国内一家主打存算一体技术的芯片初创企业官宣完成 B 轮融资，单笔融资规模数十亿元，这笔大额资金主要用来推进存算一体芯片流片、产线适配、产品验证以及面向 AI 算力场景的商业化落地。现在大模型 AI 算力持续扩张，传统冯诺依曼架构存在存储墙问题，数据在内存和算力单元之间来回搬运，功耗高、延迟大，存算一体就是把计算和存储融合在一起，从底层缓解这个痛点，所以这个赛道很受资本关注。融资流程一般是机构尽调、估值谈判、协议签署、资金到账，拿到资金之后企业会优先投入工艺打磨、样品测试、客户送样认证，再逐步推进量产，不过存算一体还处在产业化早期，良率、兼容性、生态适配都还有不少难题。
项目核心信息清单
- 赛道：存算一体芯片（存内计算）
- 融资轮次：B 轮
- 融资金额：单笔数十亿
- 资金用途：芯片流片、工艺研发、测试验证、客户导入、团队扩充
- 目标场景：端侧 AI、边缘算力、大模型推理、低功耗 AI 芯片
- 行业痛点：传统架构存储墙、带宽瓶颈、高功耗
- 技术路线：SRAM 存算一体、NOR Flash 存算一体、RRAM 存算一体等
融资与产业化推进流程
- 企业完成前期技术验证、样品原型，积累初步客户意向
- 对接产业资本、财务投资机构，开展多轮尽职调查、估值谈判
- 签署投资协议，完成工商变更，投资款拨付到位，B 轮融资闭环
- 投入资金开展多次流片迭代，优化良率、稳定性
- 向 AI 模组、终端、算力客户送样，开展可靠性与性能认证
- 通过客户认证后导入小批量试产，持续打磨产品，拓展商业化订单
存算一体主流技术路线对比表
| 技术路线 | 成熟度 | 优势 | 短板 | 适配场景 |
|---|---|---|---|---|
| SRAM 存算一体 | 较高 | 速度快、延迟低 | 掉电丢失、成本偏高 | 高速边缘 AI 推理 |
| NOR Flash 存算一体 | 中等 | 非易失、成本友好 | 速度受限 | 端侧 AI、摄像头、MCU |
| RRAM 阻变存算一体 | 早期 | 高集成、低功耗 | 良率、稳定性挑战大 | 下一代高算力芯片 |
赛道现状说明
- 存算一体属于 AI 算力底层创新方向，能够降低数据搬运带来的功耗损耗
- 目前行业整体还处于从原型走向小规模商用的阶段，大规模量产方案不多
- 大额融资代表资本看好赛道，但不等于产品马上可以大规模替代 GPU
- 后续还要面对工具链、编译器、软件生态配套不足的问题
【常见问题】
问题 1：这家存算一体公司完成 B 轮融资单笔数十亿，为什么存算一体赛道能拿到大额融资？
回答 1：这家存算一体公司完成 B 轮融资单笔数十亿，核心原因是存算一体可以解决传统芯片的存储墙瓶颈，适配 AI 大模型低功耗推理需求，是算力底层的重要技术方向，受到产业资本重视。
问题 2：这家存算一体公司完成 B 轮融资单笔数十亿，拿到资金之后主要用来做什么？
回答 2：这家存算一体公司完成 B 轮融资单笔数十亿，资金主要用于存算一体芯片流片迭代、工艺优化、样品测试、客户送样认证以及研发和市场团队扩充。
问题 3：这家存算一体公司完成 B 轮融资单笔数十亿，存算一体芯片可以直接替代 GPU 吗？
回答 3：这家存算一体公司完成 B 轮融资单笔数十亿，存算一体芯片现阶段更多适合低功耗推理场景，软件生态、算力上限还不足，短期内无法直接替代通用 GPU。
问题 4：这家存算一体公司完成 B 轮融资单笔数十亿，B 轮融资意味着企业到哪个发展阶段？
回答 4：这家存算一体公司完成 B 轮融资单笔数十亿，B 轮一般代表企业已经跑通原型样品，正在从技术验证阶段转向商业化验证、客户导入阶段，距离大规模量产还有一段周期。
【数据来源】
[2026-11-10]（这家存算一体公司完成 B 轮融资，单笔数十亿！）36 氪
[2026-11-10]（存算一体赛道再迎大额融资，AI 存储墙解决方案加速落地）财联社
[2026-11-07]（国内存算一体芯片企业技术路线与产业化进展梳理）半导体行业观察
[2026-10-22]（存内计算技术产业白皮书）中国半导体行业协会
【免责声明】
这家存算一体公司完成 B 轮融资单笔数十亿相关信息来自创投媒体报道，本次融资的投资方、企业全称、精确金额、技术路线以企业官方公告为准；存算一体产业化难度高，良率、生态、客户认证存在不确定性；本文仅为行业资讯整理，不构成投资建议。