中国工业报  王珊珊

“定点多不等于订单多，真正的瓶颈是把产品做稳、做便宜、做可复制。”在资金密集涌入存算一体赛道的当下，中国企业联合会资委会委员、高级经济师董鹏对中国工业报提示的这句话，宛如一剂清醒剂。

近日，后摩智能宣布完成数十亿元人民币B轮融资，投资方涵盖了上下游产业资本、国有资本及国际投资人。本轮资金将用于扩大M50芯片的规模化交付，推进新一代M6X及下一代3D存算一体产品研发，并完善软件工具链与产业生态。与此同时，工商信息显示，今年4月，后摩智能已完成股份制改造，企业名称变更为“后摩智能科技股份有限公司”，其冲刺资本市场的意图呼之欲出。

不仅是后摩智能，整个存算一体赛道都在经历一场资本狂欢。10月28日，杭州微纳核芯电子科技有限公司（以下简称“微纳核芯”）宣布完成超10亿元C2轮融资，两个月内累计融资超20亿元；10月22日，深圳市九天睿芯科技有限公司（以下简称“九天睿芯”）披露半年内累计完成10亿元融资，美团战投、小鹏汽车旗下星航资本等赫然在列。

资本密集下注的背后，是AI大模型从训练走向推理，尤其是智能体（Agent）频繁调用工具、多轮迭代、长上下文处理带来的算力需求结构性变化。正如中国信通院工程师何适在5月9日中国信通院在雄安新区组织召开的“AI推理工作组专题研讨会”上指出，“智能体推理已演变为涵盖状态数据管理、多次迭代、多模态协同、工具链调用等特征的全新计算负载。AI基础设施的优化重心需要从单纯的算力密度提升扩展至算力、存力、网络与资源调度的系统级协同。”同场会议中，算苗科技首席科学家楼建光也直言：“内存带宽与容量以及数据搬运开销正成为影响推理性能与能耗的关键因素”。

然而，当潮水般的资金涌入，宣称的能效优势究竟能在多大程度上转化为真实的商业壁垒？值得探究。

能效绝对优势尚不显著

“存算一体在本地大模型推理中的能效优势核心在于，它通过让数据在存储阵列内部直接完成计算，大幅减少了传统冯·诺依曼架构中数据搬运的开销。”上海交通大学上海高级金融学院青年研究员石少卿对中国工业报指出。但在常信科技CEO葛林波看来，“现在行业里大家都在拼芯片MAC（纯算乘法）的极限速度，但实际用起来，真正卡脖子的根本不是算得快不快，而是遇到那些杂散算子（零碎杂乱的特定任务），以及处理超长对话时，内存瞬间被海量记忆数据撑爆的窘境。”他对中国工业报表示，“模数转换、控制逻辑会吃掉大部分纸面能效增益，上下文长度跳变越大，存算一体优势越被稀释。”

华中伟业建设集团有限公司国际公司总经理胡双对中国工业报表示，“实验室吹嘘的‘1瓦算数百万亿次’（专业指标叫TOPS/W，即吃1瓦电能干多少活），其实只算了核心干活的电，没算把模拟信号翻译成0和1（ADC模数转换器这个‘翻译官’极其耗电）以及传输的附加电费。算总账的话，实测在INT8（AI常用的低精度8位整数格式）下只有1~10TOPS/W，但仍比老款的28nmGPU（传统架构芯片）省电十几倍。它省电全靠‘权重零搬运’（数据待在原地不动就能算，省下搬运费）。”

这种优势并非绝对碾压竞品。比如近存计算擅长高带宽规整数据流；HBM（高带宽内存）适合云端超大吞吐量；传统NPU（嵌入式神经网络处理器）通用算子成熟。胡双认为，存算一体的不可替代性只有在三个条件同时满足时才成立：模型权重是推理主要访存对象且可固化；设备功耗预算在10W以下硬约束；场景对首字延迟或离线可用性极度敏感。“在数据中心训练或大规模云端推理中，存算一体在可预见的未来不具备替代HBM栈的理由。”胡双强调。正如董鹏所言，它替代的不是所有计算，而是“搬不动、等不起、换不了”的那一段。

