24小时闪电入局！百度元老执掌商汤芯片，15亿融资砸向AI推理

景点排名 2025年09月23日 01:42 0 admin

24小时，够不够一个财富自由的人重新站上战场？百度创始团队成员王湛给出了答案。2025年4月的一个饭局后，这位离开互联网一线近十年的“老兵”，只用一天就决定加入商汤拆分的芯片业务“曦望”，担任联席CEO。此时，距离商汤启动芯片研发已过去五年，累计投入超11亿；距离“曦望”独立仅半年，融资额已狂飙至15亿。当“寒王”登顶让国产AI芯片破圈，当寒武纪营收暴涨4347%、摩尔线程半年营收超三年总和，王湛带着“让中国AI芯片破晓”的野心闯入——这不是一场跟风的冒险，而是一场卡在时间窗口上的“精准狙击”。

一、从“十月怀胎”到“独立生长”：商汤的“1+X”战略与芯片拆分的必然

商汤拆分芯片业务，早有伏笔。2024年底，商汤提出“1+X”战略：将核心AI业务作为“1”，而把投入大、周期长但战略价值高的业务拆分为“X”独立运营。芯片业务正是首个“X”，被命名为“曦望”（Sunrise），专攻大模型推理芯片。

“过去商汤像是十月怀胎怀了我们，现在芯片团队是时候独立生长了。”王湛的比喻道破了拆分的核心逻辑。对商汤而言，芯片研发是典型的“重资产游戏”：五年投入11亿，相当于每年烧掉2亿多，对一家需要兼顾短期财报的上市公司来说，这样的“持续出血”难以为继。更关键的是，AI芯片的商业化周期往往长达5-8年，若继续捆绑在母公司体系内，既可能拖累整体利润，也会限制芯片团队的灵活度——毕竟，资本市场对芯片公司的估值逻辑（看技术壁垒、客户订单）与AI解决方案公司（看营收增速、毛利率）截然不同。

拆分的另一层考量，是“聚焦”。商汤的核心优势在计算机视觉（CV），但大模型时代，算力需求从“视觉专用”转向“通用推理”，这要求芯片团队必须跳出“服务母公司业务”的局限，独立面对市场竞争。就像当年字节跳动拆分火山引擎、阿里拆分阿里云，本质都是让专业业务在更纯粹的赛道上奔跑。

而“曦望”这个名字，藏着王湛的野心。“黎明守望者”——他没说出口的是，这“黎明”既是中国AI芯片的，也是“曦望”自己的。当英伟达市值冲破4万亿美元，当国际局势让“算力自主”从口号变成生死命题，国产AI芯片终于等到了“从幕后到台前”的时刻。商汤此时拆分，恰是把“养在深闺”的芯片团队推向市场，让其在浪潮中接受检验。

二、王湛+王勇：“百度系+芯片老兵”的黄金组合，24小时敲定的“背水一战”

一家公司的基因，往往由创始人决定。“曦望”的核心团队，堪称“顶配”：联席CEO王湛，百度创始产品经理，曾管理八千人团队，主持搜索业务商业化；联席CEO王勇，前AMD、昆仑芯老将，主导过百度昆仑芯二代架构设计，在商汤实现两代芯片量产。这两个人的组合，像给“曦望”装上了“双引擎”——一个懂商业落地，一个懂技术攻坚。

王湛的加入本身就是个“爆点”。离开百度近十年，他早已财富自由，完全可以选择“退休式生活”。为何偏偏选了AI芯片这个“苦差事”？他自己的解释是“荣誉感”：“AI芯片创业是艰难、却饱含激情和荣誉感的事业。”但更深层的逻辑，或许是他对“时机”的判断。在互联网行业摸爬滚打二十多年，王湛太懂“风口”的重要性——2025年的国产AI芯片行业，正处于“需求爆发+供给缺口”的临界点，此时入场，不是追风口，而是“等风口”。

而王勇的存在，则让“曦望”避开了“空谈战略”的陷阱。这位芯片老兵带着实打实的量产经验：在商汤期间，他主导的S1芯片累计出货超万片，NPU IP授权给索尼、小米；S2芯片兼容CUDA架构，直接对接大模型推理场景。这意味着“曦望”不是从零开始，而是站在商汤五年积累的肩膀上起跑——这也是王湛敢喊出“研发周期压缩至14个月”（行业平均22个月）的底气。

