🔥36氪•較早收集於 10m
維泛智能獲數億融資，研發具身智能原生「大腦芯片」
💡國產機器人大腦芯片新秀，旨在以更低功耗與更高效率挑戰 Nvidia Jetson 市場。
⚡ 30-Second TL;DR
有什麼變化
開發專為具身智能設計的類腦啟發式 GPU (BiGPU) 架構。
為什麼重要
此舉有望顯著降低在邊緣設備上部署高性能具身智能的門檻，減少對 Nvidia Jetson 平台的依賴。
下一步行動
密切關注維泛智能在統一軟件工具鏈上的進展，評估其是否能簡化您的邊緣機器人部署流程。
誰應關注：Developers & AI Engineers
關鍵要點
- •開發專為具身智能設計的類腦啟發式 GPU (BiGPU) 架構。
- •實現 SNN 與 ANN 結構統一，共享指令集與軟件工具鏈。
- •預計 2027 年第二季度實現機器人大腦芯片投產。
- •通過將傳統神經網絡轉化為 SNN 累加計算，顯著降低功耗。
🧠 深度解析
Web-grounded analysis with 5 cited sources.
🔑 增強重點摘要
- •維泛智能成立於2025年5月，孵化自北京大學類腦芯片實驗室（PAICORE Lab），致力於打造全國產化機器人核心計算方案。
- •公司聯合創始人殷積磊擁有逾20年半導體行業經驗，曾任知存科技COO兼研發副總裁，並在IBM、GlobalFoundries等公司擔任芯片研發總監。
- •其BiGPU架構旨在解決目前市場高度依賴英偉達Jetson系列芯片所導致的成本高昂、本地化支持不足等問題，填補國產具身智能芯片的空白。
- •維泛智能已獲得中關村資本、上海未來產業基金、石溪資本、佰維存儲、燕創集團、海益投資、探元創投等多家機構的數億元種子輪投資。
- •公司已申請專利，旨在實現ANN與SNN網絡結構的軟硬件統一，共享指令集與軟件工具鏈，以降低開發複雜度與生態接入成本。
📊 競品分析▸ Show
| 特性/公司 | 維泛智能 (BiGPU) | NVIDIA Jetson 系列 | Intel Loihi 2 |
|---|---|---|---|
| 核心技術 | 類腦啟發式GPU (BiGPU)，融合SNN與ANN計算 | 通用GPU，適用多模態感知與AI推理 | 神經形態處理器，基於SNN |
| 主要優勢 | 顯著降低功耗，高能效，算法靈活性，統一軟硬件工具鏈，國產化方案，成本效益高 | 通用性強，算力強大，生態系統成熟 | 超低能耗，針對SNN優化，事件驅動處理 |
| 主要挑戰 | 尚處研發階段，需驗證量產能力與市場接受度 | 價格高昂，本地化支持有限，商業化部署門檻高 | 複雜架構支持有限，DVS傳感器缺乏顏色和靜態信息，模型容量受限 |
| 市場定位 | 具身智能機器人「大腦芯片」的國產替代方案 | 具身智能「大腦」芯片市場主導者 | 邊緣AI、低功耗視覺系統、自主無人機等神經形態計算應用 |
🛠️ 技術深入
- BiGPU架構：維泛智能自主研發的類腦啟發式GPU (BiGPU) 架構，旨在融合類腦計算與通用GPU計算能力，為具身智能SOTA大模型原生設計。
- SNN與ANN融合機制：通過編碼轉換，將傳統人工神經網絡（ANN）計算轉化為脈衝神經網絡（SNN）形式的累加計算，在保留功能的前提下顯著降低功耗與帶寬壓力。
- 統一軟硬件方法：已申請專利支持ANN與SNN網絡結構統一的軟硬件方法及相關裝置，實現SNN與ANN指令格式及地址編址的統一。
- 共享指令集與工具鏈：相較於傳統異構方案需維護兩套系統與工具鏈，維泛智能的方案能夠共享統一指令集與軟件工具鏈，並深度兼容主流軟件生態，從而降低開發複雜度與生態接入成本。
- 計算優化：針對神經網絡中超過80%的矩陣乘累加（GEMM）操作進行優化，以在保證算力效果的前提下降低數據量與帶寬需求。
🔮 前景展望AI analysis grounded in cited sources
維泛智能的BiGPU芯片有望加速具身智能機器人在中國市場的普及與國產化進程。
該芯片旨在解決英偉達Jetson系列芯片成本高昂及本地化支持不足的問題，提供更具性價比的國產替代方案。
SNN與ANN融合的BiGPU架構將推動類腦計算技術在實際應用中的成熟度與生態兼容性。
透過統一指令集與軟件工具鏈，該架構能降低開發門檻，促進類腦計算與主流AI算法框架的深度融合。
隨著維泛智能等本土企業的崛起，中國在具身智能芯片領域的國際競爭力將顯著提升。
具身智能被視為全球科技競爭的戰略制高點，本土芯片的自主研發是實現產業自主可控的關鍵。
⏳ 時間線
2025-05
維泛智能成立，孵化自北京大學類腦芯片實驗室（PAICORE Lab）。
2026-01
維泛智能聯合創始人兼CEO殷積磊在具身智能沙龍上分享AI芯片瓶頸與破局方向。
2026-05
維泛智能完成數億元種子輪融資。
📎 來源 (5)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 36氪 ↗