兩家公司雖然都關(guān)注低延遲、可預(yù)測的推理，但誕生于CNN時代的Groq LPU當(dāng)時面臨的模型架構(gòu)和應(yīng)用需求都與今天并不相同。

盡管Groq后來將產(chǎn)品名稱從TSP（Tensor Streaming Processor，張量處理器）改為LPU（Language Processing Unit，語言處理單元），在他看來這并不意味著LPU只能處理語言模型。

同樣采用這一命名的元川微，將其架構(gòu)命名為LPU+，從設(shè)計之初便支持多模態(tài)模型。此外，作為Transformer時代的原生架構(gòu)，LPU+還針對MoE（Mixture of Experts，混合專家）模型的動態(tài)調(diào)度特征進行優(yōu)化。

但這并不意味著Groq過去的技術(shù)積累沒有含金量?！癎roq真正值得借鑒的是其一直堅持的硬流水架構(gòu)?！睋?jù)楊濱的觀察，這在一定程度上避免了芯片運行過程中的資源競爭和不必要的數(shù)據(jù)等待，也為采用大容量SRAM創(chuàng)造了條件。

不過，要將這套架構(gòu)與存儲介質(zhì)的協(xié)同優(yōu)勢真正發(fā)揮出來，還有賴于編譯器的提前規(guī)劃。

楊濱將這一過程形容為制定高鐵運行圖：每一趟列車何時發(fā)車、何時停靠、停留多久，都已經(jīng)提前安排妥當(dāng)。直到真正運行時，高鐵只需按照既定路線執(zhí)行任務(wù)即可。

也正因為此，楊濱強調(diào)LPU的時空編譯器、硬流水架構(gòu)、大帶寬存儲這三大核心很難區(qū)分誰的優(yōu)先級更高，前兩者決定了芯片的理論性能，而時空編譯器則關(guān)系到這些能力在實際運行中能夠兌現(xiàn)多少。

這些技術(shù)最終指向的，并不是一顆單獨的推理芯片。

楊濱告訴雷峰網(wǎng)(公眾號：雷峰網(wǎng))，基于硬流水架構(gòu)，元川微無需針對不同算力等級重新設(shè)計芯片，而是可以根據(jù)云邊端不同場景靈活擴展算力規(guī)模。

在剛剛落幕的2026世界人工智能大會上，這套技術(shù)路線首次以Agentic AI Token工廠的形式對外亮相，為企業(yè)級推理服務(wù)提供底層算力支撐。

這只是藍(lán)圖落地的第一步。在華為二十多年的經(jīng)歷中，楊濱最大的收獲并非某項具體技術(shù)，而是一套從產(chǎn)業(yè)價值、商業(yè)閉環(huán)一路推導(dǎo)至技術(shù)選擇的系統(tǒng)工程思維。

元川微成立至今的每一步，都在驗證這一思維的有效性。而它也將繼續(xù)指引這家創(chuàng)企尋找下一階段的答案。

關(guān)于LPU等新架構(gòu)芯片以及推理時代產(chǎn)業(yè)競爭的更多觀察，歡迎添加作者微信 Evelynn7778 交流。