远见网一、专注存算融合3D异构集成及Chiplet互联
思敏威（上海）集成电路有限公司（以下简称“思敏威集成电路”）成立于2024年，专注存算融合3D异构集成及Chiplet互联技术，聚焦大模型Agent推理场景，加速本地智能落地，为AI PC、智能终端与边缘计算打造高效、灵活、可扩展算力底座，赋能终端智能跃迁。
投资界（ID：pedaily2012）10月14日消息，思敏威集成电路CiMicro.Ai宣布完成
1、亿元天使轮融资：，本轮融资由
中兴通讯战略投资，博华产投、松青资本、建信信托、合创资本等机构联合投资
2、，老股东：德同资本
持续重磅加码。
同时，公司第一代3D堆叠量产芯片流片在即，青衡3D-HPU存算融合计算核心正由核心技术研发进入产品化和客户应用。
本轮融资将进一步支持公司后续2代3D堆叠产品的研发和工程化，推动3D堆叠架构创新与AI算力推理产业需求紧密衔接，赋能千行百业。
依托已有客户与新的战略伙伴研发合作，思敏威集成电路早期将多场景实际模型负载与部署需求即纳入第一代3D量产产品的核心定义。
以自主研发的青衡3D-HPU存算融合计算架构为核心，公司正推进从3D存算融合计算IP、芯片到异构推理节点与系统平台的矩阵式产品布局，推动3D存算融合从芯片架构创新走向规模化商业及产业应用。
在可穿戴设备、智能音频及各类AIoT终端中，语音交互、端侧感知和轻量模型推理需要在极低功耗、有限面积与散热条件下持续运行。思敏威通过历经6年积累
二、在片上存算单元内完成矩阵计算
1、数十次流片验证
的高能效、高算力密度的全数字SRAM存算一体技术，在片上存算单元内完成矩阵计算，减少数据搬运，并以计算IP或轻量化芯片等形态适配不同终端产品。
相关产品技术能力已进入头部终端客户的定制开发和产品合作，推动核心数字存算技术从IP验证进一步进入实际规模化产品的应用。
随着本地大模型与个人智能体进入AI PC、AI Box、AI NAS，终端需要将模型运行、实时交互与私有数据本地处理整合为持续可用的智能服务。
思敏威正推进CPU主控与3D-HPU的异构推理方案，将通用算力与高带宽AI推理能力结合，并围绕高速互联等技术路径拓展不同形式的端侧智能推理产品形态，在设备功耗与空间约束下兼顾模型容量、响应速度、能效及
2、超高性能（1000token/s）
，推动本地大模型与个人智能体成为新一代智能终端平台的基础计算能力。
随着模型规模和推理负载持续提升，面向企业私有化部署、大型企业的服务器集群与私有数据中心，推理需求进一步延伸至与系统总算力资源的协同组织。
推理过程中的Prefill与Decode、Attention与FFN具有明显不同的计算和访存特征，单一类型的硬件计算资源难以在大模型的不同阶段始终保持高效率，高性能。
思敏威围绕
PD分离、AF分离
三、进一步提升整体系统推理效率
，构建
3D-HPU与XPU等其他AI计算单元协同的异构推理
体系。根据大模型不同推理阶段和算子的负载特征匹配计算、存储和带宽资源，进一步提升整体系统推理效率，降低服务企业部署与算力网络建设的总TCO。
机器人“大脑”需要在动态环境中持续理解场景、预测变化并形成决策，将连续感知、模型推演与行动反馈贯通为实时运行的智能闭环。
思敏威从真实机器人任务出发，将多模态模型与世界模型的结构、核心算子及数据流前置到芯片定义，以青衡3D-HPU存算融合架构，支撑高带宽数据供给、低延迟执行与低功耗持续运行。
通过“
1、模型—芯片—机器人系统
”联合定义与迭代验证，将推动大模型推理能力转化为真实世界中的自主决策与行动，为下一代机器人构建可随模型演进、向复杂任务拓展的高性能智能计算平台。
不同AI推理应用场景对芯片产品形态和系统架构的要求虽然都各不相同，但在大模型计算的底层逻辑却高度一致：
AI推理需要的不再只是更高峰值算力，而是更高效的数据供给、更合理的计算分工，以及能够随模型和场景持续扩展的系统架构，最终降低推理产品的总拥有成本（TCO），为客户带来实际的商用价值
。
四、集成电路基于青衡3D-HPU存算融合计算核心
1、集成电路基于青衡3D-HPU存算融合
围绕这一逻辑，思敏威集成电路基于青衡3D-HPU存算融合计算核心，正式推出公司可复用的统一高带宽3D AI推理计算基座
3D-cHMC®（3D-computing Hyper Memory Cube）
该计算基座通过多层3D DRAM与计算层的垂直堆叠集成，依托TSV垂直互联构建高密度数据通路，以分布式亲和数据流实现Bank、Memory Controller与3D-HPU Cluster的协同组织，缩短数据搬运路径；
结合
原生FP4浮点数字存算一体
2、投资界 ｜ 作者
投资界 ｜
思敏威集成电路
原文地址：
https://news.pedaily.cn/202610/570248.shtml
