原文摘要
作者 | 乔钰杰 编辑 | 袁斯来 硬氪获悉，北京容芯致远科技有限公司（以下简称“容芯致远”）近日完成天使轮数亿元融资。本轮由北京绿色能源和低碳产业基金与赛富投资基金领投，顺禧基金、富华资本、万利达集团、长江创新投、水木清华校友基金、梅花创投等跟投。云岫资本此前参与了公司种子轮投资，本轮继续跟投，并担任长期独家财务顾问。 AI浪潮下，算力需求激增，传统以CPU为中心的架构瓶颈愈发凸显：CPU成为数据调度与交互的核心限制，GPU之间通信效率不足，内存无法实现统一地址空间共享，整体算力利用率较低。 容芯致远创始人石旭毕业于清华大学电子工程系，在芯片设计与AI领域从业多年，接受硬氪采访时，石旭表示，“在实际部署中，典型的AI服务器配置需要多个CPU协同调度少量GPU，且随着规模扩大，CPU数量也需同步增加，系统复杂度与成本显著上升，这正说明传统架构难以适配AI时代的计算需求。” 基于此，容芯致远提出了以GPU为核心的AI计算体系——AGC（AI computer system with the GPU as its Core）架构。该架构打破以CPU为中心的传统模式，将GPU作为系统核心计算单元，CPU则转为外围控制组件。 通过这一重构，系统中GPU与CPU的比例（G:C）可由传统的约2:1提升至20:1甚至32:1，大幅释放GPU算力潜力。 系统层面，AGC架构进一步解决了内存一致性问题，支持单一操作系统统一管理多达64个GPU，实现全局地址空间共享，避免跨节点数据拷贝，从而在大模型训练与推理等场景中显著提升整体效率。 这一体系创新并非单点优化，而是涉及全栈重构，包括BMC管理、交换系统、通信协议、推理框架、连接器等多个层面。 石旭介绍，在核心技术实现上，容芯致远围绕算力稳定性与利用效率展开了系统性创新。在硬件监控层面，公司自研AI BMC系统，将传统3–5秒级的轮询机制提升至微秒级响应，可在GPU温度异常等风险出现时即时触发降频或休眠策略，从而显著提升系统安全性与整体能效。 在可靠性设计上，传统八卡服务���一旦单卡故障，往往需要整机停机维护，恢复周期长、成本高。而在AGC架构下，单机可实现多达20个GPU的冗余设计。配合自研混存技术，系统可构建约10TB的混合存储空间，对健康GPU的KV Cache进行实时缓存。一旦某张GPU发生故障，系统可在AI BMC的快速响应下，迅速调度冗余GPU接替任务，并通过统一内存地址空间直接访问原有数据，实现计算过程无缝衔接。 基于这一机制，容芯致远可实现GPU故障情况下的“任务不中断热插拔”（GPU RAID），将维护时间从约2小时压缩至约1分钟，同时显著降低运维成本。 互连层面，容芯致远推出Blue Link光互连方案，以Mini LED/MICRO LED替代传统激光光模块，在高温环境下具备更高稳定性，同时实现更高带宽密度与更长传输距离，突破了铜缆在带宽与距离上的物理限制。 生态策略上，容芯致远强调开放与兼容。石旭介绍称，由于显著降低了对CPU性能的依赖，其方案可适配龙芯、飞腾、海光等国产CPU，同时兼容主流GPU厂商产品，构建起更为开放的计算生态。相较部分仅支持自研芯片的封闭体系，这一路径具备更强的产业协同能力。 与此同时，公司牵头发起RISC-V智算体系生态联盟，联合产业链上下游厂商作为生态伙伴，通过深度合作与专利共享，推动相关技术标准化与国产化规模落地。 产品层面，容芯致远已形成两大产品体系。一类为强调灵活性的K系列，兼容全球所有PCIe标准GPU卡，面向私有化部署场景，兼顾灵活配置与数据安全，主要型号包括K2（两卡桌面型）、K4（四卡）及K10（十卡）、K20（二十卡）。
