这家存算一体公司完成B轮融资，单笔数十亿！

11月初，后摩智能宣布完成B轮融资，单笔金额达数十亿元人民币。过去一年，这家公司已完成多轮融资，此番产业资本、国资与国际投资人同时出现，更像是此前技术验证与商业信号累积后的顺势承接。

| 被逆向选择的赛道

存算一体（Compute-in-Memory）并非新概念，学界研究已有数十年。它的基本逻辑是打破冯·诺依曼架构下"计算与存储分离"造成的搬运开销——在端侧，搬运数据的能耗常常远高于计算本身。

有意思的是产业的走向。

过去数年，绝大多数投身存算一体的公司选择了小算力、超低功耗场景：语音唤醒、可穿戴、传感器端。这条路线商业上稳妥，但天花板也肉眼可见，当大模型成为AI的主角，"端侧AI"的含义发生了变化，能跑推理的芯片才有定价权。

后摩智能在2020年成立时选的是另一个方向：以SRAM-CIM为根技术，直接面向高算力与端边大模型推理。这在当时是一次逆向选择——放弃"容易落地的小市场"，去啃"难但大的市场"。按公司披露的数据，采用SRAM-CIM后，其核心计算单元面积压缩至传统架构约30%，功耗降至约10%。数字是否会在真实负载中完全兑现，需要时间验证；但方向上的判断正在被行业接受，在上月刚举行的生态合作伙伴大会上，M50芯片量产不到一年，已获得150多个产品定点、服务超百家客户，这个落地速度在同代创业公司中并不多见。

| 两条路径，一个指标

端侧负载对容量和带宽的需求并不相同，后摩因此在同一根技术之上分出两条路径：2D CIM结合SRAM与存储配置，解决"放得下"的问题；3D CIM把SRAM-CIM引入堆叠的逻辑计算层，与先进封装融合，解决"跑得快"的问题，同时应对堆叠带来的散热挑战。

两条路径指向同一个指标：Token/$与Token/W——单位成本和单位功耗下的Token产出。这个提法值得注意。绝大多数芯片公司讲的是TOPS、带宽、工艺制程，而后摩把"每花一块钱、每一瓦电，能产出多少智能"作为北极星指标。这是一种典型的"买方视角"：对设备厂商而言，TOPS是采购参数，Token成本才是经营参数。

吴强将公司定位为"端侧免费Token工厂"的算力底座。"免费"当然是一种修辞——真正的含义是，当端侧Token成本被压得足够低，它将趋近于用户感知为零，AI才会像水电一样嵌入终端。这个逻辑成立与否，取决于M50、首颗3D CIM芯片A20以及在研的M6X能否持续兑现能效优势。目前看，M50的160 TOPS@INT8、10W典型功耗，使其可以覆盖从8B级到近千B级模型的本地化运行需求（后者需多芯系统），产品矩阵的台阶是清晰的。

| 软件：被低估的第二战场

对存算一体公司而言，真正的考验往往不在芯片而在软件。新架构意味着新编译器、新算子库、新适配成本——开发者没有理由为了一条非主流路线付出额外学习成本。这是历史上多种新架构芯片折戟的共同原因。

后摩的选择是开源"后摩AI生态软件"，覆盖量化、编译、推理部署到应用开发的工具链，计划于2027年1月前陆续上线。一个务实的细节是：这套工具链很大程度上来自150多个定点项目中沉淀的共性问题——也就是说，它不是一份前瞻性规划，而是被真实客户需求打磨出来的产物。把适配经验开源化、标准化，本质上是在降低伙伴的切换成本，这也是新架构芯片公司构建生态时最有效的一步棋。

| 几点观察

客观地说，后摩的叙事仍有几处需要时间检验：

其一，量产规模与良率。150多个定点是订单信号，兑现为稳定大规模交付还需经历供应链与产能的考验，本轮资金的主要用途也正在于此。

其二，3D CIM的工程复杂度。A20已投产是好信号，但3D堆叠的散热、良率与成本控制是行业级难题，量产爬坡仍存不确定性。

其三，生态竞争的窗口期。GPU大厂与大模型厂商都在向端侧延伸，后摩的能效优势需要持续拉开足够差距，才能抵消通用生态的惯性吸引力。

| 结语

资本密集加码，说明市场开始相信一件事：端侧AI的竞争终局不在算力军备赛，而在成本效率赛。后摩智能用六年时间把一条冷门路线做到量产与百余家客户，这本身已构成对中国芯片创新的一种样本意义。但"Token工厂"的愿景能否成立，最终不由融资决定，而由下一代产品决定——M6X与3D CIM的量产表现，将是这份账本最关键的下一页。

免责声明：本文依据公开报道及企业披露信息整理，仅供信息分享与行业观察，不构成任何投资建议或产品采购依据。文中数据（融资金额、定点数量、芯片参数等）均来自公开渠道，未经独立核实，可能存在口径差异或更新滞后，作者不对其准确性与完整性作保证。文中观点为作者个人判断，具有时效性，不代表任何机构立场。

编辑：是说芯语-W²

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