10月25日，熵旋芯智在公众号发文，正式提出了首代MRAM存内计算架构——MITA（MRAM In-Memory Tensor Architecture），并以此为架构基础，提出存算一体处理单元——MPU（MRAM-based Processing Unit）——的定义。 

它们的用途，是为AI推理构建更低延迟、更高通量的算力。

一个月前，DoNews与熵旋芯智创始人雷坤进行了深度交流。那时北京正下着大雨，他刚刚参加了在上海举办的AI芯片峰会，并做了有关MRAM存内计算的报告。差不多同一时刻，在杭州的云栖大会上，阿里平头哥发布了AI芯片真武V900，性能是前代M890的三倍，216GB的显存和1200GB/s的片间互联被放到最显眼的位置。

图片来源：阿里云

还有一个热词，在AI芯片峰会和云栖大会上都被反复提及，就是“超节点”，在几天前的华为全联接大会上，超节点集群也被视为AI时代的重要基础设施。

紧迫感，从一场场行业发布会中溢出。而有关这些名词的讨论，在采访的一开始，雷坤就给了一个基调：“大家的目的都是为了解决这样一个事——算力增长很快，但数据跟不上。”

前几年，我们焦虑的是算力的不足，今天中国日均Token消耗量约500万亿，但限制AI发展的瓶颈，正从单纯的算力不足，转向存储容量、数据带宽、数据搬运功耗和整体系统成本等更加复杂的系统级问题。传统AI芯片通常采用“存储与计算分离”的架构，大量模型参数需要在HBM、片上缓存和计算单元之间反复搬运。

在AI推理中，数据在“存”与“算”之间的流转效率，直接决定了芯片的真实吞吐与能效。随着模型规模持续增长，AI芯片需要更高的存储带宽，功耗和硬件成本也不断上升。 

图片来源：熵旋芯智

打个比方，GPU就像一个图书馆，第一层是阅览室，二三四层放书（存储）。想看书（计算）你就要跑到楼上一本本去拿，然后拿到一楼的阅览室才能看，看完还要放回去。以NVIDIA GPU为例，数据需经过完整长链路（片外存储→片上存储→计算单元），多层搬运导致延迟和功耗双高，拿书（数据搬运）的时间比你看书花的时间还多。 

今天，这个问题已经越来越紧迫了，这一点从内存高企的价格就可略见一斑。

科技公司自然在尝试解决，超节点是一条路径，从AI芯片的源头解决也是一条路径。而熵旋芯智选择的MRAM，就是AI芯片层面一条尚在前沿领域的小路。

01 搬得更快，不如不用搬

目前行业的主流解法，是让数据搬运的速度更快，让数据存的更多。雷坤解释道：“显存增大的目的是为了把模型装下，如果显存比较小就装不下。互联是因为单张卡的显存有限，所以很多时候需要多张卡来装下，无论是华为的超节点还是阿里真武的多卡互联协议，本质上就是这个。但是装下之后，多卡之间是有通信的，所以要通信带宽达到一个可以接受的水平，多卡的收益才是正的。”

按照这个解法来看，显存就非常重要，但这就是雷坤觉得问题的所在。首先，是目前HBM的带宽不够；其次，由于每张卡的存储器都需要把完整权重放一份，就导致了重复存储的浪费；最后，MoE里大量的权重其实是静态的，但放在HBM里却必须refresh。

就算如此，HBM还是因为供应紧张而不断涨价，反过来说，谁能找到降低对高带宽存储依赖的新型计算架构，谁就在下一轮算力竞争中占得先机。

去年12月，AI芯片领域有一件大事，英伟达通过非独家授权协议的方式，获得了Groq芯片技术的使用权，据报道交易额在‌170亿至200亿美元‌之间，是英伟达有史以来最大的一笔交易，同时，Groq的创始人乔纳森·罗斯及总裁桑尼·马德拉也加入了英伟达。

如此优厚的条件，自然是因为物有所值。据报道，单颗的Groq3（LP30）LPU芯片集成了‌500MB片上SRAM（静态随机存取存储器）‌，单芯片的SRAM带宽可达‌150TB/s，完整的Groq3LPX机架搭载了256颗LPU芯片，能够提供‌128GB的总SRAM容量‌，整体带宽高达‌40PB/s‌。

这个架构将模型权重直接驻留在片上SRAM中，SRAM替代传统的HBM/DRAM作为推理的核心存储介质，避免了传统GPU依赖HBM的跨芯片数据往返延迟。在测试中，Groq3LPX每秒可处理约‌3400个Token‌，比同类平台快约4倍。英伟达则强调Groq3LPX是对GPU的补充，GPU负责训练与通用推理，LPX负责延迟敏感的智能体任务。

“我们的芯片其实就非常类似Groq的芯片，”雷坤说：“我们的做法就是，把权重像Groq那样放在片上，然后就不用等了直接算。”

“之前英伟达没有推出Rubin（全称VeraRubin，是英伟达接替Blackwell架构的下一代AI超级计算平台‌，专为智能体AI和大规模长上下文推理场景设计），其实这个事有点难解释，”雷坤笑了一下，反问道：“但是英伟达推出了，然后和LPX构建了一个集群，并且已经量产售卖，那这个事对我们来说，解释成本就小很多——你看英伟达都做了，那我们做是不是也很挺合理的？”