K20产品示例（图源/企业） 另一类为强调极致性能的AGC系列，通过定制化模组实现更高算力密度与系统效率，覆盖风冷，液冷及移动式等多种开放形态，支持多类特定GPU，代表型号包括AGC 64F（64卡风冷），AGC 64L（64卡液冷，提供21P算力与3T显存）， AGC 32F（32卡风冷），AGC 16F（移动式16卡）及AGC 2（两卡工作站）。
AGC 64F产品示例（图源/企业） 商业模式方面，公司采取“自有品牌直销+OEM合作”的双路径策略，已与多家整机厂商展开合作，以联合方案形式推向市场。同时，公司推出子品牌Upchanger，并与中央美院联合打造，聚焦艺术与渲染等细分场景。 以下为访谈节选（部分内容经编辑）： 硬氪：为什么容芯致远的AGC架构对国产卡非常友好？ 石旭：传统以CPU为中心的架构，对CPU性能与生态依赖极高，这使得在实际部署中，很难将国产CPU与主流GPU体系有效结合，往往受限于数据交换能力与系统瓶颈，难以落地真正意义上的“全国产方案”。而AGC体系通过将GPU上升为系统核心，大幅降低了对CPU的性能依赖，使国产CPU能够在体系中发挥作用，同时兼容国产GPU，从而在现实工程层面打通全国产路径。 容芯致远的理念更像是安卓，我们很开放，兼容全球主流计算芯片，会更强调产业协同与规模扩展能力。在这一开放体系下，不仅整机厂商可以灵活组合硬件方案，上游GPU、CPU及连接器厂商也获得了更广阔的市场空间。AGC本质上提供的是一个“连接平台”，让不同厂商的产品能够在同一体系中协同运行，并随着系统演进持续优化性能与成本结构。 硬氪：您怎么定义容芯致远？ 石旭：我们更像是“不做GPU的英伟达”，希望去定义AI时代新的计算标准与架构范式，让智算进入每一个行业、每一个企业，每一个家庭及个人。目前我们也是工信部人工智能标准委员会成员。 任何计算体系的建立都离不开产业联盟的协同推进。传统x86通用计算体系背后，是由英特尔、AMD、微软以及大量硬件厂商共同构建的长期生态；而AGC所面向的AI计算，同样需要一套全新的产业协作网络。围绕这一目标，容芯致远正联合GPU厂商、CPU厂商、整机厂商、连接器与器件厂商以及模型公司等多方力量，共同推动这个体系的落地与演进。目前正在组织和发起AGC架构生态联盟，未来将会以AGC架构为基础，进一步推动国产智算新标准新生态的落地。 投资方观点 北京绿色能源和低碳产业基金表示：“随着AI Agent时代的到来，对算力成本的消耗将从训练逐步向推理演进。未来推理对算力的消耗将大于训练。单台AI服务器的性价比与兼容性将在未来成为算力企业的核心竞争力。同时，国产算力的瓶颈一方面受制于GPU的制程和单卡性能，另一方面受制于IO传输瓶颈及国产CPU性能。容芯致远掌握多项软硬件核心技术，打造新一代AGC计算体系，降低了对CPU性能的要求，可以适配国内外主流GPU，并提高实际有效性能。此外还正在开发多项新一代技术，有效解决算力传输瓶颈。我们相信，随着容芯致远产品与技术的不断迭代，在AI算力需求激增和国产化需求迫切的时代下，容芯致远不断驱动行业创新，赋能国产AI产业发展。” 赛富投资基金负责科技赛道的管理合伙人蒋驰华表示：“摩尔定律的物理红利正在无可避免地触顶。正如行业数据显示，在2022年之前的十年里
文章来源
- 标题: 36氪首发 | 清华系AI Infra厂商完成数亿元融资，以GPU为核心重构计算机系统架构
- 来源: ai
- 链接: https://36kr.com/p/3799984046333186?f=rss
- 时间: 2026-05-08 09:45:14 +0800
核心内容
