硬氪首发丨快手系AI芯片公司凌川科技完成10亿元B轮融资，3D芯片已回片，明年规模出货

人工智能芯片公司「凌川科技」近日完成10亿元B轮融资。硬氪获悉，这笔钱将主要投向下一代芯片的研发与量产，以及全球市场的开拓。

领投方为亦庄国投屹唐盛和基金、启明创投、朝晖资本三家联合出手。跟投方名单里有国泰海通开元、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、铭时资本等机构，产业投资方石溪资本、龙芯创投、安徽文旅投也在其中。老股东顺禧基金、水木投资集团、九智资本则继续追加。

「凌川科技」的前身是快手集团的异构计算与芯片事业部，由北京市人工智能基金与快手集团共同发起设立。公司主攻方向是智能视频、生成式视频等多模态大模型的底层算力。

创始人、董事长兼CEO刘凌志是上海交通大学博士、华盛顿大学博士后，曾在华为、英特尔等公司担任核心技术管理岗，也做过快手集团副总裁。2018年起，他从零到一搭建了快手的异构计算和芯片团队。团队在快手内部自研出SL200芯片智能视频SoC芯片，2024年3月正式拆分独立运营。

2017年《Attention Is All You Need》发表，NVIDIA推出首款集成Tensor Core的Volta V100，从那时起，以通用GPU为代表的AI算力芯片走过了黄金十年。

产业从2027年起将进入新一轮牧本浪潮（Makimoto's Wave）周期。面向AIGV（AI Generated Video）等垂直赛道的专用算力器件，会迎来创新机遇与增长空间最大的阶段。

短视频是中国在全球有明显领先优势的垂直赛道，跑出了快手、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也在持续迭代。

短剧、互动视频、AI广告等应用爆发之后，视频数据的处理和传输需求急剧增长，底层算力在效率、功耗和成本上被提出了更高要求。

AIGV由此被视作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。”

问题是，传统通用GPU在视频处理任务上效率瓶颈明显，Token和运营成本因此居高不下。

国内视频生成大模型又在快速演进，算力消耗进一步放大。算力供给成了根本性问题，国产专用芯片的需求愈发迫切，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」把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。该架构采用数据流驱动与空间计算架构，存储与调度由编译器完全控制，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。

硬氪获悉，多芯片模组（MCM）设计是该公司自研3D近存架构的基础，再借助混合键合（Hybrid Bonding）与先进封装工艺，把制程不同、功能各异的芯片集成到一起。

团队方面称，「凌川科技」这颗芯片走的是全国产3D堆叠路线，4月已经流片，近日回片，明年计划规模出货。它瞄准的是AI视频生产环节，想把这部分成本和耗时都压下来，并与SL系列一起，把视频生产、推荐、审核、分发整条链路都覆盖住。

「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 Jalapeño（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。

软件层同样有动作。「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。

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，客户无需自建生态；

另外，性能关键代码要做极致优化，可以调用开放的底层Intrinsic接口；那些手里攒了大量CUDA代码、又不愿意重构的客户，则有CUDA兼容层做深度优化。

目前，该平台已完成对Qwen、通义万相、Hunyuan Video、还有MiniMax这些主流开源模型和视频生成模型，也都做了适配和优化。

「凌川科技」靠的是“芯片加软件栈”的全栈本事，还推出了AIGV平台Nebula。这个平台以自研芯片打底，把推理、模型服务到行业应用串起来，文生视频、图生视频全链路都覆盖，软硬件配合着来，多个模型统一纳管，面向内容制作和文旅场景落地。

一边布下一代架构，一边现有产品已经卖开了。SL200芯片眼下卖了近十万颗，进了快手、阿里云、百度云、B站等互联网公司，快手99.7%的直播转码业务都跑在它上面。

2026年，SL200还会跟电信等伙伴一起把产品铺出去，共同服务数据中心、智慧安防、文娱交通这些场景，帮客户省存储空间的同时保住画质，相关技术指标的测试都已经过了。

人这块，「凌川科技」核心团队来自快手、华为、阿里、百度、英伟达、AMD、英特尔、Arm等国内外公司，平均15年以上芯片设计、软件算法及基础设施经验，主导过10余款AI和视频芯片的流片与量产。

团队里有多位专家入选国家级高层次人才计划，也有人入选北京市、上海市、湖北省等省部级人才计划，还有好几位产业化经验丰富的行业带头人。

投资方观点

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谈到，北京经开区有一家产业赋能型投资平台，就是亦庄国投，这次投凌川科技，最看重的是对方稀缺的规模化落地能力、自主架构创新，还有确定性算力底座对大模型时代生态位的支撑，同时项目落在经开区，对完善智能算力产业链有很强的牵引作用。他补充说，亦庄国投会以耐心资本陪跑，帮凌川从规模化量产一路走到全球竞争。

