成立一年融资三轮近10亿,烨知心获深创投等联合领投
近日,端侧AI算力基础设施公司烨知心(Yeats.AI)宣布完成Pre-A轮融资,由深创投、和利资本、TCL创投、中科创星联合领投,艾为电子(688798.SH)、国开科创、朝晖资本等机构跟投,老股东连续多轮超额追投。本轮是公司成立一年以来完成的第三轮融资,累计融资近10亿元。公司历史已获得蚂蚁集团、中科创星、同歌创投、广和通(300638.SZ)、深创投、九合创投等知名产业方及头部VC联合支持,投资阵容覆盖从供应链到下游客户应用的关键环节。
本轮资金将持续用于下一代面向Agentic & Physical AI的NPU软硬件研发、流片及交付、模型压缩等算法研究。同时,Pre-A+轮融资已有序展开。
烨知心创始团队曾任职于苹果AI加速平台Apple Neural Engine团队,主导过全球跨终端规模化出货的NPU底层架构、编译器工具链及上层模型部署,参与NPU全生命周期迭代及应用产品定义。团队拥有数十款芯片量产及出货经验,具备先进制程流片经验,已规模化部署于亿级出货规模的边缘侧及端侧智能硬件场景。核心团队曾任职于苹果、微软、英伟达、高通、华为海思、大疆等,覆盖NPU架构、SoC设计、编译器、系统软件及模型算法等关键环节。

公司专注于下一代AI Native硬件的极致能效推理场景,打造新一代统一生态的通用计算平台,为Agentic和Physical AI下不同场景提供跨终端平台的统一软硬件解决方案,实现架构+硬件+软件协同开发。目前,烨知心正在推进第一款面向7B多模态大模型端侧部署的高能效推理芯片流片,并已启动下一代面向Agentic & Physical AI的大算力芯片研发。
2026年7月,世界人工智能大会(WAIC)释放出清晰信号:AI产业竞争重心正从云端进一步走向真实场景的物理终端。AI加速进入耳机、眼镜、AI Box、机器人等真实物理载体,模型能力开始与具体硬件形态、交互方式和应用场景深度融合。AI对计算的需求正从单一模型推理扩展至持续感知、多模态交互、Agent决策及复杂实时控制,所有硬件指向共同需求——高能效端侧计算平台。这意味着端侧算力平台需面对效率、通用性与可拓展性的“三角难题”。这也是继GPU之后,端侧AI有望形成新一代基础设施的关键所在——从一颗芯片走向一个统一的软硬件计算生态。烨知心正是面向这一趋势,打造下一代统一生态的端侧通用计算平台。
烨知心创始人表示:“端侧AI需要的并不是更多孤立的AI加速器,而是一套能够跨芯片、跨设备、跨模型持续演进的统一计算平台。”公司从底层架构、指令集、编译器到模型部署进行协同设计,通过数据流架构和软硬协同的系统级优化,让不同模型在同一套软硬件NPU框架下高效运行,实现效率极致优化的同时,解决通用性、算力可拓展性等Agentic AI和Physical AI的重要需求。

烨知心基于海内外大厂十余年NPU迭代经验,打造可深度覆盖端侧各算力需求场景的通用计算架构,在保证深流水线高效率计算的前提下实现足够通用性,满足不同尺寸的现有AI神经网络及Future-Proof算子。芯片可以不同,晶体管规模可以不同,功耗预算可以不同,但底层AI计算范式并未被割裂。
这契合当前端侧AI所需全部能力:一方面,模型和应用快速迭代要求芯片具备足够通用性,覆盖不同模型、算子及不断变化的AI工作负载;另一方面,端侧设备受功耗、成本、散热和存储等多重约束,不能简单沿用云端GPU堆叠算力换取性能的路径,必须在有限资源下实现更高能效和更低单位推理成本。同时,从眼镜、耳机等Personal AI到AI Box、具身智能为代表的Agentic & Physical AI,不同设备算力需求跨度可达数个数量级,从低功耗实时交互到大模型实时推理的完整需求对NPU架构提出更高要求。
此外,真正让这套体系大规模运转的,不只是NPU本身,还有烨知心背后的编译器系统。公司愿景是用相对集中的编译器基础设施,将底层硬件优化从“逐应用、逐芯片的人力工程”变成可规模化复用的软件基础设施。创始团队曾深度参与科技大厂编译器体系,可同时面向NPU和CPU,覆盖从智能可穿戴设备到大型终端智能硬件,使一套覆盖数亿级终端、上万个模型应用的AI计算架构在不同设备、不同场景上持续、稳定、自动地运行。
当前AI模型范式仍在持续迭代,随着Transformer、Diffusion、Agent、VLA和世界模型等范式不断变化,底层计算平台需要通过编译器、运行时优化和完备指令集持续吸收新模型能力,避免芯片架构随单一模型迭代而快速失效。烨知心希望通过软硬件协同方式,把一次NPU研发投入转化为可持续复用的计算平台能力。公司不以单一芯片产品为终点,而以技术演进为主轴,持续向不同算力层级和不同AI原生硬件场景延展,在技术成熟过程中同步完成商业化落地。
面向未来,烨知心将继续携手存储、ODM及硬件合作产业方伙伴,围绕Personal AI、Agentic & Physical AI构建开放产业生态,推动高效、通用的AI计算平台在更多边缘及终端场景实现规模化落地。
更多推荐阅读