作者 | 乔钰杰 编辑 | 袁斯来 硬氪获悉，北京容芯致远科技有限公司（以下简称“容芯致远”）近日完成天使轮数亿元融资。本轮由北京绿色能源和低碳产业基金与赛富投资基金领投，顺禧基金、富华资本、万利达集团、长江创新投、水木清华校友基金、梅花创投等跟投。云岫资本此前参与了公司种子轮投资，本轮继续跟投，并担任长期独家财务顾问。 AI浪潮下，算力需求激增，传统以CPU为中心的架构瓶颈愈发凸显：CPU成为数据调度与交互的核心限制，GPU之间通信效率不足，内存无法实现统一地址空间共享，整体算力利用率较低。 容芯致远创始人石旭毕业于清华大学电子工程系，在芯片设计与AI领域从业多年，接受硬氪采访时，石旭表示，“在实际部署中，典型的AI服务器配置需要多个CPU协同调度少量GPU，且随着规模扩大，CPU数量也需同步增加，系统复杂度与成本显著上升，这正说明传统架构难以适配AI时代的计算需求。” 基于此，容芯致远提出了以GPU为核心的AI计算体系——AGC（AI computer system with the GPU as its Core）架构。该架构打破以CPU为中心的传统模式，将GPU作为系统核心计算单元，CPU则转为外围控制组件。 通过这一重构，系统中GPU与CPU的比例（G:C）可由传统的约2:1提升至20:1甚至32:1，大幅释放GPU算力潜力。 系统层面，AGC架构进一步解决了内存一致性问题，支持单一操作系统统一管理多达64个GPU，实现全局地址空间共享，避免跨节点数据拷贝，从而在大模型训练与推理等场景中显著提升整体效率。 这一体系创新并非单点优化，而是涉及全栈重构，包括BMC管理、交换系统、通信协议、推理框架、连接器等多个层面。 石旭介绍，在核心技术实现上，容芯致远围绕算力稳定性与利用效率展开了系统性创新。在硬件监控层面，公司自研AI BMC系统，将传统3–5秒级的轮询机制提升至微秒级响应，可在GPU温度异常等风险出现时即时触发降频或休眠策略，从而显著提升系统安全性与整体能效。 在可靠性设计上，传统八卡服务���一旦单卡故障，往往需要整机停机维护，恢复周期长、成本高。而在AGC架构下，单机可实现多达20个GPU的冗余设计。配合自研混存技术，系统可构建约10TB的混合存储空间，对健康GPU的KV Cache进行实时缓存。一旦某张GPU发生故障，系统可在AI BMC的快速响应下，迅速调度冗余GPU接替任务，并通过统一内存地址空间直接访问原有数据，实现计算过程无缝衔接。 基于这一机制，容芯致远可实现GPU故障情况下的“任务不中断热插拔”（GPU RAID），将维护时间从约2小时压缩至约1分钟，同时显著降低运维成本。 互连层面，容芯致远推出Blue Link光互连方案，以Mini LED/MICRO LED替代传统激光光模块，在高温环境下具备更高稳定性，同时实现更高带宽密度与更长传输距离，突破了铜缆在带宽与距离上的物理限制。 生态策略上，容芯致远强调开放与兼容。石旭介绍称，由于显著降低了对CPU性能的依赖，其方案可适配龙芯、飞腾、海光等国产CPU，同时兼容主流GPU厂商产品，构建起更为开放的计算生态。相较部分仅支持自研芯片的封闭体系，这一路径具备更强的产业协同能力。 与此同时，公司牵头发起RISC-V智算体系生态联盟，联合产业链上下游厂商作为生态伙伴，通过深度合作与专利共享，推动相关技术标准化与国产化规模落地。 产品层面，容芯致远已形成两大产品体系。一类为强调灵活性的K系列，兼容全球所有PCIe标准GPU卡，面向私有化部署场景，兼顾灵活配置与数据安全，主要型号包括K2（两卡桌面型）、K4（四卡）及K10（十卡）、K20（二十卡）。
