LPU創業公司元川微已完成Pre-A輪數億元融資，本輪由IDG資本領投，孚騰資本、九坤創投、尚頎資本、順禧基金、徐匯科創投聯合投資。這是元川微自2026年以來完成的第四輪融資。公司透露，資金將主要用於LPU+晶片研發、軟體生態建設及產品工程化推進，目前正與多家產業客戶及雲廠商開展產品驗證與合作，下一輪融資已有序展開。

元川微成立於2025年9月，今年4月完成的數億元天使輪系列融資已獲得頭部VC、政府基金及產業鏈聯合支援，投資陣容覆蓋從流片製造到終端應用的關鍵環節。資本的持續加碼，反映出推理時代的新一輪晶片競爭正從GPU延伸至推理專用架構。

公司創始人兼CEO楊濱擁有華為22年從業經歷，曾赴美從零組建華為處理器團隊，回國後負責無線基帶演算法與晶片業務，長期主導大規模硬體排程與資料架構研發。CTO孫博士對GPGPU、GPU、DSP等高效能運算架構有超過三十年研究，首席軟體工程師Will博士擁有20多年編譯器、EDA和異構系統軟體經驗。

楊濱並不認同外界將元川微簡單類比為“中國版Groq”。他指出，兩家公司雖都關注低延遲推理，但Groq誕生於CNN時代，而元川微的LPU+架構從設計之初就面向Transformer時代，支援多模態模型，並針對MoE（混合專家）模型的動態排程特徵進行最佳化。他認為Groq真正值得借鑑的是其堅持的硬流水架構，這能避免資源競爭和不必要的資料等待，但要將架構與儲存介質的協同優勢發揮出來，還有賴於時空編譯器的提前規劃——他將此比喻為制定高鐵執行圖：發車、停靠、停留時間都提前安排妥當，執行時只需按路線執行。

楊濱強調，LPU的時空編譯器、硬流水架構、大頻寬儲存三大核心難以區分優先順序高低：前兩者決定晶片理論效能，編譯器則關係到這些能力在實際執行中能兌現多少。基於硬流水架構，元川微無需針對不同算力等級重新設計晶片，可根據雲邊端不同場景靈活擴充套件算力規模。在剛剛落幕的2026世界人工智慧大會上，這套技術路線首次以Agentic AI Token工廠的形式對外亮相，為企業級推理服務提供底層算力支撐。

楊濱的創業思路源於從AI終局倒推。2025年上半年，他與CTO討論AI晶片賽道機會時已意識到，模型真正落地後才產生價值。彼時Deepseek R1以遠低於行業預期的成本訓練出接近頂級模型的效能，Manus開啟通用Agent想象空間，黃仁勳首次將推理和Agent作為GTC大會核心敘事。楊濱認為，Agent完成一項任務往往需要經歷任務規劃、工具呼叫、結果驗證等多個環節，背後可能對應幾十次甚至上百次推理，任何一次延遲都會沿任務鏈累積；多個Agent協同下，單Agent響應變慢可能像蝴蝶效應一樣拖慢整個系統。因此，他選擇“只做推理且只做最快的推理”，而非主打價效比——在他看來，客戶願意為效率支付更高溢價，價效比市場會被快速壓縮。