发布时间:2026-11-12 04:01 更新时间:2026-11-12 04:01 阅读量:0
11月初的国内AI融资消息里,视频大模型抢走了大部分注意力,但有一笔金额不算最大的融资值得单独看一下:寒序科技完成数亿元Pre-A+轮融资,方向是MRAM(磁性随机存储器)与面向端侧、边缘AI推理的uLPU处理器。据了解,本轮引入了头部国产GPU公司和头部机器人公司作为产业股东,具体投资方名单与金额以官方公告为准。
这条消息之所以值得站长和运维群体留意,是因为它不属于“再训一个更大的模型”,而是冲着推理侧的内存与能耗瓶颈去的——这恰好是很多边缘部署场景真正卡住的地方。
常规的AI推理芯片大多围绕SRAM和DRAM做设计。SRAM速度快但面积贵、容量小;DRAM容量大、成本低,但访问延迟和静态功耗偏高。端侧设备往往同时受限于功耗、散热和板卡面积,很难照搬数据中心那一套内存层级。
MRAM属于非易失性存储,断电后数据不丢,读写速度接近SRAM,同时具备较高的耐久性和较低的静态功耗。把它放到推理处理器里,理论上可以减少权重反复搬移带来的能耗开销,对长期低负载运行的边缘设备比较友好。寒序科技把这套组合称为uLPU推理处理器,定位就是端侧与边缘AI推理,而不是训练集群。
需要说明的是,这类架构能否在真实业务里兑现能效优势,取决于工艺成熟度、编译器与算子库的支持程度,以及实际模型的结构匹配度。目前公开信息有限,具体性能指标应以厂商官方发布和第三方实测为准。
这轮融资里出现国产GPU公司与机器人公司两类产业方,是个有意思的信号。GPU厂商关注的是产品线互补——端侧推理和数据中心训练本来就是两套不同的负载;机器人厂商关注的则是落地场景,具身智能设备对功耗、实时性和断电容错都有比较硬的要求。
放到更大的背景下看,今年国内AI芯片的讨论重心正在从“训练够不够用”往“推理贵不贵”移动。素材显示,2026年推理需求预计为训练的4至5倍,需求结构变化会直接带动端侧与边缘侧专用芯片的投入。寒序科技这类公司选择在存储介质层面做差异化,而不是在算力峰值上和大厂正面比数字,是一条相对务实的路径。
短期看,MRAM推理芯片不会改变你机房里那台GPU服务器的采购清单。但如果你在做边缘节点、门店一体机、工业网关或者带AI能力的嵌入式设备,未来一两年可能会在方案选型里遇到这类低功耗推理芯片。届时需要重点核对的不是峰值算力,而是三件事:模型转换工具链是否完整、常用算子是否全覆盖、断链后的降级策略是否可配。
下面这段命令只是用来快速确认边缘设备上的内存与功耗相关基础信息,方便做选型前的环境摸底,与具体芯片型号无关:
# 查看内存与交换分区使用情况
free -h
查看CPU型号与核心数(ARM设备同样适用)
lscpu | grep -E 'Model name|Architecture|CPU\(s\)'
查看当前功耗与温度相关传感器(需内核支持)
sensors 2>/dev/null || echo "sensors 未安装,可先安装 lm-sensors"另外提醒一句,涉及端侧AI部署的项目,建议在合同和方案里把模型更新方式、算力上限和功耗预算写清楚,避免后期因为固件升级导致整机功耗超标。具体到寒序科技的产品形态、量产节奏和合作方式,目前公开信息不多,建议以其官方渠道披露为准,不要依据二手转述做采购决策。
| 📑 | 📅 |
|---|---|
| 幂级智能获数亿元第三轮融资,押注物理AI基础模型 | 2026-11-12 |
| 美团LongCat-2.5开源:1.6万亿参数、百万上下文 | 2026-11-12 |
| 文心5.0与星火X1.5相继发布,大模型竞赛转向全模态与效率 | 2026-11-12 |
| 国产AI应用转向会做事:灵光、千问等入口争夺升温 | 2026-11-12 |
| 国产AI芯片份额破四成,算力网进入国家基建序列 | 2026-11-12 |
| 工信部数据:全国智能算力规模达2592 EFLOPS | 2026-11-12 |
| 可灵AI约198亿元增资落地,视频大模型烧钱与估值并存 | 2026-11-12 |
| 美团开源LongCat-2.5:1.6万亿参数适配国产算力 | 2026-11-13 |
| 11月AI融资双线升温:视频大模型与物理AI受关注 | 2026-11-13 |
| 百度世界2026:文心5.5预览版与两款应用模型上线千帆 | 2026-11-13 |