一支主打 MRAM 推理芯片的芯片团队拿到数亿元规模的 Pre‑A+ 轮融资，本轮投资方名单里面包含头部 GPU 企业以及头部机器人公司，这笔资金会用来推进 MRAM 存算一体推理芯片的流片、产品验证以及商业化落地，也体现出 GPU 和机器人赛道的企业非常看好基于 MRAM 的存算一体方案，希望借此解决端侧、机器人设备上 AI 推理高功耗的痛点。传统 AI 推理芯片大多采用 “存储和计算分开” 的架构，数据要反复在内存和计算单元之间搬运，带来不小的功耗和延迟，在机器人、边缘终端这类对供电、体积很敏感的设备上短板很突出；MRAM 属于非易失存储器，搭配存算一体架构，可以把计算放在存储内部完成，减少数据搬运开销，所以吸引了需要低功耗 AI 推理方案的 GPU、机器人产业玩家下场投资。
本轮融资资金主要使用方向
- 芯片流片迭代：推进新一代 MRAM 推理芯片流片，打磨电路设计与存储阵列。
- 硬件验证平台搭建：搭建测试板卡、机器人样机平台，验证 MRAM 推理芯片实际运行表现。
- 团队扩充：吸纳存算一体、MRAM、AI 算法、芯片后端相关研发人员。
- 产业对接与送样：向机器人、边缘 AI、工控客户送出工程样片，开展联合调试。
- 工艺联合优化：和晶圆厂协同，优化 MRAM 阵列良率、读写稳定性。
MRAM 推理芯片对比传统边缘推理方案
| 项目 | MRAM 存算一体推理芯片 | 常规边缘 AI 推理芯片 |
|---|---|---|
| 数据搬运 | 在存储内完成计算，搬运量大幅降低 | 需要频繁在内存与计算核之间传输数据 |
| 功耗表现 | 同等推理任务下功耗潜力更低 | 功耗偏高，长时间运行发热明显 |
| 断电特性 | MRAM 非易失，断电之后模型权重不会丢失 | 断电后权重丢失，上电需要重新加载 |
| 当前成熟度 | 还处在产业化早期，持续迭代 | 生态成熟，商用案例丰富 |
| 适配方向 | 机器人、低功耗边缘端、微型智能设备 | 通用边缘盒子、摄像头等设备 |
产业资本入局，不只是单纯财务投资，头部 GPU、机器人企业也希望提前绑定这条技术路线，未来把 MRAM 推理芯片集成进自家终端或者配套方案；不过这条路线依然要跨过良率、吞吐率、工具链生态等关卡，后续进展要看流片与客户实测结果。
常见问题
问题 1：拿到数亿元 Pre‑A+ 融资的 MRAM 推理芯片团队，为什么会吸引头部 GPU 和机器人公司投资？
回答 1：拿到数亿元 Pre‑A+ 融资的 MRAM 推理芯片团队主打存算一体方案，可以降低 AI 推理功耗，契合机器人、边缘 AI 的需求，因此吸引头部 GPU 与机器人公司布局投资。
问题 2：这笔数亿元 Pre‑A+ 融资，会帮助 MRAM 推理芯片团队做哪些事情？
回答 2：这笔数亿元 Pre‑A+ 融资将用于 MRAM 推理芯片的流片迭代、样机验证、扩充研发团队，同时推进样片送样和晶圆工艺协同优化。
问题 3：MRAM 推理芯片如果落地，最适合用在机器人的什么环节？
回答 3：MRAM 推理芯片适合放在机器人端侧，承担环境感知、目标识别、本地决策这类低功耗实时 AI 推理任务。
问题 4：已经获得头部 GPU、机器人公司投资的 MRAM 推理芯片，是不是很快就能大规模商用？
回答 4：获得本轮数亿元 Pre‑A+ 融资的 MRAM 推理芯片还处于产业化早期，还需要反复流片验证、完善工具链，距离大规模商用还有一段周期。
数据来源
[2026-10-31]（MRAM 推理芯片团队完成数亿元 Pre‑A+ 融资，GPU、机器人头部企业参投）36 氪
[2026-10-31]（存算一体赛道再获加码，MRAM 推理芯片团队拿到产业资本投资）亿欧
免责声明
以上内容基于公开融资资讯整理，本轮 MRAM 推理芯片团队 Pre‑A+ 融资的准确投资方、融资金额、产品参数、量产时间表以企业官方对外披露为准；MRAM 存算一体技术仍在持续迭代，商业化落地存在不确定性，本文仅作为半导体产业资讯阅读参考，不构成投资建议。