真正的智能化效能躍遷，是讓AI智能體接管優(yōu)化全流程，將計(jì)算加速任務(wù)從“工程實(shí)驗(yàn)”轉(zhuǎn)化為“可計(jì)算的優(yōu)化問(wèn)題”。

「甲子光年」獲悉，智子芯元（深圳）科技有限公司已完成數(shù)千萬(wàn)元天使輪融資，本輪由同創(chuàng)偉業(yè)、鈞山資本領(lǐng)投，老股東英諾天使與松禾資本超額跟投。

成立僅半年，連續(xù)獲得知名投資機(jī)構(gòu)青睞，這背后指向一個(gè)正在加速成型的產(chǎn)業(yè)判斷：

國(guó)產(chǎn)AI基礎(chǔ)設(shè)施正在經(jīng)歷一場(chǎng)底層范式遷移——計(jì)算加速的實(shí)現(xiàn)路徑，正從“依賴稀缺專家手工調(diào)優(yōu)”，轉(zhuǎn)向“由AI接管全流程開(kāi)發(fā)的復(fù)雜度”。

這一轉(zhuǎn)變的意義不止于效率提升，更關(guān)乎國(guó)產(chǎn)算力能否真正從“紙面峰值”走向“業(yè)務(wù)可用”的結(jié)構(gòu)性躍遷。嗅覺(jué)敏銳的資本，正在押注這一轉(zhuǎn)變的確定性。

1.國(guó)產(chǎn)算力進(jìn)入深水區(qū)，智子芯元用“AI+運(yùn)籌”解決AI計(jì)算生態(tài)難題

近兩年，國(guó)產(chǎn)AI芯片供給能力持續(xù)提升，規(guī)?；涞剡M(jìn)程加速。但一個(gè)關(guān)鍵矛盾隨之浮現(xiàn)：算力的物理供給已具備規(guī)模，工程側(cè)的適配能力卻嚴(yán)重滯后。

模型在國(guó)產(chǎn)芯片上的遷移部署，通常需要跨越兩道工程門檻：

• 快速讓模型跑起來(lái)：兼容硬件環(huán)境、PyTorch模型、國(guó)產(chǎn)芯片已有算子庫(kù)；

• 讓模型運(yùn)行速度更快：定位推理鏈路瓶頸，進(jìn)行從應(yīng)用場(chǎng)景、到框架、再到算子的系統(tǒng)性優(yōu)化。

傳統(tǒng)流程往往依賴人工經(jīng)驗(yàn)與反復(fù)試錯(cuò)，難以支撐多模型版本、持續(xù)迭代的交付節(jié)奏。導(dǎo)致國(guó)產(chǎn)芯片使用方時(shí)常陷于跨生態(tài)遷移、手工算子調(diào)優(yōu)的工程泥沼，紙面上的算力峰值并未有效轉(zhuǎn)化為業(yè)務(wù)側(cè)可感知的效率提升。

這一困境的成因是結(jié)構(gòu)性的：

• 全球主要AI資產(chǎn)原生于CUDA生態(tài)，遷移成本高；

• 國(guó)產(chǎn)芯片因制裁導(dǎo)致架構(gòu)通用性不足，軟件生態(tài)建設(shè)起步晚；

• AI時(shí)代算子多樣性與復(fù)雜度急劇增加，而掌握底層計(jì)算開(kāi)發(fā)能力的工程人才極度稀缺。

智子芯元認(rèn)為，上述因素共同指向一個(gè)不可回避的結(jié)論：構(gòu)建國(guó)產(chǎn)芯片“好用”的生態(tài)，不能再依賴人類專家手工堆砌，必須用AI全面接管底層計(jì)算加速的復(fù)雜度。

2.技術(shù)路徑：運(yùn)籌學(xué) x 大模型，把算子開(kāi)發(fā)變成可求解的優(yōu)化問(wèn)題

智子芯元是國(guó)內(nèi)最早系統(tǒng)性探索“AI for 計(jì)算加速”方向的創(chuàng)業(yè)公司，其核心技術(shù)路徑是：運(yùn)籌學(xué) x 大模型。

這一路徑的底層邏輯在于，將算子開(kāi)發(fā)重新定義為一個(gè)約束尋優(yōu)問(wèn)題：大模型負(fù)責(zé)理解需求、劃定搜索空間或生成搜索算法模板；運(yùn)籌學(xué)算法在硬件約束下尋找最優(yōu)參數(shù)組合。兩者分工明確——運(yùn)籌學(xué)提供數(shù)學(xué)嚴(yán)謹(jǐn)性與效率來(lái)源，大模型提供快速試驗(yàn)執(zhí)行能力與先驗(yàn)知識(shí)。