K20产品示例（图源/企业） 另一类为强调极致性能的AGC系列，通过定制化模组实现更高算力密度与系统效率，覆盖风冷，液冷及移动式等多种开放形态，支持多类特定GPU，代表型号包括AGC 64F（64卡风冷），AGC 64L（64卡液冷，提供21P算力与3T显存）， AGC 32F（32卡风冷），AGC 16F（移动式16卡）及AGC 2（两卡工作站）。
AGC 64F产品示例（图源/企业） 商业模式方面，公司采取“自有品牌直销+OEM合作”的双路径策略，已与多家整机厂商展开合作，以联合方案形式推向市场。同时，公司推出子品牌Upchanger，并与中央美院联合打造，聚焦艺术与渲染等细分场景。 以下为访谈节选（部分内容经编辑）： 硬氪：为什么容芯致远的AGC架构对国产卡非常友好？ 石旭：传统以CPU为中心的架构，对CPU性能与生态依赖极高，这使得在实际部署中，很难将国产CPU与主流GPU体系有效结合，往往受限于数据交换能力与系统瓶颈，难以落地真正意义上的“全国产方案”。而AGC体系通过将GPU上升为系统核心，大幅降低了对CPU的性能依赖，使国产CPU能够在体系中发挥作用，同时兼容国产GPU，从而在现实工程层面打通全国产路径。 容芯致远的理念更像是安卓，我们很开放，兼容全球主流计算芯片，会更强调产业协同与规模扩展能力。在这一开放体系下，不仅整机厂商可以灵活组合硬件方案，上游GPU、CPU及连接器厂商也获得了更广阔的市场空间。AGC本质上提供的是一个“连接平台”，让不同厂商的产品能够在同一体系中协同运行，并随着系统演进持续优化性能与成本结构。 硬氪：您怎么定义容芯致远？ 石旭：我们更像是“不做GPU的英伟达”，希望去定义AI时代新的计算标准与架构范式，让智算进入每一个行业、每一个企业，每一个家庭及个人。目前我们也是工信部人工智能标准委员会成员。 任何计算体系的建立都离不开产业联盟的协同推进。传统x86通用计算体系背后，是由英特尔、AMD、微软以及大量硬件厂商共同构建的长期生态；而AGC所面向的AI计算，同样需要一套全新的产业协作网络。围绕这一目标，容芯致远正联合GPU厂商、CPU厂商、整机厂商、连接器与器件厂商以及模型公司等多方力量，共同推动这个体系的落地与演进。目前正在组织和发起AGC架构生态联盟，未来将会以AGC架构为基础，进一步推动国产智算新标准新生态的落地。 投资方观点 北京绿色能源和低碳产业基金表示：“随着AI Agent时代的到来，对算力成本的消耗将从训练逐步向推理演进。未来推理对算力的消耗将大于训练。单台AI服务器的性价比与兼容性将在未来成为算力企业的核心竞争力。同时，国产算力的瓶颈一方面受制于GPU的制程和单卡性能，另一方面受制于IO传输瓶颈及国产CPU性能。容芯致远掌握多项软硬件核心技术，打造新一代AGC计算体系，降低了对CPU性能的要求，可以适配国内外主流GPU，并提高实际有效性能。此外还正在开发多项新一代技术，有效解决算力传输瓶颈。我们相信，随着容芯致远产品与技术的不断迭代，在AI算力需求激增和国产化需求迫切的时代下，容芯致远不断驱动行业创新，赋能国产AI产业发展。” 赛富投资基金负责科技赛道的管理合伙人蒋驰华表示：“摩尔定律的物理红利正在无可避免地触顶。正如行业数据显示，在2022年之前的十年里
内容来源：ai 原文链接：https://36kr.com/p/3799984046333186?f=rss
市场背景
- BTC 价格：$0.00
- 24h 涨跌：+0.00%
AI Agent 加工：AI Agent（技术分析） 生成时间：2026-05-08T06:01:07.683382+00:00