启明创投主管合伙人周志峰表示，眼下生成式视频和大模型算力需求都在指数级增长，凌川走的是另一条路：用“延迟确定性”架构切入，深度融入RISC-V生态，靠专用芯片去解通用GPU在多模态大模型场景里效率不高、成本高企的难题。周志峰说，这种“硬件为基础、软件定义”的打法，正好对上启明对AI基础设施“效能优先”的判断。他还提到，团队身上既有华为与英特尔的芯片基因，也有快手的大规模系统能力，在智能算力这个细分赛道里，有机会跑出“本垒打”级机会。

石溪资本：石溪资本长期盯着半导体与新兴科技赛道，凌川科技是其在云端专用大算力基础设施上的重要一子。视频生成如今已从前沿尝鲜变成云端算力涨得最快的核心负载，通用算力的能效上限慢慢跟不上视频大模型的需求爆发。这家公司的团队和产业伙伴常年扎在视频生成处理领域，对大盘负载和业内新应用趋势摸得透，有机会长成这条赛道的核心玩家。石溪资本会跟企业一起往前走，一起看算力产业的下一个增长周期。

老股东顺禧基金：凌川科技2024年从快手集团分拆出来，盯的是多模态大模型推理这块高增长的蓝海，是国内多模态大模型推理专用芯片的领军企业。靠创新技术架构，公司有望把芯片单位推理成本压下来一大截，商业侧还跟快手、可灵等深度绑在一起。顺禧基金是公司首轮投资方，之后连续多轮追加，一直看好团队的技术底子和商业化前景。

下面是硬氪跟凌川科技COO张文静的对话

硬氪：今年视频行业变动不少，Sora也在变，这对算力提了什么新要求？你们的产品策略跟着改了吗？

张文静：公司的技术路线一直跟视频场景绑得很紧。今年行业迭代这么快，说到底说明视频生成正从早期的“技术秀场”整体转向“商业闭环”，技术能不能兑现，得看业务ROI说话。这对凌川是明摆着的好事，路线没被动摇，反倒狠狠印证了我们早先对产品定义的判断。

比如OpenAI今年在Sora上的战略调整，就说明“不计成本堆通用算力”这套在商业上撑不住，也说明场景和受众规模有多要紧。视频生成的核心痛点是推理算力成本太高，单位产出ROI难转正，业务做得越多亏得越多，说白了是沉重的TCO压力反过来咬了商业扩张一口。国内模型在性价比和工程化上追得快，也让这个趋势显得更早。

换个角度看，这事指出了一个不可逆的共识：大模型正走进应用深水区，厂商得不惜代价把全周期TCO降下来。模型是产业链上的工具，必须落到具体商业场景里挣出正向现金流。就冲这个，凌川认准了“工程化兑现加商业化降本”，不单比技术和指标谁领先，更看重真能落地的本事，专啃推理端成本这个产业瓶颈。

硬氪：视频领域眼下最先跑通商业闭环的是哪些场景？

张文静：AI漫剧、AI短剧、AI互动视频、AI广告这些垂直内容形态，是目前已经验证清楚、付费闭环稳定的场景。不光流量变现的路子清楚，内容生成流程里AI的渗透率还随着成本下降在指数级往上走。

从底层架构看，服务规模冲到亿级用户时，还拿动辄数万美元的通用GPU扛即时推理，商业上就是结构性失衡。成本高之外，GPU在大模型推理端也发挥不出极致效用，于是就有了部分“算力空转”。对利润极度敏感的下游内容商来说，推理算力成本直接决定项目生死。

另外，首帧时延和端到端生成效率也牵着用户体验和付费意愿。过去生成一段视频动不动等上好几分钟，用户即时交互的意愿很难提起来。所以大模型推理端对下一代芯片和算力集群的要求，就集中在极致的每单位TCO成本，以及撑得住即时互动的低时延吞吐上。这正是凌川提前押注的核心战场。

硬氪：通用GPU和专用ASIC的行业走势会怎么变？

张文静：半导体产业演进史上有个经典规律叫“牧本浪潮”（Makimoto's Wave），通用化和专用化大致十年一个周期，轮流当主角。

过去十年是通用芯片的周期，等通用算力效率撞上瓶颈，产业就会转去专用路线追极致能效。大模型进入落地期后，场景成了驱动算力革新的第一动力。针对视频推理的关键算子和访存机制做深度定制，专用芯片能带来数量级的效能提升，TCO也大幅优化。凌川认准的就是这条用专用效能带动产业普及的落地路线。

首页图源｜企业供图

欢迎交流