與通用AI Coding項(xiàng)目不同，算子開(kāi)發(fā)并非代碼補(bǔ)全，而是需要在真實(shí)硬件上反復(fù)編譯、運(yùn)行、測(cè)試性能，通過(guò)實(shí)際報(bào)錯(cuò)信息與性能數(shù)據(jù)持續(xù)迭代。智子芯元基于硬件特性的等效數(shù)學(xué)建模，將物理系統(tǒng)轉(zhuǎn)化為等效數(shù)學(xué)邊界，構(gòu)建了“硬件在環(huán)”的閉環(huán)實(shí)驗(yàn)機(jī)制，能有效遏制大模型的幻覺(jué)問(wèn)題，保障輸出結(jié)果的工程可用性和性能穩(wěn)定性。

據(jù)「甲子光年」了解，智子芯元從創(chuàng)立之初便堅(jiān)持“Build for Agent”路線——不是將AI嵌入產(chǎn)品，而是賦予AI足夠原生的能力，將其打造為能夠真正掌控工作環(huán)境的智能體。用聯(lián)合創(chuàng)始人丁添的話說(shuō)：“AI和人類的結(jié)合，10%是結(jié)合， 100%也是結(jié)合，而我們想走到90%以上。”

丁添曾任職于華為2012實(shí)驗(yàn)室，從事復(fù)雜系統(tǒng)的“黑盒優(yōu)化”研究，后進(jìn)入深圳市大數(shù)據(jù)研究院工作。長(zhǎng)期浸潤(rùn)于底層系統(tǒng)優(yōu)化領(lǐng)域，讓他敏銳捕捉到了國(guó)產(chǎn)芯片生態(tài)在工具鏈和適配效率上的斷層。智子芯元正是在這一背景下，從計(jì)算加速切入，試圖把優(yōu)化能力從“靠人堆”轉(zhuǎn)向“靠系統(tǒng)做”。

3.將技術(shù)理念轉(zhuǎn)化為確定性的商業(yè)交付

承載這套方法論的，是智子芯元自研的智能引擎KernelCAT，它并非傳統(tǒng)編程工具，而是智子芯元各項(xiàng)產(chǎn)品能力背后的統(tǒng)一技術(shù)底座，包含著團(tuán)隊(duì)自行構(gòu)建的混合模型、運(yùn)籌優(yōu)化底座與計(jì)算加速智能體框架。

KernelCAT能實(shí)現(xiàn)從需求理解、代碼生成到編譯驗(yàn)證的全流程自主執(zhí)行，開(kāi)發(fā)者只需通過(guò)自然語(yǔ)言描述需求，KernelCAT即可完成完整的工程交付，并具備連續(xù)運(yùn)行數(shù)十小時(shí)、持續(xù)迭代直至達(dá)成目標(biāo)的工程穩(wěn)定性。

主流模型自動(dòng)化遷移

在實(shí)際應(yīng)用中，KernelCAT的交付能力令人驚嘆。據(jù)「甲子光年」了解，在DeepSeek-V4正式發(fā)布后，智子芯元的工程師讓KernelCAT自主設(shè)計(jì)模型遷移方案，當(dāng)天快速完成了DeepSeek-V4-Flash在昇騰平臺(tái)上的部署和跑通。在傳統(tǒng)的“模型Day0適配”工作模式中，芯片廠商的技術(shù)團(tuán)隊(duì)往往會(huì)在模型正式發(fā)布前的幾周，甚至數(shù)個(gè)月，開(kāi)啟模型適配工作，以此保障能同步進(jìn)行“Day0適配”宣發(fā)。而智子芯元對(duì)于“Day0適配”的追求是，在模型正式對(duì)外發(fā)布后再開(kāi)啟適配工作，擊破芯片廠商的“時(shí)間焦慮”。

這樣顛覆性的效率并非偶然，在此之前，KernelCAT已實(shí)現(xiàn)幫助客戶在38分鐘內(nèi)將多模態(tài)模型DeepSeek-OCR-2全自動(dòng)遷移到華為昇騰平臺(tái)并完成推理驗(yàn)證；僅用4小時(shí)完成深度架構(gòu)適配優(yōu)化，性能較基礎(chǔ)方案提升35倍；而同樣的工作量，傳統(tǒng)方式需要10～15人天才能完成。

對(duì)已遷移模型的深度性能調(diào)優(yōu)

