文 | 海若镜
近一年间，国产 GPU 处于资本热潮中。
暗涌 Waves 独家获悉，曦望 Sunrise近日再获新一轮 20 亿元融资，投后估值达到约 200 亿元。就在今年 4 月，曦望完成了由杭州资本领投的超 10 亿元融资，估值破百亿人民币。不到半年时间里，估值接近翻倍。
粗略计算，自 2024 年底从商汤科技分拆至今，曦望已累计融资接近 60 亿元。
针对上述消息，曦望方面回应称：暂不便做进一步评论。
曦望的独立时间不长，芯片团队却已经存在多年。2024 年底，商汤推进 "1+X" 架构调整，将高投入、长周期的芯片业务拆分独立，由商汤联合创始人徐冰担任董事长，两位联席 CEO 王勇曾在 AMD、昆仑芯担任核心架构师，2020 年加入商汤负责芯片业务；王湛曾任百度副总裁。
拆分前，这支团队已量产过两款芯片：多模态视觉推理芯片 S1、大模型推理 GPU S2。在信奉 " 连续成功 " 的投资圈，这是重要加分项。
据知情方透露、结合工商变更信息等，2026 年 8 月曦望的新一轮融资中，产业资本的名单继续扩大，包括正大集团、九安医疗、盈峰环境、同程旅行等。同时，人保股权、建信股权 " 国家队 " 资金进场；Janchor Partners、中科创星、同创伟业等财务机构也参与投资。
为什么短短数月间，一家推理芯片公司的估值会接近翻倍？
站在 2026 年中节点来看，AI 算力需求结构的改变已比较明朗。过去几年，AI 算力消耗最多的时刻是在大模型训练阶段；而今，Agent 批量进入生产环节，一次任务可能会发生几十次模型调用，24 小时不间断的推理和 token 生产，成为算力消耗增长的重点。
特别是今年夏天，Kimi K3、MiniMax H3、DeepSeek-V4 开源模型陆续发布，AI Coding、视频生成、办公的需求明显提速。这几类任务往往会产生大量长上下文、多轮调用和工具使用，调用规模越大、用户对产生的成本越敏感。
这也是今年 "Token 经济学 " 被反复讨论的原因。当推理成为一门好生意，一颗芯片能够稳定生成多少 Token，每个 Token 要消耗多少电、多少钱，能否稳定供应，是采购方必然考虑的真实账本。
曦望 2026 年 1 月发布的推理芯片 S3，尝试在推理效率、成本、供应确定性等方面提前卡位。此前曦望团队在接受媒体访谈时提及，S1、S2 两代芯片在实际交付中，绝大多数算力被用于推理场景，因此推动了 S3 彻底转向推理专用架构。和主流 GPU 不同，S3 不追求训推一体，而是把晶体管和功耗预算，集中压在推理效率。
显存选择上，S3 没有沿用训推一体 GPU 标配的高带宽内存（HBM），而是选择了手机、笔记本电脑常用的低功耗内存（LPDDR）。
如果把显存看作 " 仓库 "，HBM 像建在超宽高速路口的立体仓，优势是带宽极高，数据进出快，但价格昂贵，且先进封装产能集中在台积电等少数厂商手里，供货紧张。相比而言，LPDDR 单条带宽不如 HBM，但容量可以做大，成本低，供应链更可靠。
随着 Agent 处理的任务越来越复杂，除了计算速度，显存能否装得下模型、长上下文和运行中的临时记忆，正成为推理效率的关键。用 LPDDR 把 " 仓库 " 做大之后，再通过低精度计算压缩每个 Token 需要搬运的数据量，整体推理效率可能更优。
技术之外，在供应链自主可控层面，长鑫科技的部分 LPDDR5X 产品已于 2025 年进入量产，下一代 LPDDR6 研发接近尾声，国产存储具备了初步供给能力。对于国内同样采取此路线的推理芯片公司而言，在存储环节不必完全依赖海外供应链。
自去年底至今，摩尔线程、沐曦股份、壁仞科技等接连上市，拟上市队列中还有燧原科技、昆仑芯等选手。推理算力，仍是 AI 产业链中的卡点。围绕着推理专用架构、存算一体、算力调度的创业仍十分热闹，资本和人才继续涌入。不过，热闹之后，产能释放和路线分化，会把行业拉进兑现期。
曦望正处在这个转折点上。
两代芯片量产提供了工程经验，S3 押注的差异化路线也在行业拼 " 单位 token 成本 " 的时刻，显现出新价值。但目前创新只完成了一半，这套技术组合能否在大规模交付中站稳，百万 Token 的成本曲线能否如预期下行，剩下一半仍要交给市场。