从150个定点到持续复购

支撑后摩智能数十亿融资叙事的，是其M50芯片的商业化进展。

后摩智能成立于2020年，创始人吴强拥有普林斯顿大学计算机科学博士学位，曾任职于英特尔、AMD、Facebook，并担任地平线CTO。公司早期围绕智能驾驶、机器人等场景布局AI推理芯片，随着大模型应用发展，进一步拓展电脑、智能终端和边缘计算市场。成立以来，公司已吸引红杉中国、经纬创投、启明创投等机构参与早期融资，联想创投从天使轮起多次投资；此后，诚通混改基金、中国移动旗下基金等相继进入，资金来源逐渐覆盖市场化创投、国资及下游产业资本。

2025年7月发布的M50，是后摩智能当前商业化的重点。这款面向本地大模型推理、纸面算力160TOPS、功耗10W的芯片，可用于具备智能体功能的电脑、智能终端、机器人及边缘推理设备。截至2026年8月底，M50已获得150多个产品定点（“定点”即配套资格），服务客户超过百家。联想开天P7采用了该芯片，中国移动也与其合作推出了全光网络智能终端。

但“定点”仅仅是拿到了入场券。葛林波直言：“定点只代表硬件指标达标，量产要把零散定制转化为标准化方案。功耗成本决定客户愿不愿意尝试定点，但软件生态才决定客户敢不敢批量下单复购。”

后摩智能显然意识到了这一点。在量产初期，公司便选择将整条AI软件栈（模型量化编译、推理框架与算子库、领域套件等）全栈开源，到2027年1月分三批将放出15个项目。胡双认为：“一家芯片公司在量产初期就选择把软件栈整个交出来，就说明客户侧最大的摩擦不是芯片跑不跑得动模型，而是跑通一个模型要花多少工程人力。”150多个定点积累的“工程经验”，反过来说就是150多次适配摩擦的沉淀。

石少卿同样认为，软件工具链和生态支持已成为比基础功耗成本更决定客户留存的关键变量。在端侧场景高度碎片化、良率与一致性要求严苛的背景下，能否提供一套成熟易用的软件生态缩短上市周期，是构建长期壁垒的核心。“软件工具链决定客户愿不愿意留，良率和交付决定客户是不是可持续。”胡双表示。

资本分化与估值重塑

在密集融资背后，国资与产业资本的深度介入正在改变赛道生态。葛林波指出，表面融资火热不算真正过热，过热隐患来自用实验室指标替代量产标准做估值依据。国资看重产业链落地，产业资本追求产品落地回报。国资会托举长周期验证，容忍早期良率迭代，加速流片测试资源供给。

“融资过热不是全赛道泡沫，而是部分估值跑在量产前面。”董鹏表示，资本堆积会催生同质化项目、抬高早期估值、用关系订单掩盖真实良率和复购不足。未来估值会分化：有量产订单、稳定良率、真实省电效果的头部标的更贵，尾部更难融。

在退出路径上，行业的共识正在发生偏移。随着科创板对芯片公司的审视从“技术先进性”进入“持续经营能力”层面，IPO不再是唯一出口。胡双指出，如果一家公司长期依赖国资和产业资本轮次续命、无法在市场化客户中形成复购，退出路径会从“IPO”退化为“并购/整合”，估值逻辑也随之从成长股切换为资产项。葛林波也持类似观点，认为IPO不再是唯一出口，产业并购退出占比将抬升，技术能力差、无落地项目的企业会加速出清。

对于后摩智能及所有赛道内的玩家而言，数十亿融资只是续命的燃料。正如董鹏所总结的，判断是否过热只看三个硬指标：客户复购、量产良率、真实省电。缺一个，则有可能是虚火。

针对以上，中国工业报致函后摩智能，截至发稿，对方并未回复。