首发|全球存算一体芯片领导者知存科技获近3亿元A轮系列融资

rrh123（ID：wwwrrh123com）6月10日消息，全球存算一体芯片领导者知存科技宣布完成亿元A3轮融资，本轮融资由飞图创投领投，万魔声学、科宇盛达、仁馨资本等跟投，老股东科讯创投、中芯聚源、普华资本、招商局创投继续跟投，指数资本担任独家财务顾问。融资资金将用于加大技术研发投入，产品线扩充及新的产品量产。

此前，知存科技曾分别获得由中芯聚源和国投创业领投的A1轮及A2轮融资。截至目前，知存科技已完成累计近3亿元的A轮系列融资。

知存科技成立于2017年10月，专注于存算一体芯片设计，是存算一体产业化的开拓者和领军者。团队研发存算一体芯片8年，于2016年成功流片验证国际首块模拟存算一体深度学习芯片，为突破冯诺依曼架构瓶颈奠定了基础。

引领AI推理芯片发展趋势，产品规划覆盖最广泛市场

随着摩尔定律接近极限，芯片研发成本增高，性能提升受到限制，“存储墙”问题尤其凸显：数据在计算单元、缓存、内存之间转移，占用90%以上的功耗和时间，造成高功耗、低效率等问题，导致芯片算力无法进一步提升，在人工智能运算上问题更为显著。

人工智能在一些易实现的场景大规模落地，更多的场景对算力、成本、功耗有更严苛的要求，存算一体可以有效地解决算力、功耗、成本等诸多限制。

在此形势下，知存科技突破性地使用Flash存储器完成神经网络的存储和运算，解决AI的存储墙问题，提高运算效率。相比基于冯诺依曼架构的深度学习芯片，运算效率提升约10-50倍；单一Flash阵列可并行完成100万次矩阵乘加法运算，计算吞吐量比DRAM和SRAM等带宽高出100-1000倍。可在成熟工艺下超过先进工艺的运算效率，大幅度降低开发和流片成本。此外，知存科技已经积累了存算一体从设计、仿真技术到量产的全流程经验，产品开发效率相比过去提升5倍。

经过数年发展，知存科技已推出WTM系列的两款芯片产品，覆盖智能可穿戴设备、智能家居、智慧城市等众多使用场景。支持低功耗多命令词识别、降噪、声纹识别等，内置2MB 深度学习网络参数存储空间，可同时存储和运算多达 40层的多个（相同或不同）深度学习网络算法，知存科技推出首个存算一体编译器WITINMapper，支持 DNN/RNN/LSTM/TDNN 等多种网络结构。

学术和产业背景融合的管理团队，拥有丰富的芯片量产和市场经验，引领创新前沿

知存科技创始人兼CEO王绍迪本科毕业于北京大学微电子系，于2017年取得UCLA博士学位，是存储器和自动化设计专家。CTO郭昕婕本科毕业于北京大学微电子系，于2017年取得UCSB博士，曾耗时4年、历经6次流片，首次攻下了浮栅存算一体深度学习芯片技术。此外，知存科技团队超过80%人员为研发人员，拥有加州大学、爱丁堡大学、清华大学、北京大学、国防科技大学、浙江大学、北京航空航天大学等国内外知名学府专业学术背景，以及IBM、GlobalFoundries、AMD、Qualcomm、Global Foundries、RDA等知名半导体企业工作背景，具备丰富的芯片设计、研发、量产及销售经验和资源。

基于存算一体技术的开发和前沿研究，知存科技先后承担北京市科委“新一代人工智能技术培育”、“新一代信息通信技术培育”等多项政府科研课题；凭借产品创新性和广阔的市场前景，知存科技获评2019年度AI芯片领域最具影响力创新企业，毕马威2020年“芯科技”新锐企业50榜单等多个荣誉奖项。

面对未来，知存科技将继续优化底层技术，让存算一体芯片更加高效、可靠，大规模使用在消费电子设备中。

飞图创投表示，知存科技是一家非常优秀的科技企业，创始团队是最早一批研究Nor Flash存算一体的团队之一，并最首先推出低功耗存算一体量产芯片，满足TWS市场需求。其研发的存算一体架构在深度学习推理领域的计算效率是传统架构的上百倍，同时完美解决“存储墙”与“功耗墙”的问题。飞图创投在科技领域深耕多年，认为知存的产品是符合飞图科技改变未来的投资理念，因此也很庆幸能够在参与此次融资并在未来的路上陪知存共同成长。

国投创业表示，知存科技是存算一体芯片领域处于国际领先水平的公司，是国投创业在人工智能芯片前沿领域的重要布局。公司先后承担北京市科委“新一代人工智能技术培育”，“新一代信息通信技术培育”等多项政府科研课题，将科技成果应用于前沿人工智能端侧的产品，在科技成果转化上具有代表意义。