两人的磨合速度更是惊人。从加微信到敲定方向、分工，不到24小时。这种“闪电效率”背后，是对彼此能力的绝对信任，更是对“时间窗口”的紧迫感。王湛管战略、融资、商业化，王勇抓技术、产品、研发，徐冰（商汤联合创始人）协调资源——铁三角成型，目标只有一个：让“曦望”在推理芯片赛道快速站稳脚跟。

三、从S1到S3：十年磨一剑的技术积累，要把推理成本“砍”掉90%

芯片行业有句老话：“一代产品一代命。”“曦望”的底气，不止于团队，更在于产品。

先看“家底”：S1芯片是商汤2019年的尝试，定位云边视觉推理专用芯片，累计出货超万片，NPU IP授权给索尼、小米——这意味着它不仅能自用，还能通过IP授权“造血”；S2芯片是2024年的“进阶款”，转向大模型推理GPGPU，关键是“兼容CUDA”。这个选择太重要了：CUDA是英伟达建立的生态护城河，全球超千万开发者基于此开发应用，国产芯片若不兼容，无异于自建孤岛。S2的兼容能力，让它一出生就拿到了“进入主流市场”的门票。

而即将推出的S3芯片，才是“曦望”真正的“杀手锏”——目标是“通过架构创新把推理成本降低10倍”。怎么降？技术团队给出了三个方向：

一是“计算单元重构”。大模型推理有个特点：Prefill（预填充）阶段计算密集，需要大量算力；Decode（解码）阶段访存密集，更依赖显存带宽。S3针对性设计了“高配比低精度计算单元”，就像给不同阶段的“任务”配了专用“工具”，效率自然提升。

二是“显存扩容增效”。显存是推理成本的“大头”，S3搭配了“容量更大、经济性更佳”的显存方案，相当于“用更少的钱租到更大的仓库”，单位算力成本直接下降。

三是“全栈自主可控”。从指令集定义、GPGPU IP架构设计到编译器工具链，“曦望”全自研。这不仅避免了“卡脖子”风险，还能让软硬件深度协同——就像自己盖房子，从设计图纸到施工都自己来，自然比买现成的“积木”搭更合身。

王湛把性价比称为推理芯片的“生死线”。确实，大模型落地的最大阻力就是成本：一个千亿参数模型的单次推理成本，可能抵得上一家中小企业的月营收。若能把成本砍到原来的十分之一，意味着大模型推理将从“奢侈品”变成“日用品”，这背后是难以想象的市场空间。

四、15亿融资背后：产业资本“用脚投票”，解决AI芯片最大痛点“落地难”

半年融资15亿，“曦望”的钱从哪来？70%是产业资本，包括三一集团旗下华胥基金、第四范式、游族网络、美的控股等。这组数据藏着国产AI芯片的“破局密码”——绑定产业资本，解决“产品落地难”。

AI芯片行业有个怪圈：实验室里的“参数”再漂亮，若落不了地就是“废铁”。早期GPU创业公司大多死在“从样品到量产”的路上，核心原因就是“找不到客户”。而产业资本的妙处在于，它不仅带来钱，还带来“应用场景”。

比如三一集团，作为制造业巨头，其工厂里的工业机器人、智能检测设备需要大量边缘推理算力；美的控股的智能家居生态，从摄像头到扫地机器人，都离不开视觉推理芯片；第四范式、游族网络则是AI模型应用方，对推理芯片有直接需求。这些资本方不是“财务投资者”，而是“战略合作伙伴”——它们投钱的同时，可能已经签下了“采购意向书”。

王湛把这种模式称为“自下而上的研发”：“在规划芯片时就充分考虑未来的用途、场景。”这和早期“为了做芯片而做芯片”的思路完全相反。就像开餐馆，先问顾客想吃什么，再买菜做饭，自然比做一堆菜等着顾客来买更靠谱。