这是雷坤对外的宣传口径，但为什么，熵旋芯智没有真的走Groq的路，而是选择了MRAM（磁随机存取存储器）的技术路线？

理论上来说，相比SRAM，MRAM采用更紧凑的存储单元。熵旋芯智方面提供的资料显示，在同等制程下，以bitcell和阵列核心区为口径，可以实现约2到4倍的存储密度优势，STT-MRAMbitcell面积可缩小至SRAM的约三分之一，包含外围电路后的完整存储阵列面积约为同容量SRAM的一半。而且，MRAM具备非易失的物理特性，模型权重完成写入后，无需维持电压即可保存，在大模型推理中能显著降低大容量权重存储带来的静态功耗。

此外，MRAM器件阻态的变异系数（CV）在2%以内，极低的CV使得同一权重状态下的电流分布高度收敛，阵列输出具有更好的统计一致性和可预测性，从根本上减轻了器件离散性对计算精度及ADC读出裕量的要求。低离散性和稳定阻态使MRAM更适合构建大规模、可预测、可校准的模拟存算阵列。

对大模型推理而言，MRAM就成为一条兼顾负载匹配与工程可实现性的平衡路径。将模型参数缓存于MRAM阵列，矩阵运算可在MRAM原位（In memory compute MPU）完成，也可由就近的数字tensor core（Near memory compute MPU）执行。而存内MPU不需要数字tensor core ，能够让更多片上面积用于MRAM阵列与参数缓存；权重存储与矩阵计算在同一位置完成，简化调度层级，通过软硬件协同，理论上存内MPU能够发挥出阵列的最大利用率，将原位计算的物理优势转化为低延迟、高有效吞吐的系统收益。

图片来源：熵旋芯智

02 从学术界到产业界

熵旋芯智注册于2026年2月，而雷坤在2020年进入中科院半导体所硕博连读，2021年在实验室接触到MRAM。

“做的事情是比较Demo级的，很多都是非量产的，来源上也比较杂，其实就是做一些小的，实验室手搓。”雷坤回忆，当他意识到阵列密度、良率、工艺偏差这些不是高校能解决的后，他就萌生了离开实验室的想法。2022年底，他申请去了产业界，2024年回到北京时，他和老师商量搭建了一个4人的小团队，成员是4名清华的实习生——后来其中3名保研到课题组，1名加入了他的公司。

他创业的想法是“算账算出来的”，“这玩意做成一个芯片的话，比传统的SRAM更优”。在产业界，三星早在2019年就实现了28nmFD-SOIeMRAM的商业量产，2026年已经实现14LPU 和 8LPUFinFET先进工艺，并计划在2027年将eMRAM进一步扩展至5nm；台积电方面，22nmeMRAM已经量产、16nmeMRAM完成认证进入客户导入，这些实打实的进展也是他创业的前提。

熵旋芯智专注在芯片设计环节，重点面向云端大模型推理，首款产品定位于面向大模型FFN计算的专用加速芯片，希望在现有GPU或AI加速器体系中承担部分高频、规则化的矩阵计算任务。公司内部按数字前端、数字后端、DFT、模拟前端、模拟后端、软件算法、验证七个部分划分。

1998年出生的雷坤，还是一位年轻人，但创业让他迅速成长。他自述将时间分成三块，最大的一块是拉齐团队认知、跟项目抠细节，第二是融资、宣传、路演这类对外沟通，第三才是除工程之外的团队管理。

“搞数字的不懂模拟，搞模拟的不懂NPU，搞算法的不懂噪音。”团队中，有做模拟的成员做过存储也做过存算，但很少接触Transformer，他要让对方理解“我们在做Transformer的FFN，我需要的是高通量、低错率”，做算法的需要做比特重建，他要让对方理解“数是怎么出来的，多少拍出来，怎么做重建”，而做架构的对SRAM很熟，他要告诉对方MRAM“这边map完几个周期出几个数”。

“大家自己在之前的领域上其实都是很专业的，但是来到我们公司，大家都会涉及一些新领域，因为毕竟我们在MRAM做存算这一块，还是一个先行者。”雷坤说。

相比之下，对外沟通反而顺利得多，目前熵旋芯智第三轮融资接近收尾，雷坤表示资金储备“比较充足，足够我们支撑到量产阶段”，除了资金外，投资方也在帮他们对接产业方，“但这是一个比较中长周期的过程”。在熵旋芯智成立7个月后，2026年9月15日发布的《电子信息制造业发展“十五五”规划》点名了“加快存算一体”和“新型存储技术”，对融资也起到了一定的推动作用。

客户拓展要困难一些，雷坤把这个区别说得很直白：“融资的话，你这个思路大家觉得认，而且也是符合国家战略，OK，那可以投。但客户不是这个样子的，你片子还没回来，大家不可能因为你存算一体的概念去为你这个概念买单，最终还是要落实到PPA（Power、Performance、Area三个维度的缩写）上。”

但这都需要时间。“你后来者做的话，需要多次流片迭代，这个时间成本是省不掉的。”当被问到，目前最大的困难是什么时，雷坤停顿了下，说：“我觉得更多的是时间问题。技术的卡点其实都是工程问题，工程问题就面临着流片周期跟Fab的沟通，以及流片回测等一系列事情，我觉得这些都不是实质性的卡点。我们需要的是时间，以及通过这个时间所需要的资金。” 

当下的芯片热和内存热，在这位年轻人看来，是行业在做当下收益高的事情，而他想做的，是往前走一步，做下一个收益更高的事情，也许，是不止200亿美元的一个未来。他计划中的那颗芯片，要等到明年3月才能流片，6月才能回来，在那之前，无论是行业还是这个世界，依旧会充满AI带来的狂热和焦虑。