作者 | 喬鈺杰

編輯 | 袁斯來

硬氪獲悉，隼瞻科技有限公司（下稱“隼瞻科技”）近日完成近億元天使+輪融資。本輪融資引入英飛尼迪資本、白云金控、深圳中小擔創投、厚天資本、華蓋資本、嘉譽創投等多家戰略投資人，老股東毅達資本、達泰資本持續加持。

隼瞻科技成立于2023年初，專注芯片處理器模塊及開發平臺，致力于打造基于“RISC-V+DSA”的新一代處理器設計體系，公司希望通過“IP貨架+EDA工具鏈”的模式，降低AI時代定制化處理器設計門檻。

當前，AI模型快速垂直化，正在推動芯片產業從“通用計算”走向“專用計算”。

過去，以CPU為核心的架構長期主導芯片設計，但AI算法以大規模二維、三維矩陣運算為主，在傳統CPU上的運行效率并不理想。行業也逐漸轉向NPU、VPU、TPU等專用處理器協同的異構計算體系。

與此同時，AI模型的快速垂直化，也讓芯片設計開始從“通用適配”走向“模型驅動”。

“過去很多算法都能直接跑在CPU上，但AI時代以后，不同場景、不同模型之間差異巨大。”隼瞻科技創始人曾軼表示，“客戶越來越希望芯片能圍繞自己的模型進行定制，從而在功耗、面積和成本之間找到最佳平衡。”

這也是DSA（領域專用架構）興起的重要背景。

DSA本質上是“讓架構為模型服務”。相比傳統通用處理器追求“大而全”，DSA更強調圍繞具體算法和場景進行資源配置。例如，在AI推理場景中，客戶可根據模型特點，自定義CPU、DSP、NPU等模塊的算力占比，避免資源冗余。

而RISC-V，則被認為是DSA的重要底座。

曾軼介紹稱，相較ARM等傳統閉源架構，RISC-V具備開源、可擴展、可定制等天然優勢，尤其適合AI時代快速變化的模型需求。

更重要的是，RISC-V能夠為未來模型演進預留可編程空間。“AI模型變化非常快，如果底層架構無法靈活擴展，芯片生命周期會被迅速壓縮。”曾軼表示。因此，隼瞻在架構設計中，會提前預留二維指令、函數空間以及后續可編程能力，以適應未來模型升級。

不過，DSA真正落地的核心難點，并不只是理念，而是工程化能力。

傳統情況下，一個中等規模DSA處理器的開發，往往需要數十位工程師、耗時半年以上，且涉及復雜的軟件工具鏈協同。尤其在多核異構環境下，不同處理器對應不同編譯器與開發環境，工程復雜度極高。

因此，隼瞻科技從成立之初，就同步布局IP與EDA平臺。

目前，公司已經形成完整RISC-V產品矩陣，包括CPU IP、DSP IP以及NPU IP。其中，其中多款處理器IP已經實現量產。

與此同時，隼瞻自研的高度智能化的專用處理器設計平臺ArchitStudio，可覆蓋架構分析、處理器設計、RTL生成以及軟件工具鏈自動生成等完整流程。

該平臺由多個核心引擎構成，覆蓋架構分析、設計優化到自動生成的完整流程。例如，Archit Analyzer可分析客戶算法在現有處理器上的運行瓶頸，并自動識別計算效率低下的算子；Archit Designer則允許開發者通過高層語言直接描述架構需求，無需手寫底層RTL代碼；最終，Archit Generator還能自動生成RTL、驗證環境及完整軟件工具鏈。

ArchitStudio示意圖（圖源/企業）

目前，公司已在無線通信、多媒體處理、信息安全、工業控制、汽車電子與AI端側等領域實現客戶落地。

例如，在無線通信領域，公司為客戶定制通信DSP；在信息安全領域，其幫助頭部安全芯片廠商將核心安全算法融入DSA架構；在機器人方向，則已應用于機器人電機與靈巧手控制系統。

商業模式方面，隼瞻目前主要包括三類：標準化IP授權、整體DSA方案銷售，以及更高層級的多核異構平臺定制服務。

團隊方面，隼瞻科技核心團隊來自于Synopsys、ARM等國內外頂尖半導體設計公司，全棧覆蓋研發、銷售、技術支持等領域，團隊在RISC-V、處理器架構和EDA方向具備長期的深厚積累。

以下為硬氪與隼瞻科技創始人曾軼訪談節選（略經編輯）：

硬氪：為什么AI時代會推動DSA（領域專用架構）成為趨勢？

曾軼：過去很多算法都能直接運行在CPU上，但AI時代以后，模型開始高度垂直化。不同場景、不同客戶之間，模型結構差異非常大。如果繼續使用傳統通用架構，就會出現大量資源浪費。比如有些客戶真正需要的是NPU算力，有些則更依賴DSP或者特定數據通路，但傳統SoC往往是“大而全”的設計方式。

DSA本質上是“讓架構為模型服務”。客戶可以圍繞自己的模型特點，決定CPU、DSP、NPU等模塊的資源占比，從而在性能、功耗、面積和成本之間實現最優平衡。這也是為什么我們認為，AI時代的芯片設計，會逐漸從“通用芯片”轉向“定制化架構”。

硬氪：隼瞻為什么選擇“RISC-V+DSA”這一路線？

曾軼：DSA天然需要一個高度開放、可擴展、可定制的底層架構，而RISC-V正好具備這些特點。相比傳統閉源架構，RISC-V最大的優勢在于指令集可擴展。客戶可以根據自身模型需求，對處理器進行深度定制，包括專用指令、數據通路甚至調度方式。

尤其在AI場景里，很多性能瓶頸其實不在算力本身，而在數據搬運和調度效率。如果通過定制RISC-V指令集對NPU進行協同調度，效率提升可能是數十倍甚至百倍級別。

更重要的是，AI模型變化非常快。我們在設計時，也會提前預留后續可編程空間，讓芯片能夠適應未來模型迭代，而不是幾年后就被淘汰。

硬氪：隼瞻的核心壁壘是什么？

曾軼：很多公司是先做IP，再逐步補工具鏈，但這樣往往會出現兼容性和協同效率問題。

我們從創業第一天開始，就是把IP和EDA平臺一起規劃的。所有CPU、DSP、NPU內核，都是基于自研工具開發出來的，因此工具鏈和架構之間能夠實現深度協同。

此外，我們不僅僅提供標準IP，而是希望把DSA能力平臺化。傳統情況下，一個中等規模DSA處理器設計，可能需要30個人做30周。我們希望通過ArchitStudio，把它壓縮到3個人、3周左右。本質上，我們是在降低定制化處理器設計門檻，讓更多芯片公司具備過去只有大廠才擁有的能力。