10亿元B轮到账，这家快手孵化的芯片公司为何不走GPU老路？

11月4日，凌川科技宣布完成10亿元人民币B轮融资，由亦庄国投屹唐盛和基金、启明创投、朝晖资本联合领投，国泰海通开元、华控投资、国寿长三角科创基金等参与。石溪资本、龙芯创投为新进投资方。

距离这家公司上一轮融资不到半年。2025年6月，凌川科技完成数亿元A＋轮，如今10亿规模的B轮紧随其后。

这是一家带着快手基因出生的芯片公司。其前身为快手集团异构计算与芯片事业部，成立于2018年，2024年3月由北京市人工智能基金与快手共同发起设立，独立运营。创始人兼CEO刘凌志曾任快手集团副总裁。

它不做GPU。它做的是一条被称为DiPU——延迟确定性处理单元的计算架构，专门为AI视频生成推理场景设计。

快手喂出来的“第一公里”

凌川科技的产品落地速度，在这个行业里算得上罕见。

目前最成熟的产品是SL200智能视频芯片。据公司介绍，SL200已累计销售近10万颗，其中覆盖快手平台99．7％的直播转码业务。这意味着几乎所有通过快手服务器处理的直播流，背后都有这颗芯片的身影。

这不是实验室数据，而是经过大规模真实场景验证的工程成品。

直播转码的本质任务是将不同分辨率、帧率的原始视频信号转换为适合网络传输的标准编码格式。这个过程要求极高的吞吐量同时保持低延迟抖动——而这恰恰是GPU的短板所在。GPU的优势在于并行浮点运算，擅长矩阵乘法和模型训练，但在处理序列化视频数据时，由于指令调度开销较大，其能效比往往不如针对特定工作负载优化的专用芯片。

这就是DiPU架构存在的理由。

根据公开资料，凌川科技采用自研DiPU计算架构，结合混合键合及先进封装技术实现异构集成（即3D堆叠），让不同功能和制程的芯片封装在一起协同工作。软件层面开发了统一计算平台LUCAS，已完成通义万相、Hunyuan Video等主流视频生成模型的适配优化。

简单说：SL200把快手的直播转码业务从GPU迁移到了自家芯片上，证明了技术可行性和经济性。

从内循环到AI推理，下一站去哪？

10亿融资的主要用途是公司公告所称的“下一代芯片研发与量产”以及全球市场拓展。

下一代芯片的目标市场是AI视频生成推理——也就是让Sora、Runway、Kling这类文本－to－video模型在实际运行中降低成本的那个环节。随着各大厂商的视频生成产品快速迭代，推理成本正成为AI商业化的主要瓶颈之一。一次高质量视频生成都需要消耗大量算力资源，而现有的GPU方案在这方面的成本效率仍有提升空间。

凌川科技的新一代芯片已于今年4月完成流片并近期回片，计划2027年实现规模出货。

这里有一个值得注意的信号：联合领投方中出现了亦庄国投屹唐盛和基金。

亦庄是北京经济技术开发区的国有投资平台，在集成电路领域布局深远。近年来围绕着京东方、小米汽车等项目进行了密集投资，形成了较为完整的区域产业链生态。屹唐盛和基金的投向以半导体为主业，此次联合领投凌川科技的B轮，释放了清晰的产业政策信号——国家层面支持AI算力多元化发展，不只是押注GPU一条路。

启明创投和朝晖资本的连投也值得关注。朝晖资本此前已在A＋轮参与过跟投，连续两轮出手表明其对公司路线的认可。

天花板在哪？

快手内循环跑了个漂亮的数据，但凌川科技面临的根本问题是：除了快手，谁还需要你的芯片？

从现有公开信息看，SL200以外客户的收入贡献尚未拆分披露。阿里云、腾讯云等头部云服务商有自己的推理芯片策略，传统安防厂商已有成熟的供应链体系可以切换，直播行业其他平台也没有迫切的理由放弃现有的GPU方案来更换一颗专有的视频芯片。

换句话说，SL200的成功更像是一个成功的内部工具升级，而非一个开放平台的雏形。

更大的不确定性来自下一代芯片本身。流片完成不等于量产良率达到工业级标准。3D堆叠封装涉及极高的工艺要求——层间对准精度、热管理、功耗密度等每一个环节都会直接影响良品率和单颗成本。一旦良率不理想，即使架构再精妙也无法转化为经济效益。

此外，视频生成模型本身的迭代速度极快。每次有新模型问世，DiPU架构都需要在LUCAS平台上完成适配和优化。如果每次适配周期过长或成本过高，就会拖慢商业拓展节奏。这正是许多ASIC类芯片公司在面对NVIDIA这样的通用加速器时的共同困境。

英伟达也并非无所作为。在其最新的Blackwell架构中，已经开始强化特定场景的效率优化。虽然短期内GPU仍然是AI算力的主流选择，但专用的趋势确实正在发生——Google的TPU早已证明了这一点，AWS的Inferentia也在逐步扩大市场份额。

未来两个季度的观察窗口

对于关注这条赛道的产业分析者和投资者来说，有几个具体的观察指标值得关注：

其一，外部客户占比的变化。如果凌川科技在2027年新一代芯片出货前，能从快手以外的客户拿到实质性订单，说明其商业模式具备独立于单一母体的能力；反之则可能被定性为一个成功的企业内部IT项目。

其二，2027年规模出货的实际进度。流片→回片→试产→良率爬坡→量产出货，中间每一步都存在变数。行业经验表明，先进制程3D堆叠芯片从流片到稳定量产通常需要12到18个月的时间窗口。

其三，LUCAS平台的适配效率。跟踪该团队对新发布的视频生成模型的平均适配周期——如果能将周期压缩到一到两个月以内，说明其工具链已经具备了可扩展的竞争力。

其四，亦庄系后续动作。国资背景的机构通常会在关键节点进行战略增持或产业资源整合，观察屹唐盛和基金及亦庄国投是否在新一轮融资中继续加码，可以作为判断政策信心的风向标。

其五，DiPU架构的单次推理成本对比。只有在与同级别GPU方案的成本PK中获得实质性的优势（比如降低30％以上的推理费用），专用芯片的替代逻辑才能真正成立。否则，GPU的价格持续下探可能随时侵蚀掉ASIC的利润空间。

凌川科技的故事本质上是中国半导体行业的一个缩影：有人靠着大厂的场景和数据找到了切入点，但要从“好用”走向“必需”，还需要跨越更多看不见的鸿沟。