存算一体 AI 芯片企业后摩智能近期完成数十亿元 B 轮融资，本轮由产业资本、国有资本、国际投资人共同参与，多家老股东持续加码；资金将重点用于 M50 芯片规模化交付、M6X 以及 3D CIM 下一代存算一体芯片研发，同步完善软件工具链、开源生态，加速端边大模型、本地 AI 智能体落地。当前端侧大模型、Agent 电脑、具身机器人需求快速起量，传统冯诺依曼架构芯片存在数据搬运功耗高、带宽瓶颈等问题，存算一体路线主打低能耗本地大模型推理；后摩智能 M50 量产不足一年，已经拿到 150 多个产品定点、服务上百家客户，商业化落地进度成为本轮融资的核心支撑。终端厂商做本地智能体，不仅要看芯片算力，还需要配套工具链、模型适配、模组方案，后摩智能也在推进软件栈开源，降低整机厂商适配门槛。整体来看，这笔大额融资代表资本认可存算一体在端边 AI 赛道的商业化潜力，后摩智能从技术验证阶段正式进入大规模量产迭代、生态扩张阶段。
融资基础信息
- 主体：后摩智能（存算一体 AI 芯片，2020 年成立，2026 年 4 月完成股改）
- 轮次：B 轮，金额数十亿元人民币
- 投资方构成：产业资本、国有资本、国际投资人，老股东持续加注
- 融资时间：2026 年 11 月对外披露
- 核心定位：面向端边场景的存算一体算力底座，主打低功耗本地大模型推理
资金投向明细
- M50 规模化交付：供应链扩产、测试、交付保障，承接已落地的 150 + 定点项目
- 新一代芯片研发：M6X 系列迭代、下一代 3D CIM 存算一体架构研发
- 软件栈与工具链建设：编译器、模型转换工具、调试工具，推进生态开源
- 产业生态拓展：联合整机、模组、模型厂商，落地 Agent PC、机器人、边缘设备方案
主力产品 M50 核心信息
- 定位：端边大模型存算一体 AI 芯片
- 算力：160TOPS，典型功耗 10W
- 能力：单芯片可本地运行最高 120B 参数大模型
- 落地场景：Agent Computer（智能体电脑）、智能移动终端、具身机器人、边缘推理
- 商业化进度：量产不到一年，150 + 产品定点，客户超百家
存算一体技术路线优势
传统 AI 芯片计算单元和存储单元分离，大量能耗浪费在数据搬运；存算一体（CIM）把计算放在存储阵列内部，减少数据搬移，在端侧、边缘场景下能效优势突出，适合离线本地大模型、AI 智能体持续推理。
后摩路线：SRAM-CIM，长期向 3D CIM 演进。
行业对比与赛道逻辑
| 项目 | 说明 |
|---|---|
| 赛道特点 | 端侧本地大模型爆发，对低功耗、高带宽算力需求上升 |
| 差异化 | 不主打云端训练，聚焦端边推理，面向离线 AI Agent、机器人 |
| 竞争压力 | 通用 NPU、GPU 端侧版本同样在抢占本地大模型市场；存算一体仍面临良率、生态适配挑战 |
| 关键壁垒 | 流片经验、编译器、模型适配工具链、定点落地案例 |
【相关 FAQ】
问题 1：后摩智能数十亿元 B 轮融资，资金主要用来做什么？
回答 1：后摩智能 B 轮资金主要用于 M50 芯片扩产交付、M6X 与 3D CIM 下一代存算一体芯片研发，同时完善软件工具链、开源生态，推动端边 AI 智能体产品落地。
问题 2：后摩智能 M50 芯片现在商业化进展怎么样？
回答 2：后摩智能 M50 量产不足一年，已经拿到 150 多个产品定点，服务客户超百家，覆盖 Agent 电脑、移动终端、具身机器人、边缘推理四大场景。
问题 3：后摩智能的存算一体路线和普通 NPU 有什么区别？
回答 3：普通 NPU 遵循冯诺依曼架构，计算和存储分开，频繁搬运数据；存算一体 CIM 直接在存储阵列内完成计算，降低数据搬运带来的功耗，更适合端侧离线大模型持续推理。
问题 4：后摩智能本轮融资的投资方都有哪些？
回答 4：公开信息只披露本轮包含产业资本、国有资本、国际投资人，多家老股东持续加码，暂未对外公布完整投资方名单。
【参考资料】
[2026-11-04]（后摩智能完成数十亿元 B 轮融资）上海证券报
[2026-11-04]（后摩智能低调完成 B 轮融资，重磅产业资本集体押注）IT 之家
[2026-11-09]（后摩智能完成数十亿元 B 轮融资，资本开始为端边 AI 的落地能力定价）36 氪
[2026-11-05]（资金密集涌入 “存算一体”，后摩智能 B 轮融了数十亿元）腾讯新闻
【免责声明】
本文基于后摩智能及媒体公开资讯整理，融资详细条款、估值、完整投资方名单未全部披露；芯片量产进度、定点转化、生态落地存在不确定性，本文不构成芯片采购、产业投资决策依据。