15亿!创RISC-V领域最大融资纪录
近日,国内RISC-V AI芯片创企奕行智能正式完成15亿元B轮融资,创下国内RISC-V领域最大融资纪录,标志着RISC-V架构在AI高性能计算与数据中心场景的产业价值得到进一步验证。
本轮融资阵容堪称豪华,由北京经开区产业升级基金(亦国投)、北京高精尖产业发展投资基金、北京信息产业发展投资基金、北京人工智能产业投资基金联合领投,和利资本、伯藜创投、赛意产业基金、龙江基金、青檀资本、九坤创投等新老股东持续加码,同时吸引了多家生态链主企业参与投资,多方资本的加持,为奕行智能的技术研发、产品量产与市场拓展提供了坚实的资金保障,也凸显了产业界对其差异化技术路线和商业化前景的坚定信心。

作为这场创纪录融资的主角,奕行智能成立于2022年,由拥有20余年半导体行业经验的刘珲创立,其创始人刘珲拥有西北工业大学与英属哥伦比亚大学双硕士学位,曾在意法半导体、富士通半导体、Cadence、Socionext 索喜科技等知名企业担任亚太区高管,主导多款车载、通信等先进制程芯片的开发与量产,受特斯拉AI Day启发,他于2022年初在广州南沙创立奕行智能,专注于全栈自研的RISC-V AI计算芯片及计算平台解决方案,成立至今已完成多轮累计超1亿美元融资,并在多地设立研发中心。
自成立以来,奕行智能便确立了“类TPU架构+RISC-V开源指令集”的差异化技术路线,在RISC-V AI芯片领域快速突破,其核心产品Epoch系列AI计算芯片已于2026年1月实现大规模量产出货,成为国内首款实现大规模量产的RISC-V AI芯片,目前已获得头部客户订单,彰显了强大的商业化能力。该系列芯片采用RISC-V+RVV技术路径,围绕高吞吐张量计算、向量处理与多精度混合计算进行深度优化,原生支持FP8分块量化计算精度,可直接运行主流大模型FP8版本,并向FP4及MXFP4、NVFP4等更低精度微缩放数据格式持续兼容演进,在部署便利性、精度保留和系统效率之间实现更优平衡。

在产品布局上,奕行智能围绕Epoch系列构建了完善的产品矩阵,形成了覆盖芯片、PCIe计算卡、整机及集群的全链条布局,可满足从单机部署到多卡、多机、集群扩展的多样化需求,为客户提供更加完整的AI计算平台解决方案。同时,公司自研的ELink高速互联技术可兼容国内外主流互联协议,支持Scale Up与Scale Out融合组网及在网计算技术,能够满足大规模智算场景下对高带宽、低时延与高扩展性的系统需求,为构建面向未来的大模型计算集群奠定了坚实基础。
技术实力的持续突破是奕行智能获得资本青睐的核心原因。在核心技术层面,公司围绕自研EVAMIND计算架构,持续推进RISC-V、VISA虚拟指令技术、Tile级动态调度、编译器、运行时与系统互联的协同建设,强调通过软硬协同,将芯片、编译器、算子库、运行时和集群部署能力整合为一套可持续演进的平台体系,以适应大模型、MoE、长上下文、多Agent协作和复杂推理流程带来的负载变化。值得一提的是,其基于Tile级动态调度方向的研究成果——TISA动态调度架构,成功入选计算机体系结构国际顶级会议ISCA 2026,这一突破不仅填补了行业空白,更标志着中国AI芯片企业在核心技术路线设计上达到世界领先水平,该架构可使芯片根据实时运行状态自主决策任务分配,大幅提升算力利用率,在FlashAttention-3注意力机制测试中,代码量减少30%,同步调用次数降低50%,性能达到手工优化基线的95%以上。

除了硬件产品的深耕,奕行智能还同步打造了面向RISC-V AI计算的全栈软件体系,通过在编译器、算子库、运行时及开发工具链等层面的持续投入,不断降低客户导入新平台的工程门槛,提升模型迁移效率与应用落地速度,同时持续推进与主流AI框架及开源生态的适配和协同,助力RISC-V生态的完善与发展。
进入2026年,随着企业级大模型部署提速,智能体应用持续升温,AI基础设施的竞争逻辑已从单一峰值算力转向单位Token成本、系统吞吐效率、时延稳定性、能效比、互联能力,以及持续适配新模型、新Agent框架和复杂工作负载的速度。在此背景下,奕行智能15亿元B轮融资的完成,恰逢其时。
对于本轮融资的用途,奕行智能明确表示,将重点投入于Epoch系列产品的量产推进与商业化加速、下一代旗舰产品研发、软硬协同生态建设以及全球市场拓展,持续推动RISC-V AI计算芯片及计算平台的规模化落地。当前,RISC-V正从“备选”走向“主流”,已正式占据全球处理器市场25%的份额,打破了X86和ARM的双寡头垄断格局,奕行智能的持续发力,不仅将推动自身实现跨越式发展,更将助力国内RISC-V生态的崛起,为我国AI算力自主可控提供重要支撑,在全球AI芯片竞争中抢占先机。
编辑:是说芯语-小明吧

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

