这条消息的主体我还没确认，先从 “MRAM 推理芯片＋Pre-A+＋GPU 与机器人公司参投” 这三个线索一起找，定位到具体团队和融资细节。
已定位到主体：寒序科技（ICY Tech）。我再补充它的团队背景、产品进度和此前融资，避免只凭一篇快讯就写稿。
主体和融资都已确认。我再核对产品进度，也就是验证芯片、工程样片走到了哪一步，以及 uLPU 具体指什么。
寒序科技（ICY Tech）已经完成数亿元 Pre-A + 轮融资，这一轮最值得注意的不是金额，而是投资方的身份结构：一家头部国产 GPU 公司、一家头部具身机器人公司，还有一家老牌人工智能公司，在同一轮里一起入股。三家产业方后续不只是股东，还会以客户和合作伙伴的身份参与，用来支撑产品化和商业化量产。三个投资方的具体名字没有公开，精确到亿元的金额也没披露，“数亿元” 是公司对外口径。公司同期已经启动新一轮财务融资，光源资本担任下一轮的财务顾问。寒序科技 2023 年 8 月成立，孵化于北京大学物理学院应用磁学中心，做的是 MRAM（磁性随机存储器）存算融合，目前主推的是面向端侧和边缘 AI 推理的 uLPU™推理处理器。先把边界画清楚：这轮钱确认了方向被产业方认可，但还没到 “有订单、有营收” 的阶段，产品也仍在工程化爬坡。
这轮的出资结构，比金额更值得细看：
| 投资方类型 | 身份 | 在这家公司里的作用 | 披露情况 |
|---|---|---|---|
| 头部国产 GPU 公司 | 产业股东 | 提供算力系统侧的经验与生态位，可能作为协同方与客户 | 名称未披露 |
| 头部具身机器人公司 | 产业股东 | 端侧 / 边缘推理的真实场景与需求入口 | 名称未披露 |
| 老牌人工智能公司 | 产业股东 | 模型与应用侧的落地场景 | 名称未披露 |
| 财务投资人 | 未单独说明 | 资金支持 | 名单未披露 |
有一点需要拎出来说：产业资本入股在芯片行业通常被解读成 “需求背书”，但投资和采购是两笔账。真正能验证这轮融资的，是后面有没有采购订单、有没有进入量产 BOM，而不是股东名单里有谁。
GPU 和机器人公司愿意同时进来，跟 MRAM 这条路的现实位置有关。大模型推理进入 Decode 阶段后，每生成一个 Token，几十亿颗权重都要被反复读一遍，瓶颈从 “算得多快” 变成了 “权重送得到不到”。现有主流方案里，HBM 容量大但贵、功耗高；SRAM 带宽高但容量小、还漏电；DRAM 便宜但易失、要不停刷新。MRAM 的特点是断电不丢数据、读写接近 SRAM 的速度、能用 CMOS 后道工艺集成，适合把权重 “长期住” 在计算单元旁边。机器人这类端侧设备对功耗、体积、散热极其敏感，又要求低时延本地响应，正好是这条路线最想切的市场；GPU 公司则更清楚带宽墙在哪里，投的是 “下一代存储和计算怎么重新分工” 这个判断。
uLPU 的产品逻辑也就顺下来了：
- 权重常驻：模型权重长期放在 Persistent MRAM 阵列里，不每次从 DRAM 搬进 SRAM。
- 近存计算：在同一个 Compute-Memory Die 内完成矩阵 - 向量运算。
- 少搬数据：系统主要传低维激活向量，而不是反复搬权重。
几个关键数字要标清属性，别当成实测：
| 指标 | 数值 | 属性 | 说明 |
|---|---|---|---|
| 首代 uHBM 片内权重读出带宽 | 最高 24 TB/s | 架构设计值 | 需首代工程产品流片后才能实测 |
| uLPU Decode 性能目标 | 超 2000 Tokens/s | 目标值 | 面向 4B 多模态主干模型 |
| 验证芯片片上访存带宽密度 | 0.105 TB/(mm²·s) | 实测值 | SpinPU-ED01，集成 120 个 MRAM Bank |
产品形态规划是一条从芯片到机柜的路线：uHBM-Die → uLPU-Chip → Module → 2U Tray → Rack。端侧叫 uLPU Edge，由 uHBM 和 NPU 协同，面向机器人等物理 AI 场景；云端叫 uLPU Cloud，靠 UCIe 做片间扩展，用 112G/224G SerDes 搭机柜级系统。
现在做到哪一步，这决定 “数亿元” 能撑多久：
| 阶段 | 状态 | 关键证据 |
|---|---|---|