對(duì)于已遷移模型的深度性能調(diào)優(yōu)，KernelCAT同樣表現(xiàn)出色。Qwen 3.5系列模型在社區(qū)Day 0適配版本中，單并發(fā)場(chǎng)景下僅有6-8tokens/s，KernelCAT僅用40分鐘便將其自動(dòng)優(yōu)化至40tokens/s，充分保障了商業(yè)場(chǎng)景下的可用性。通過(guò)“運(yùn)籌優(yōu)化”能力，對(duì)用戶問(wèn)答、翻譯、編程、長(zhǎng)文本等各類使用場(chǎng)景進(jìn)行深度調(diào)優(yōu)，對(duì)比社區(qū)發(fā)布的深度優(yōu)化后的最佳實(shí)踐，KernelCAT優(yōu)化后的Qwen在吞吐、首字延遲等關(guān)鍵指標(biāo)上實(shí)現(xiàn)了40%～500%的性能提升。

模型批量遷移

在規(guī)?；涞貙用妫琄ernelCAT已批量完成超過(guò)15個(gè)主流SOTA開(kāi)源模型在昇騰NPU上的全流程適配，覆蓋文本檢測(cè)、圖像分類、OCR、語(yǔ)音等多個(gè)技術(shù)方向。交付周期從“周”級(jí)壓縮至“小時(shí)”級(jí)，同時(shí)輸出包含精度驗(yàn)證報(bào)告與性能基準(zhǔn)測(cè)試的完整交付件。這一突破標(biāo)志著智子芯元交付給客戶的不再是零散的“定制化服務(wù)”，而是可復(fù)制的“標(biāo)準(zhǔn)化效率產(chǎn)線”。

前沿模型適配攻關(guān)

在前沿模型攻關(guān)和AI for Science領(lǐng)域內(nèi)，KernelCAT的表現(xiàn)同樣亮眼。在KernelCAT的介入下，僅用時(shí)數(shù)小時(shí)，便實(shí)現(xiàn)了JAX框架模型到昇騰框架的自動(dòng)化適配，使能torchfold的長(zhǎng)序列預(yù)測(cè)，這類模型通常對(duì)計(jì)算圖復(fù)雜度、資源調(diào)度和性能穩(wěn)定性有著極高要求，被視為檢驗(yàn)智能交付能力的關(guān)鍵樣本。據(jù)行業(yè)經(jīng)驗(yàn)，達(dá)成這樣的成果通常需要人類專家團(tuán)隊(duì)投入數(shù)月時(shí)間。

更具商業(yè)想象空間的是，當(dāng)AI native的研發(fā)理念真正落地于產(chǎn)品，KernelCAT展現(xiàn)出的不僅是系統(tǒng)性交付能力，更是適用各類硬件平臺(tái)的出色泛化性。

目前，智子芯元幾乎完成了在全部主流國(guó)產(chǎn)算力芯片上的計(jì)算加速任務(wù)的交付驗(yàn)證，芯片類型覆蓋了數(shù)據(jù)中心場(chǎng)景的推訓(xùn)芯片、端側(cè)高性能芯片，以及CPU超算芯片。

在軟硬件創(chuàng)新“百花齊放”卻“高度分散”的產(chǎn)業(yè)現(xiàn)狀下，這種通用性，正是KernelCAT成為計(jì)算加速領(lǐng)域基礎(chǔ)設(shè)施級(jí)工具的關(guān)鍵前提。它既能服務(wù)于國(guó)產(chǎn)計(jì)算生態(tài)的整體繁榮，也能為各類芯片使用方提供跨場(chǎng)景的堅(jiān)實(shí)保障，真正實(shí)現(xiàn)了從技術(shù)理念到商業(yè)價(jià)值的確定性轉(zhuǎn)化。

4.結(jié)語(yǔ)

成立僅半年的智子芯元，憑借其核心引擎KernelCAT，已成功推出兩款戰(zhàn)略級(jí)產(chǎn)品：Kerminal直擊算力生態(tài)的系統(tǒng)性痛點(diǎn)，為芯片廠商和AI企業(yè)構(gòu)建“開(kāi)箱即用”的算力基礎(chǔ)設(shè)施；KerWork則前瞻布局“AI+運(yùn)籌”在計(jì)算加速延長(zhǎng)線上的更多高價(jià)值應(yīng)用，打開(kāi)第二增長(zhǎng)空間。

據(jù)悉，智子芯元將持續(xù)押注“AI+運(yùn)籌”這條技術(shù)主線，加速產(chǎn)品迭代與場(chǎng)景滲透。生產(chǎn)力級(jí)AI智能體的能力除了被“基礎(chǔ)模型和Harness提升”，也正在被“運(yùn)籌優(yōu)化范式”所拓展。

對(duì)投資者而言，這家公司所踩中的，恰是中國(guó)AI產(chǎn)業(yè)從“勉強(qiáng)能用”翻越至“真正好用”的那道分水嶺——國(guó)產(chǎn)替代的浪潮越深入，軟硬協(xié)同的生態(tài)價(jià)值就越稀缺，而稀缺，從來(lái)都是最好的估值敘事。

（封面圖來(lái)源：智子芯元）