数亿元 Pre-A+ 融资：头部 GPU 与机器人公司一起投 MRAM 推理芯片团队

据光源资本消息，寒序科技已完成数亿元 Pre-A+ 轮融资。本轮除财务投资人外，还引入了头部国产 GPU 公司和头部机器人公司。这类产业股东进入，意味着寒序科技后续可能更早进入产品验证、联合测试和商业化落地阶段。

寒序科技成立于 2023 年，核心团队来自北京大学应用磁学中心，主要围绕 MRAM 研发推理处理器，面向端侧和边缘 AI 推理场景。

| 它想解决什么问题？

大模型推理有一个现实瓶颈：模型部署后，权重基本不变，但每生成一个 Token，系统都要重新读取大量权重。用户感知到的“回答变快或变慢”，背后往往不只是算力强弱，更取决于存储和计算之间的数据搬运效率。搬运本身不产生计算价值，却会消耗功耗、增加延迟。

传统方案各有取舍。DRAM 容量大，但需要周期性刷新，带来额外功耗；SRAM 速度快、无需刷新，但单元面积大，做大容量时芯片面积和成本压力明显。寒序科技选择的是 MRAM 路线：它用磁性状态保存数据，断电不丢失，不需要刷新，单元尺寸也有比 SRAM 更小的潜力。把模型权重放在更靠近计算单元的位置，减少反复搬运，这就是其提出的“权重驻留计算”。

在推理场景中，权重通常只读不写，这与 MRAM 的非易失、高带宽读取特性比较匹配。

| 难点在材料层，也在工程化

寒序科技的特点在于，它不是单纯从芯片架构出发去找存储方案，而是从材料、器件层往上搭。团队长期做凝聚态物理、磁学和自旋电子学，关注的是磁性材料如何稳定读写、器件如何实现低功耗，以及器件如何与推理架构配合。

这种从底层材料到芯片架构的跨层能力，在芯片创业中不算常见。多数团队通常更擅长其中一环，其余环节依赖合作。寒序把最难的材料和器件环节握在自己手里，路径更长，但底层参数也更可控。

目前，寒序科技已完成多颗验证芯片流片，部分回片测试。其验证芯片已完成第三方检测、端到端模型推理验证，并实现连续 24 小时稳定运行。

| FPGA 先行，ASIC 跟进

寒序科技的产品规划分四层推进：底层是 SpinPU-M01，基于 FPGA 的芯片和加速卡，现阶段主要用于验证，也可供早期客户试用；再往上是 SpinPU-M02，也就是真正的 ASIC 芯片，仍在推进流片和工程化，是后续能否规模量产的关键；在此基础上，公司还规划了 SpinPU 与 CPU 组合的异构服务器，以整机形式交付；最上层则是云计算服务，客户无需采购硬件，可直接按用量调用算力。这个梯度安排比较务实：FPGA 方案可以先让客户验证场景，ASIC 流片和量产仍需时间，服务器和云服务则能在芯片大规模量产前，先把商业模式跑起来。

这个梯度安排得比较务实：先用 FPGA 卡让客户摸到产品、验证场景，ASIC 流片的同时服务器和云服务把商业模式跑起来，不至于在芯片量产前的空窗期完全没有收入。

| 产业股东会带来什么

机器人企业更关心模型在整机上能否低延迟响应，机械臂这类场景很难接受云端往返带来的时延；GPU 企业则更关注专用推理能力如何嵌入现有算力体系，补足推理场景的能效短板。

这两类股东的共同价值，是把真实约束条件提前带入芯片设计：目标模型是什么、功耗预算多少、部署环境如何。芯片创业最怕闭门造车，等流片出来才发现和客户场景不匹配，一次试错就可能耗掉一两年。客户在设计阶段就参与进来，能明显降低这种风险。

对硬件创业公司来说，拿到真实场景往往比拿到钱更难。这一轮融资，寒序科技在两方面都取得了一定进展。

| 冷水也要泼一点

MRAM 推理芯片并非只有寒序科技在探索。这条路最终能否走通，取决于量产良率、成本控制、软件生态和系统适配。新存储介质要进入主流量产体系，门槛不会低。

另一个变量是时间。这条路线成立的前提，是端侧和边缘推理需求真正起量，并且功耗约束紧到需要新方案。如果云端算力持续便宜、易用，窗口期可能没有想象中宽。

寒序科技自己也表示，未来一到两年是从技术验证走向规模落地的关键阶段。对材料路线的创业公司来说，样片和客户反馈会比融资额更能说明问题。这轮资金买到的主要是时间，最终能否跑通，还要看接下来一到两年的工程化进展。

免责声明：本文内容基于公开信息及第三方消息源整理，仅供参考，不构成任何投资建议。文中涉及的技术路线、产品规划及商业化进展，不代表对相关公司未来表现的承诺或保证。读者据此作出的任何决策，风险自负。

是说芯语原创，欢迎关注分享

合作洽谈，进入公众号：服务—>商务合作