这种“产业资本绑定”的逻辑，也解释了为什么“曦望”敢在拆分后快速扩张。团队规模50%的增长、近200人的配置，背后是明确的“订单预期”。商汤过去五年积累的客户（如索尼、小米），加上产业资本带来的新场景，“曦望”的产品从诞生起就不愁“试错场”。

五、2025：国产GPU真正的“元年”，后发优势凭什么打赢“生死战”

“现在拆分，会不会太晚了？”面对这个问题，王湛反而认为“恰恰是时候”。他的逻辑是：2020年不是GPU元年，2025年才是。

为什么？2020年那波GPU创业潮，本质是“国产化替代焦虑”驱动，但市场需求并不真实。当时英伟达一家独大，国产芯片只能抢它“吃剩下的边角料”（小于10%的市场），根本没有放量空间。而2025年不同：推理市场爆发，英伟达受外部环境限制产能，国产芯片终于有了“大口吃肉”的机会。

财报数据是最好的证明：寒武纪上半年营收增长4347%，首次盈利；百度昆仑芯中标中国移动十亿级订单；摩尔线程半年营收超过去三年总和；沐曦出货量破2.5万颗……这些数字背后，是推理需求的“井喷”——大模型从“训练”走向“推理”，而推理市场的规模是训练市场的10倍以上。

后发优势的另一层含义是“避开前人的坑”。早期GPU公司至少踩过两个“大坑”：

一是“生态之争”。有人想自建生态对标CUDA，结果投入几十亿后发现开发者不买账；有人完全依赖CUDA兼容，却因缺乏自主架构被卡脖子。“曦望”的选择是“兼容为主，自研为辅”——S2已兼容CUDA，S3在保持兼容性的同时推进自主指令集，相当于“两条腿走路”。

二是“场景泛化”。早期公司大多想做“通用GPU”，结果什么场景都想抓，什么都抓不精。“曦望”则聚焦“大模型推理”这一个赛道，就像狙击手瞄准一个靶心，命中率自然更高。

当然，后发不代表“躺赢”。寒武纪、摩尔线程等对手已抢先一步，英伟达若缓过神来也可能反扑。但“曦望”的优势在于“组合拳”：商汤五年技术积累打底，王湛+王勇的团队掌舵，产业资本带来的落地场景，再加上S3“降本10倍”的杀手级目标——这或许是国产AI芯片最接近“撕开英伟达铁幕”的一次机会。

六、破晓之后：中国AI芯片的“集体突围”与“曦望”的终极考验

“曦望”的故事，是国产AI芯片“集体突围”的缩影。当寒武纪用4347%的增速宣告盈利，当百度昆仑芯拿下十亿订单，当“寒王”让普通人知道“国产芯片也能打”，这个曾经被嘲笑“永远追不上英伟达”的行业，终于迎来了属于自己的“黎明”。

但黎明之后，考验才真正开始。对“曦望”而言，至少有三道关要过：

第一道是“S3的兑现关”。“降本10倍”的口号足够响亮，但2026年量产时能否真正落地？若实际成本只降了5倍，市场还会买账吗？

第二是“生态持续关”。兼容CUDA能解决短期问题，但长期必须建立自己的开发者生态。这需要持续投入，更需要时间——英伟达用了十年才建成CUDA帝国，“曦望”能加速吗？

第三是“竞争白热化关”。当所有玩家都盯着推理市场，价格战、技术战不可避免。若寒武纪推出“降本15倍”的产品，“曦望”的优势还在吗？

王湛说，AI芯片是“艰难却饱含荣誉感的事业”。这份“荣誉感”，或许就藏在这些挑战里——不是打败谁，而是证明中国企业能做出“既便宜又好用”的AI芯片，让大模型推理成本不再是行业痛点，让算力真正成为“普惠科技”。

24小时决定入局的王湛，带着“曦望”站在了AI芯片的“破晓时刻”。这不是一个人的战斗，而是一群人的“黎明守望”。当S3芯片真正量产的那天，或许我们会发现：所谓“后发优势”，从来不是等来的，而是像王湛那样，在对的时间，带着对的人，做对的事——然后，等风来。

9月23日股市内参

手机厂商背后“打工者”，一年赚29亿，再冲上市

发表评论