朱松纯联手海光架构师砸数亿，要造一块不属于英伟达的AGI芯
“不做GPU改良版”背后的赌注
通芯人工智能科技（北京）有限公司——一家成立仅半年的公司，在2026年11月12日抛出了一个让半导体行业侧目的消息：连续完成数亿元种子轮及天使轮融资。
这笔钱的投资方名单里，清华校友种子基金、北京通用人工智能研究院（通研院）、松霖科技、平治信息、暗物智能和豫资涨泉依次列明。资金用途很明确——芯片流片前的核心架构设计与研发。
这家公司的来头比融资数字更值得留意。发起人是朱松纯，北京通用人工智能研究院院长、北大和清华讲席教授，长期从事计算机视觉、认知科学与自主机器人研究。董事长兼CEO是王海洋，龙芯CPU创始成员、曾任海光四代芯片架构负责人，拥有25年芯片研发和15年SoC架构设计经历，累计持有近百项国内外发明专利。
他们的说法只有一句：不做GPU改良版。
从“算得更快”到“算得更省”
理解通芯智能的切入点，不在学术概念，而在一个具体的经济指标——每块Token的生产成本。
过去几年，AI行业的竞争焦点是训练算力。谁能在更大的数据集上训练出更强的模型，谁就能占据高地。但这种模式正面临结构性拐点：基座模型公司越来越少，真正的落地场景转向推理。多家机构的测算显示，推理阶段的算力需求将占绝对大头，乐观估计占比超过90％。
而推理的核心诉求与训练截然不同。训练追求峰值算力，推理追求性价比。用户不会关心你的GPU能跑多少FLOPS，只关心生成一个Token要花多少钱。
“随着大模型能力增强，AI正从训练时代走向推理时代。”王海洋的判断并非新鲜事，但通芯的选择路径与其他国产芯片厂商有明显的区隔。
大多数国内AI芯片厂商的逻辑是一致的：在现有GPU或GPGPU架构上做局部优化，通过存算一体、高带宽内存等技术提升效率。这条路径的优势是软件兼容性好——CUDA生态已经成熟，迁移成本可控。
通芯走的是一条完全相反的路。
他们放弃了对GPU指令集的适配，直接从底层提出一套全新的架构逻辑。这套逻辑的理论底座来自朱松纯提出的“CUV认知架构”——即认知（Cognition）、能力（Utility）、价值（Value）三维联合空间。基于这一框架，通芯设计了自研的Vector＋Tensor＋AGI Core三单元架构，既支持向量和张量计算以向前兼容Transformer，又在芯片层面内置了专门针对AGI算法算子的硬件加速器。
王海洋的解释更直白：“现在很多做光计算的公司，本质上还是在针对当前的大语言模型做计算加速。但大语言模型并不等于AGI。我们不是做一个更快、更省电的‘计算器’，而是面向CUV架构在硬件底层做原生设计。”
“学院派＋量产老兵”的组合为何罕见
芯片创业从来不是纯技术问题。一款芯片从架构定义到流片再到量产交付，周期至少20个月，中间任何一个环节出错都可能导致项目流产。这也是为什么这个领域的创业者中，既有顶级学术背景的，又有大厂工程化经验的，但两者兼具的极少。
通芯智能的核心团队恰好覆盖了这两个维度。
朱松纯提供了顶层理论框架。CUV架构不是商业宣传语，而是一个经过学术论文和专利支撑的理论体系。它的核心论点是：通用人工智能的竞争本质是架构之争，当前的GPU架构是为统计式计算设计的，无法原生支持因果推理、环境交互和物理智能等AGI负载。
王海洋及其团队则负责把这些理论落到硅片上。骨干成员来自海光、百度、字节、阿里等头部芯片与AI团队，平均从业经验超过20年，完整走过架构定义、前端设计、后端设计、流片、量产的全链路。王海洋本人师从中国计算机事业奠基人之一夏培肃院士，在CPU、GPU、GPGPU方向都有丰富的研发和量产经验。
豫资涨泉资本创始人刘啸东对这支队伍的评价可以看作一种市场共识：“这支队伍既有研究院的科研底子，又有来自芯片大厂的近20款大芯片的工程化与量产经验，科学家、产业专家和管理者各管一段。这种‘三角形’的结构，恰恰是把创新转化为创业最关键的一环。”
对标B300：野心与现实之间的鸿沟
根据王海洋披露的信息，通芯智能的第一代芯片定位为“高性价比推理芯片”，同时覆盖云端智算集群和端侧具身智能两个场景。
具体定位方面，端侧对标英伟达Thor系列，云端对标英伟达B300系列。
这是一个极具野心的对标方案。英伟达Thor是专为下一代汽车平台和机器人设计的芯片，算力远超主流推理芯片；B300系列（目前行业推测对应Blackwell后续产品线）则是云端大模型训练推理的主力产品。以一家成立仅半年、尚未流片的初创公司对标这两类产品，技术差距显而易见。
但从另一个角度看，通芯的策略并非追求全面超越英伟达，而是寻找差异化切口。其规划的商业化落地方向有三个层次：一是依托通研院体系及产业战略伙伴，在AGI通用智能体领域展开合作；二是面向大模型智算集群和Token工厂，与整机厂商及地方智算中心提供高性价比Token算力；三是面向物理智能与具身机器人，提供端侧大算力推理芯片。
松霖科技的参与为第三条路径提供了现实参照。松霖战投负责人韩宗谕明确表示，本次投资是产业型战略布局，“依托松霖在医养、后勤以及家庭场景的全球化产业基础，与通芯形成深度协同”。这意味着通芯的首批客户未必是互联网大厂，而可能来自消费场景中的具身智能终端。
水木校友基金管理合伙人王学辉的观察点出了关键：“公司定位于专门给人形机器人、智能体用的国产新芯片，软硬一体，解决现有芯片搞不定现实世界物理智能的痛点。”
还有六个月才能看到的验证节点
通芯智能计划在2026年12月初展开FPGA原型验证工作。这将是这家成立不到一年的公司面临的第一个实质性检验节点。
FPGA原型验证的作用是将架构设计映射到可编程硬件上，验证芯片功能正确性和基本性能。如果验证顺利通过，下一步才是 tape－out（流片）——把设计交给晶圆厂制造。从tape－out到首批芯片出货，通常还需要6至12个月的时间。
换言之，公众看到第一款搭载通芯芯片的产品之前，最快也要等到2027年下半年。在此之前，任何关于性能、功耗、成本的讨论都属于理论预期。
对于关注该公司的投资人而言，需要重点追踪三个可量化指标：第一，FPGA原型验证的进度和结果，这是架构能否落地的第一步；第二，是否达成明确的早期订单或联合测试意向，仅有“规模合作意向”不等于确定性收入；第三，后续融资节奏——种子轮和天使轮的数亿元是否足以支撑到B轮产品量产，还是需要更早引入下一轮资金。
对于半导体行业观察者而言，通芯智能的真正意义不在于它能打败英伟达还是替代某个国产竞品，而在于它代表了一种不同的可能性：在大模型向AGI过渡的产业窗口期，是否真的存在一套不同于GPU的底层架构，能够为物理智能和具身智能找到更高效的计算路径。
这条路若走通，受益的不只是通芯自身。若走不通，它将成为又一个证明“GPU延长线是最优解”的反面案例——无论结果如何，这个行业都需要这样的试错。