| 验证芯片回片 | 已完成 | SpinPU-ED01 已回片，集成 120 个 MRAM Bank |
| 端到端模型推理 | 已完成 | 在验证芯片上跑通完整推理链路 |
| 稳定性验证 | 已完成 | 连续 24 小时稳定运行，另完成第三方检测 |
| 首代完整工程产品 | 流片前收敛 | 尚未投片，无流片时间表公开 |
| 量产路径 | 未启动 | 按投片、回片验证、系统联调、风险量产四步推进 |
公司自己的说法比较克制：验证芯片回答的是 “这条路能不能走”，接下来两年的核心任务是把架构做成可量产的产品。这句话翻成大白话 —— 物理和器件层面跑通了，工程和商业层面还没跑通。
时间线拉出来看，这家公司的融资节奏其实很快：
| 时间 | 节点 |
|---|---|
| 2023 年 8 月 | 公司成立，孵化于北大应用磁学中心 |
| 2023 年 11 月 | 种子轮，零以创投 |
| 2024 年 1 月 | 种子 / 种子 + 轮，零以创投、天使投资人费革胜 |
| 2024 年 7 月 | 发布 SpinPU-M01 磁概率计算芯片，1024 概率比特全连接 |
| 2025 年 5 月 | 千万级融资，彼岸时代、源合资本 |
| 2025 年 10 月 | Pre-A 轮，启高资本、赛意产业基金 |
| 2026 年 8 月 | Pre-A 轮增资，国香资本、中投国兴 |
| 2026 年 8 月 31 日 | 公布 uHBM® 与 uLPU™推理计算架构 |
| 2026 年 10 月 28 日 | Pre-A + 轮数亿元消息披露，工商登记为 10 月 30 日 |
| 2026 年 11 月 | 新一轮财务融资启动，光源资本任 FA |
注意一个口径差异：不同数据库对这家公司的轮次标注并不一致，有的记为 5 次融资、有的按种子 / 种子 +/Pre-A/Pre-A + 分列，早期还有 “千万级”“数千万元” 混用的表述。看轮次别看总数，看时间点和金额量级更稳。
技术路线横向对比，MRAM 的位置也更清楚：
| 介质 | 非易失 | 读速度 | 容量密度 | 工艺兼容 | 主要短板 |
|---|---|---|---|---|---|
| MRAM | 是 | 接近 SRAM | 中等 | CMOS 后道兼容 | 良率、成本、写入能耗仍需工程验证 |
| SRAM | 否（漏电） | 最快 | 低 | 标准 CMOS | 容量小、静态功耗高 |
| DRAM/HBM | 否（需刷新） | 中等 | 高 | 专用工艺 | 贵、功耗高、要持续刷新 |
| RRAM | 是 | 较快 | 较高 | 后道兼容 | 器件一致性、良率、生态薄弱 |
团队是北大系，这点在材料里能对上：CEO 朱欣岳本科在南京邮电大学读电子科学与技术、辅修计算机，硕士在北大物理学院，师从杨金波、罗昭初；联合创始人兼首席科学家罗昭初是北大物理学院研究员、助理教授、博导，清华材料学院本硕博出身，在 ETH Zurich/PSI 做过博士后，2023 年入选《麻省理工科技评论》“35 岁以下科技创新 35 人” 中国区榜单。公司另一条产品线 SpinPU-M 系列做的是磁概率计算，M01 是 1024 概率比特全连接的 FPGA 加速卡，M02 是 28nm ASIC，在 1024 节点全连接 Max-Cut 求解上给出的加速比是 54 倍（对比 Intel i9-14900K），蛋白质对接测试中另一份报道给出的数字是 85.81 倍 —— 两个数对应不同任务，别混成一个通用算力倍数。
往后真正要盯的三件事，按重要性排：
- 首代完整工程产品什么时候投片、回片后实测的带宽、功耗、模型兼容性是多少。24TB/s 和 2000 Tokens/s 现在都还是设计目标，实测打折多少决定这条路线能不能进产品。
- 产业股东什么时候从 “入股” 走到 “下单”。GPU 公司和机器人公司既是客户也是伙伴，这句话在产品落地前只是意向。
- 量产良率与成本。MRAM 的器件一致性、写后校验开销、测试标准都还在行业早期，能不能把 1Gb 级阵列做到稳定出货，是商业化的门槛。
【相关 FAQ】
问题 1：寒序科技这轮数亿元 Pre-A + 轮融资，投的人是哪几家？为什么不肯说名字？
