微纳核芯获10亿元C1轮融资，存算一体AI芯片商业化进程受关注

一笔融资背后的技术路线信号

据财联社2026年9月13日报道，微纳核芯完成C1轮10亿元融资，其存算一体AI芯片年内或将实现规模商业化。这是本次报道中已确认的核心事实，融资轮次为C1轮，金额为10亿元，公司主攻方向为存算一体AI芯片，商业化时间窗口的表述为“年内或将实现”。至于投资方名单、估值水平、具体产品型号及性能参数，标题与摘要均未披露，暂缺可核验数据。 存算一体（Compute-in-Memory）的核心思路，是让存储单元同时承担部分计算功能，从而减少数据在存储与计算单元之间的反复搬运。在传统冯·诺依曼架构下，这一搬运过程被视为制约AI推理能效的瓶颈之一。该技术路线近年来在学术界和产业界均获得较高关注，但真正实现规模化商业出货的案例仍然有限，因此“规模商业化”的表述值得持续跟踪。

存算一体为何在AI推理侧受到重视

从产业背景看，AI推理需求的增长正在改变芯片设计重心。据IDC 2024年发布的全球AI服务器市场追踪数据，AI推理负载在整体AI算力需求中的占比呈上升趋势；而推理场景对能效比和时延的敏感度，往往高于对绝对峰值算力的追求。这为存算一体等新型架构提供了切入逻辑。 另一组参考数据来自SEMI：2024年全球半导体制造设备销售额约为1,170亿美元（SEMI，2025年发布），显示先进制程与封装产能仍在持续扩张。但存算一体芯片并不完全依赖最先进逻辑制程，其竞争力更多体现在架构创新与存储器件集成上。这意味着该路线可能为部分设计公司提供差异化竞争空间，但能否形成稳定出货，仍有待进一步确认。

竞争格局与商业化门槛

当前AI芯片竞争格局中，通用GPU仍占据训练与推理市场的主导份额。据Gartner 2024年估算，全球AI半导体收入中，数据中心加速卡占据较大比重。与此同时，云厂商自研加速芯片、专用推理芯片以及存算一体等新兴路线正在分流部分场景。微纳核芯此轮融资，可能被市场解读为资本对非GPU路线持续下注的信号之一。 商业化门槛方面，存算一体芯片需要跨过工具链成熟度、客户导入周期和良率一致性等多道关卡。10亿元C1轮融资在芯片设计领域属于较大单笔规模，但考虑到流片、软件生态和量产爬坡的成本，资金使用效率仍值得关注。本轮融资是否伴随明确的客户订单或量产计划，目前尚无公开信息，有待进一步确认。

数据参考

• 本次新闻已确认数据：微纳核芯完成C1轮10亿元融资；公司方向为存算一体AI芯片；年内或将实现规模商业化（来源：财联社，2026年9月13日）。
• 行业背景参考数据：全球半导体制造设备销售额约1,170亿美元（来源：SEMI，2025年发布，对应2024年数据）。
• 行业背景参考数据：AI推理负载在整体AI算力需求中占比上升（来源：IDC，2024年）。
• 行业背景参考数据：全球AI半导体收入中数据中心加速卡占较大比重（来源：Gartner，2024年估算）。
• 说明：投资方、估值、产品参数及客户信息暂缺可核验数据，未在正文中编造。 #AI芯片 #存算一体 #微纳核芯 #半导体融资