作者 | 乔钰杰
编辑| 袁斯来
硬氪获悉，隼瞻科技有限公司（下称“隼瞻科技”）近日完成近亿元天使+轮融资。本轮融资引入英飞尼迪资本、白云金控、深圳中小担创投、厚天资本、华盖资本、嘉誉创投等多家战略投资人，老股东毅达资本、达泰资本持续加持。
隼瞻科技成立于2023年初，专注芯片处理器模块及开发平台，致力于打造基于“RISC-V+DSA”的新一代处理器设计体系，公司希望通过“IP货架+EDA工具链”的模式，降低AI时代定制化处理器设计门槛。
当前，AI模型快速垂直化，正在推动芯片产业从“通用计算”走向“专用计算”。
过去，以CPU为核心的架构长期主导芯片设计，但AI算法以大规模二维、三维矩阵运算为主，在传统CPU上的运行效率并不理想。行业也逐渐转向NPU、VPU、TPU等专用处理器协同的异构计算体系。
与此同时，AI模型的快速垂直化，也让芯片设计开始从“通用适配”走向“模型驱动”。
“过去很多算法都能直接跑在CPU上，但AI时代以后，不同场景、不同模型之间差异巨大。”隼瞻科技创始人曾轶表示，“客户越来越希望芯片能围绕自己的模型进行定制，从而在功耗、面积和成本之间找到最佳平衡。”
这也是DSA（领域专用架构）兴起的重要背景。
DSA本质上是“让架构为模型服务”。相比传统通用处理器追求“大而全”，DSA更强调围绕具体算法和场景进行资源配置。例如，在AI推理场景中，客户可根据模型特点，自定义CPU、DSP、NPU等模块的算力占比，避免资源冗余。
而RISC-V，则被认为是DSA的重要底座。
曾轶介绍称，相较ARM等传统闭源架构，RISC-V具备开源、可扩展、可定制等天然优势，尤其适合AI时代快速变化的模型需求。
更重要的是，RISC-V能够为未来模型演进预留可编程空间。“AI模型变化非常快，如果底层架构无法灵活扩展，芯片生命周期会被迅速压缩。”曾轶表示。因此，隼瞻在架构设计中，会提前预留二维指令、函数空间以及后续可编程能力，以适应未来模型升级。
不过，DSA真正落地的核心难点，并不只是理念，而是工程化能力。
传统情况下，一个中等规模DSA处理器的开发，往往需要数十位工程师、耗时半年以上，且涉及复杂的软件工具链协同。尤其在多核异构环境下，不同处理器对应不同编译器与开发环境，工程复杂度极高。
因此，隼瞻科技从成立之初，就同步布局IP与EDA平台。
目前，公司已经形成完整RISC-V产品矩阵，包括CPU IP、DSP IP以及NPU IP。其中，其中多款处理器IP已经实现量产。
与此同时，隼瞻自研的高度智能化的专用处理器设计平台ArchitStudio，可覆盖架构分析、处理器设计、RTL生成以及软件工具链自动生成等完整流程。
该平台由多个核心引擎构成，覆盖架构分析、设计优化到自动生成的完整流程。例如，Archit Analyzer可分析客户算法在现有处理器上的运行瓶颈，并自动识别计算效率低下的算子；Archit Designer则允许开发者通过高层语言直接描述架构需求，无需手写底层RTL代码；最终，Archit Generator还能自动生成RTL、验证环境及完整软件工具链。
ArchitStudio示意图（图源/企业）
目前，公司已在无线通信、多媒体处理、信息安全、工业控制、汽车电子与AI端侧等领域实现客户落地。
例如，在无线通信领域，公司为客户定制通信DSP；在信息安全领域，其帮助头部安全芯片厂商将核心安全算法融入DSA架构；在机器人方向，则已应用于机器人电机与灵巧手控制系统。
商业模式方面，隼瞻目前主要包括三类：标准化IP授权、整体DSA方案销售，以及更高层级的多核异构平台定制服务。
团队方面，隼瞻科技核心团队来自于Synopsys、ARM等国内外顶尖半导体设计公司，全栈覆盖研发、销售、技术支持等领域，团队在RISC-V、处理器架构和EDA方向具备长期的深厚积累。
以下为硬氪与隼瞻科技创始人曾轶访谈节选（略经编辑）：
硬氪：为什么AI时代会推动DSA（领域专用架构）成为趋势？
曾轶：过去很多算法都能直接运行在CPU上，但AI时代以后，模型开始高度垂直化。不同场景、不同客户之间，模型结构差异非常大。如果继续使用传统通用架构，就会出现大量资源浪费。比如有些客户真正需要的是NPU算力，有些则更依赖DSP或者特定数据通路，但传统SoC往往是“大而全”的设计方式。
DSA本质上是“让架构为模型服务”。客户可以围绕自己的模型特点，决定CPU、DSP、NPU等模块的资源占比，从而在性能、功耗、面积和成本之间实现最优平衡。这也是为什么我们认为，AI时代的芯片设计，会逐渐从“通用芯片”转向“定制化架构”。
硬氪：隼瞻为什么选择“RISC-V+DSA”这一路线？
曾轶：DSA天然需要一个高度开放、可扩展、可定制的底层架构，而RISC-V正好具备这些特点。相比传统闭源架构，RISC-V最大的优势在于指令集可扩展。客户可以根据自身模型需求，对处理器进行深度定制，包括专用指令、数据通路甚至调度方式。
尤其在AI场景里，很多性能瓶颈其实不在算力本身，而在数据搬运和调度效率。如果通过定制RISC-V指令集对NPU进行协同调度，效率提升可能是数十倍甚至百倍级别。
更重要的是，AI模型变化非常快。我们在设计时，也会提前预留后续可编程空间，让芯片能够适应未来模型迭代，而不是几年后就被淘汰。
硬氪：隼瞻的核心壁垒是什么？
曾轶：很多公司是先做IP，再逐步补工具链，但这样往往会出现兼容性和协同效率问题。
我们从创业第一天开始，就是把IP和EDA平台一起规划的。所有CPU、DSP、NPU内核，都是基于自研工具开发出来的，因此工具链和架构之间能够实现深度协同。
此外，我们不仅仅提供标准IP，而是希望把DSA能力平台化。传统情况下，一个中等规模DSA处理器设计，可能需要30个人做30周。我们希望通过ArchitStudio，把它压缩到3个人、3周左右。本质上，我们是在降低定制化处理器设计门槛，让更多芯片公司具备过去只有大厂才拥有的能力。