回答 1：截至 2026 年 11 月 9 日，寒序科技 Pre-A + 轮只披露了类型，一家头部国产 GPU 公司、一家头部具身机器人公司、一家老牌人工智能公司同轮入股，机构名称和各家出资额都没有公开。芯片公司在这个阶段不披露产业股东名字，常见原因是对外合作还没到可以公布的节点，或者客户身份本身涉及其供应链保密要求。能确认的是这些产业股东将同时以客户和合作伙伴身份参与，而不是纯财务投资。
问题 2：MRAM 推理芯片和现在主流的 GPU 推理、HBM 方案比，寒序科技的 uLPU 优势在哪、短板在哪？
回答 2：uLPU 的思路是把模型权重常驻在 MRAM 阵列里、在片内完成矩阵向量运算，减少 Decode 阶段反复搬运权重的开销，这是 MRAM 推理芯片相对 GPU＋HBM 方案最直接的差异点。优势在能效和带宽密度，端侧和机器人这类功耗受限场景更受用；短板在容量和工程成熟度，MRAM 单元密度不如 DRAM，良率与成本控制还在验证期。而且 uLPU 宣称的 24TB/s 带宽和 2000 Tokens/s 解码速度都还是设计值，没有流片实测支撑。
问题 3：数亿元 Pre-A + 轮融资到账后，寒序科技的 MRAM 推理芯片多久能买到或用上？
回答 3：短期内买不到成品。寒序科技的验证芯片 SpinPU-ED01 已经回片，跑通了端到端模型推理并完成连续 24 小时稳定运行和第三方检测，但首代完整工程产品还处在流片前收敛阶段，之后还要走投片、回片验证、系统联调和风险量产四步，公司没有公开具体时间表。也就是说，这轮数亿元 Pre-A + 轮融资解决的是 “把架构做成产品” 的研发和流片资金，不是量产备货资金，产品化落地至少还要跨过一轮完整流片。
问题 4：为什么头部 GPU 公司和机器人公司会一起投一个 MRAM 推理芯片团队？
回答 4：两家看的是同一个瓶颈的不同侧面。GPU 公司最清楚大模型推理里带宽和存储层级带来的天花板，投的是下一代存储与计算分工的判断；机器人公司面对的是端侧功耗、体积、散热的硬约束，需要本地低时延推理，MRAM 推理芯片的非易失和高带宽特性正好对上。对寒序科技来说，这两类产业股东既带来场景，也带来系统级的设计反馈，比纯财务资本更贴近量产需求。
【参考资料】
[2026-11-09]（寒序科技 (北京) 有限公司 - 启信宝）启信宝
[2026-11-09]（磁学与芯片研究中心 - 北京大学威海海洋研究院）北京大学威海海洋研究院
[2026-11-07]（寒序科技 (北京) 有限公司经营信息）企查查
[2026-11-07]（相关快讯：寒序科技完成数亿元 Pre-A + 轮融资）大河财立方
[2026-11-04]（寒序科技宣布完成数亿元 Pre-A+ 轮融资，聚焦磁性随机存储器 (MRAM) 存算融合技术，推进 uLPU™ 推理处理器研发）天眼查
[2026-10-28]（布局 MRAM！我国头部 GPU 与具身企业战略投资北大系初创公司）财联社
[2026-10-11]（寒序科技官网首页与 SpinPU-M 产品页）寒序科技官网
[2026-09-17]（AI 芯片融资与产品进展盘点：寒序科技公布 uHBM® 与 uLPU™推理计算架构）科创板日报
[2026-08-31]（2000 Tokens/s！寒序科技推出国产 LPU 推理芯片：让权重不再 “搬家”）太平洋科技
[2025-05-23]（北大系磁性计算芯片创企「寒序科技」获千万级融资，彼岸时代、源合资本投资）投资界
[2025-01-14]（朱欣岳：聚焦磁性计算芯片，开启 AI 计算新时代）北京科技报
[2024-07-27]（切入 AI 算力市场，「寒序科技」用磁概率、磁逻辑计算芯片提供计算新范式）36 氪
免责声明： 本文依据公开报道、企业官网及工商登记信息整理。寒序科技 Pre-A + 轮 “数亿元” 为公司对外披露口径，精确金额、投资机构名称与各家出资比例均未公开，文中不对未披露信息作推测；头部国产 GPU 公司、头部具身机器人公司、老牌人工智能公司的具体身份以官方后续披露为准。文中 24TB/s 片内权重读出带宽、2000 Tokens/s 解码性能均为公司架构设计值或目标值，非流片实测结果；0.105 TB/(mm²・s) 为验证芯片实测口径，测试条件由公司提供，未见独立第三方复现。加速比数字对应特定测试任务与对照平台，不代表通用算力水平。本文不构成投资建议、估值判断或采购依据，相关决策请以公司公告与正式披露为准。