摘要
作者 | 乔钰杰 编辑 | 袁斯来 硬氪获悉，隼瞻科技有限公司（下称“隼瞻科技”）近日完成近亿元天使+轮融资。本轮融资引入英飞尼迪资本、白云金控、深圳中小担创投、厚天资本、华盖资本、嘉誉创投等多家战略投资人，老股东毅达资本、达泰资本持续加持。 隼瞻科技成立于2023年初，专注芯片处理器模块及开发平台，致力于打造基于“RISC-V+DSA”的新一代处理器设计体系，公司希望通过“IP货架+EDA工具链”的模式，降低AI时代定制化处理器设计门槛。 当前，AI模型快速垂直化，正在推动芯片产业从“通用计算”走向“专用计算”。 过去，以CPU为核心的架构长期主导芯片设计，但AI算法以大规模二维、三维矩阵运算为主，在传统CPU上的运行效率并不理想。行业也逐渐转向NPU、VPU、TPU等专用处理器协同的异构计算体系。 与此同时，AI模型的快速垂直化，也让芯片设计开始从“通用适配”走向“模型驱动”。 “过去很多算法都能直接跑在CPU上，但AI时代以后，不同场景、不同模型之间差异巨大。”隼瞻科技创始人曾轶表示，“客户越来越希望芯片能围绕自己的模型进行定制，从而在功耗、面积和成本之间找到最佳平衡。” 这也是DSA（领域专用架构）兴起的重要背景。 DSA本质上是“让架构为模型服务”。相比传统通用处理器追求“大而全”，DSA更强调围绕具体算法和场景进行资源配置。例如，在AI推理场景中，客户可根据模型特点，自定义CPU、DSP、NPU等模块的算力占比，避免资源冗余。 而RISC-V，则被认为是DSA的重要底座。 曾轶介绍称，相较ARM等传统闭源架构，RISC-V具备开源、可扩展、可定制等天然优势，尤其适合AI时代快速变化的模型需求。 更重要的是，RISC-V能够为未来模型演进预留可编程空间。“AI模型变化非常快，如果底层架构无法灵活扩展，芯片生命周期会被迅速压缩。”曾轶表示。因此，隼瞻在架构设计中，会提前预留二维指令、函数空间以及后续可编程能力，以适应未来模型升级。 不过，DSA真正落地的核心难点，并不只是理念，而是工程化能力。 传统情况下，一个中等规模DSA处理器的开发，往往需要数十位工程师、耗时半年以上，且涉及复杂的软件工具链协同。