港大PhD兼小米大模型研究员:AI时代读博的10个关键问题
本周「十字路口」嘉宾是李磊,小米MiMo大模型后训练研究员、香港大学在读博士。他一边参与大模型训练,一边读PhD,面对AI带来的机会与飞速变化的节奏,既兴奋也焦虑。本期聊的主题是:AI时代PhD怎么拿到理想结果。 李磊2016年就读西安电子科技大学本科,2020年到北大计算语言学研究所读硕士,2023年到香港大学NLP Group读PhD。他提到读PhD的决定:如果10年后躺在床上可能后悔没去读...
2026-10-27 08:00:13
行元智能押注人类数据,破解具身智能Scaling燃料难题
具身智能不缺钱和演示,缺的是可复现的Scaling曲线。去年11月,北美Generalist发布GEN-0,称首次在机器人上观察到该曲线:预训练数据和算力越多,下游任务表现越稳定可预测地提升。支撑它的是超27万小时真实操作数据,每周新增上万小时。曲线已有人跑出,燃料却还没有。 今年4月,Generalist发布GEN-1,披露基础模型预训练未用机器人数据,而用低成本穿戴设备采集的人类数据。人类数...
2026-10-27 08:38:39
中国大模型立功!数学家攻克30年世界难题
困扰数学界30余年的三维Ghys猜想迎来破解。大湾区大学教授许地生团队借助中国科学多模态大模型,通过人机协同完成三维Ghys猜想证明。北京大学董彬教授、刘若川院士团队利用其开发的SHEAF框架对证明完成形式化验证,确认其正确性。这标志着中国科学家首次用中国大模型攻克世界级数学难题。相关论文已在arXiv发布,形式化代码在Github公开。 Ghys猜想由法国数学家艾蒂安·吉斯于1995年提出,猜...
2026-10-27 09:36:42
蚂蚁灵光2.0发布:AI能主动管事了
最近两个月,Personal Agent 从边缘话题变成普通用户手机上的新图标。Meta 9 月 8 日推出 Muse,40 天下载量破 1000 万;随后 OpenAI 推出 Dots,Anthropic 推出 Claude Duet。对国内用户来说,用上这些产品要折腾半天,加上翻车案例,把生活权限交给 AI 仍有顾虑。我在意的是,离开对话框后能不能放心让它帮我管事。 蚂蚁正式发布灵光 2.0...
2026-10-27 08:58:06
GPT-6.1 Terra发布:电脑操作比肩Astra,成本仅其1/10
OpenAI 发布最新模型 GPT-6.1 Terra,定位为“以更低价格,提供快速、强大的电脑操作能力”,将视觉推理、电脑操作与写作表现结合。Sam Altman 称其“将开启电脑操作的新时代”。相比 GPT-5.6 Terra,新模型在沟通和电脑操作任务上显著提升,可起草提案、解读技术图纸、填写表格、剪辑视频等。 标准 API 定价为:输入每百万 Token 1 美元,缓存输入每百万 0.0...
2026-10-27 08:12:33
分子之心MMDesign:94.7%项目成功率,六大GPCR靶点全命中
分子之心近日发布 AI 从头设计平台 MMDesign 最新技术报告。报告覆盖 18 个靶点、纳米抗体(VHH)和大环肽两类分子模态的 19 个设计项目,其中 18 个获得经实验确认的结合分子,项目成功率达 94.7%;每个项目仅测试 9—50 个候选分子,中位数为 21 个。六个受测 GPCR 靶点全部获得命中;针对此前已成功获得命中分子的六个靶点开展新一轮设计,其中五个项目取得优于前一轮的结果...
2026-10-27 09:39:58