允中 发自 凹非寺，量子位 | 公众号QbitAI

墨芯人工智能（下称“墨芯”）近日拿下了近10亿元人民币的C+轮融资。

这距离它上一轮近10亿元融资只隔了5个月。短时间内连着完成两轮，说明资本市场看好这家公司在专用稀疏推理芯片上的技术门槛和商业化推进。

技术积累加上产品已经落地，先发优势摆在那里，商业化又在全面提速，墨芯因此率先站到了推理算力需求集中释放的窗口上，稀疏专用推理芯片的代差优势也更加明显。

押注稀疏计算，走一条不一样的芯片路线

大模型的技术架构还在往前演进，稀疏计算也因此从一种辅助性的优化手段，逐渐走到AI算力设计的核心位置。

混合专家（MoE）架构用得越来越多，大模型推理就表现出明显的条件计算特征；权重和激活里的稀疏结构，同样给削减冗余计算留出了空间。

DeepSeek-V4-Pro就是个例子：总参数约1.6万亿，可处理每个词元时只激活约490亿参数，差不多占总参数量的3%。

模型层面省下来的计算，怎么变成推理效率的实际提升和成本的下降？这已经是AI算力发展绕不开的关键问题。

要把这类负载处理得高效，选什么芯片架构是个关键变量。

通用GPU得同时应付训练、推理、科学计算等好几类负载，很难针对某一种稀疏模式去做算法与硬件的深度协同优化。

专用芯片面向稀疏推理，可以在算法、编译器与硬件上协同设计，把无效计算和数据搬运的开销压下来。这种架构差异值多少钱，产业界正在重新算这笔账。

墨芯深耕的正是这个方向。公司2018年成立，一直专注稀疏计算，发明了“权重稀疏化+激活稀疏化”双稀疏算法，并在此基础上逐步搭起“算法-软件-硬件”协同设计的技术体系。

这套技术体系要变成成熟的芯片产品，得有过得硬的全栈工程能力，把算法、编译器、芯片架构与软件工具链打通。

墨芯创始团队成员来自

靠这套工程能力，墨芯产品的效能表现已经在国际权威基准测试里得到验证。

MLPerf™ Inference测试中，S30计算卡在所参与的部分测试类别里连续三届拿下第一；在计算机视觉、自然语言处理等主流任务上，它的能效比和单位算力推理吞吐量保持行业领先。专用稀疏推理方案在真实数据中心负载下能不能跑通，由此得到验证。

多场景落地、生态共建，稀疏计算进入新阶段

规模化部署，进一步稳住了墨芯在稀疏推理芯片领域的位置。

墨芯用自研芯片搭起的推理集群，已经在西北、西南、华东、华北四大片区战略性铺开。商业化也由此全面提速：

2026年第三季度营收实现数倍增长，稀疏算力正深度融入我国算力体系建设，服务智能产业发展。

具体来看，在助力新型算力基础设施建设方面，墨芯参与了上海国资平台公司打造的国内首个海上算力Token工厂项目。

这个项目靠海上风电绿电和海水冷却压低PUE与电费成本，可通用GPU的推理成本仍可能把绿电带来的降本红利抵消掉。针对这一痛点，墨芯用稀疏架构的优势，结合算力混合异构模式，从芯片侧降低单Token推理成本，让“绿电降本”和“算力架构降本”叠在一起。

在时空AI与时空大数据的前沿方向上，墨芯把稀疏算力做成了高性价比的算力底座，用来支撑时空大数据智能计算等应用。

墨芯还与北京大学上海临港国际科技创新中心地球与空间技术研究院联手，依托自研的稀疏化技术，让两款国际主流遥感影像智能分析基础模型在墨芯算力卡上完成了适配与实测。

实测结果颇为直接：业务精度几乎不受影响，下游任务也不用重新训练，推理吞吐最高提升2.88倍，模型压缩最高达7.64倍。

换句话说，模型层面省下来的计算，经由软硬件协同变成了实打实的处理效率。大规模遥感影像解译因此能用更少的算力、更短的时间跑完。稀疏算力能不能承接地理空间基础模型的推理，这次也拿到了工程层面的验证。

真实业务需求不断融进芯片设计与软件研发，墨芯便把技术积累和规模化部署经验转成持续的迭代能力，稀疏专用推理芯片也由此从“可用”走向“好用”。

产品上，新一代板卡SP200会在年底前正式问世。生态适配上，升级版软件栈SECA（Sparse-native Efficient Computing Architecture）稀疏原生高效计算架构也即将发布，对大模型推理部署和集群运维的支持会更强，模型迁移与部署的门槛进一步降低。

技术优势还被墨芯延伸到生态一侧，以抬升自己在稀疏计算领域的分量。今年8月，墨芯发起成立“稀疏计算产学研联盟”，盯住前沿研究、关键技术突破与成果转化，把自身的技术积累和产业实践变成行业协同创新的底子，推动稀疏计算技术往前走。

大模型的竞争，重心正从“算得更多”挪向“算得更聪明”。模型规模一路扩张，算力成本与能耗的约束越来越紧，行业的核心命题也就变了：

怎样用更少的计算，承载更多的智能。稀疏计算，正是对这个问题的一种直接回应。

墨芯的价值也在这里：它为中国AI芯片参与下一阶段的竞争，给出了一条不一样的技术路径。

*本文系量子位获授权刊载，观点仅为原作者所有。