早在 Groq LPU 因为英伟达的押注而名声大噪前，元川微创始人兼 CEO 杨滨就已经开始了对推理芯片的构想。

雷峰网独家获悉，LPU 创业公司元川微已完成 Pre-A 轮数亿元融资。本轮融资由 IDG 资本领投，孚腾资本、九坤创投、尚颀资本、顺禧基金、徐汇科创投联合投资。

据了解，这也是元川微 2026 年以来完成的第四轮融资。

元川微透露，本轮融资资金将主要用于 LPU+ 芯片研发、软件生态建设及产品工程化推进。目前，元川微正与多家产业客户及云厂商开展产品验证与合作。

元川微表示，公司下一轮融资已有序展开。

公开资料显示，元川微成立于 2025 年 9 月，今年 4 月完成的数亿元天使轮系列融资，就已获得头部 VC、政府基金及产业链的联合支持，投资阵容覆盖从流片制造到终端应用的关键环节。

资本的持续加码，反映了推理时代的新一轮芯片竞争，正从 GPU 延伸至推理专用架构。押注这一方向的元川微，如果只看其芯片形态一一时空编译器、硬流水架构、大带宽存储，确实像一家 " 中国版 Groq"。

但杨滨并不认同这种简单对应：" 如果我们的目标只是模仿 LPU，那么能拓展的空间实际上并不多。"

在他看来，选择何种芯片技术，只是在完成市场判断后自然推导而出的结果，并非创业的起点。

这种思考方式与杨滨在华为过去二十多年的经历密切相关——他曾赴美从零组建华为处理器团队，回国后负责华为无线基带算法与芯片相关业务，长期主导大规模硬件调度、数据架构研发等任务。

" 创业其实是你过去积累的所有资源的兑现。" 杨滨总结。而这不仅指向对产业的理解、沉淀下来的技术能力，还包括积攒的口碑和资源组织能力等。

核心成员过去几十年积累下来的技术能力、产业经验和人才资源，也构成了元川微创业的底座。CTO 孙博士对 GPGPU、GPU、DSP 等高性能计算架构的钻研超过三十年，首席软件工程师 Will 博士拥有 20 多年编译器、EDA 和异构系统软件经验。

相比起讨论 " 国产替代 "" 性价比 " 等热门议题，这支由行业老兵组成的新公司更关注的是——当 AI 进入 Agent 时代，推理计算究竟应该围绕什么来重新组织。

01

从 AI 终局倒推确定 LPU 路线，只做最快的推理

2025 年上半年，当杨滨和 CTO 在讨论 AI 芯片赛道还有哪些创业机会时，他们就已经意识到相比模型的能力，模型真正落地后才会产生价值。

彼时，Deepseek R1 凭借远低于行业预期的成本，训练出接近当时顶级模型的性能，加速 AI 应用走向低成本部署；Manus 刚刚打开通用 Agent 的想象空间；黄仁勋首次将推理和 Agent 作为 GTC 大会的核心叙事，并推出面向推理时代的整体解决方案。

随着推理的市场需求不断释放，杨滨将目光投向 Vibe coding 等生产力应用。" 就像家庭带宽从 100 兆升级到 1G，收费并不呈线性增长。" 在产业界摸爬滚打多年的他熟悉此类场景的商业逻辑——客户愿意为效率支付更高的溢价。

" 主打性价比肯定有市场空间，但会被压缩得很快。" 因此，他们首先要做的不是帮客户节省成本，而是创造更高的价值。" 只做推理且只做最快的推理 " 开始成为杨滨所信奉的法则。

2025 年底一份百万亿 Token 实证研究显示，推理模型已处理 OpenRouter 平台约一半的 Token，而 Agentic AI 推理正成为增长最快的交互方式。这意味着低时延和高稳定性的价值正在被进一步放大。

杨滨指出，Agent 完成一项任务往往需要经历任务规划、工具调用、结果验证等多个环节，在这背后可能对应几十次甚至上百次推理。而任何一次推理产生的延迟，都会沿着任务链不断累积。

如果进一步发展为多个 Agent 协同，单 Agent 的响应变慢，还可能会像蝴蝶效应一样在整个系统中层层传导，最终拖慢任务执行。

除此之外，杨滨还注意到人与 Agent 交互中对高稳定的追求：人与人交流时的停顿本身暗含思考、组织语言等语义；但当 Agent 输出 Token 的节奏忽快忽慢时，用户感受到的反而是一种机械感。

当 Agent 时代的需求被一步步明确，重新思考推理芯片的设计便成为自然而然的选择。在杨滨看来，传统 GPU 建立在冯 · 诺依曼架构之上，并不完美匹配当下的计算模式；而完全 ASIC 化虽然能够获得极致性能，却又难以适应模型快速演进带来的变化。

因此，新的架构需要重新思考哪些能力可以硬化，哪些能力需要保持灵活，最大化算力、存力与运力的系统方案综合效率。沿着这一思路，杨滨及其团队最终确定了 LPU 的技术路线。

02

不是复制 Groq，做面向

Agentic AI 实时推理时代的原生 LPU

杨滨并不认为元川微是在复制 Groq。

他直言两家公司虽然都关注低延迟、可预测的推理，但诞生于 CNN 时代的 Groq LPU 当时面临的模型架构和应用需求都与今天并不相同。

尽管 Groq 后来将产品名称从 TSP（Tensor Streaming Processor，张量处理器）改为 LPU（Language Processing Unit，语言处理单元），在他看来这并不意味着 LPU 只能处理语言模型。

同样采用这一命名的元川微，将其架构命名为 LPU+，从设计之初便支持多模态模型。此外，作为 Transformer 时代的原生架构，LPU+ 还针对 MoE（Mixture of Experts，混合专家）模型的动态调度特征进行优化。

但这并不意味着 Groq 过去的技术积累没有含金量。"Groq 真正值得借鉴的是其一直坚持的硬流水架构。" 据杨滨的观察，这在一定程度上避免了芯片运行过程中的资源竞争和不必要的数据等待，也为采用大容量 SRAM 创造了条件。

不过，要将这套架构与存储介质的协同优势真正发挥出来，还有赖于编译器的提前规划。

杨滨将这一过程形容为制定高铁运行图：每一趟列车何时发车、何时停靠、停留多久，都已经提前安排妥当。直到真正运行时，高铁只需按照既定路线执行任务即可。

也正因为此，杨滨强调 LPU的时空编译器、硬流水架构、大带宽存储这三大核心很难区分谁的优先级更高，前两者决定了芯片的理论性能，而时空编译器则关系到这些能力在实际运行中能够兑现多少。

这些技术最终指向的，并不是一颗单独的推理芯片。

杨滨告诉雷峰网 ( 公众号：雷峰网 ) ，基于硬流水架构，元川微无需针对不同算力等级重新设计芯片，而是可以根据云边端不同场景灵活扩展算力规模。

在刚刚落幕的 2026 世界人工智能大会上，这套技术路线首次以 Agentic AI Token 工厂的形式对外亮相，为企业级推理服务提供底层算力支撑。

这只是蓝图落地的第一步。在华为二十多年的经历中，杨滨最大的收获并非某项具体技术，而是一套从产业价值、商业闭环一路推导至技术选择的系统工程思维。

元川微成立至今的每一步，都在验证这一思维的有效性。而它也将继续指引这家创企寻找下一阶段的答案。

关于 LPU 等新架构芯片以及推理时代产业竞争的更多观察，欢迎添加作者微信 Evelynn7778 交流。