曦望成立之初就All in推理场景，这个三年前被市场认为过于小众的赛道，如今随着AI产业重心从模型训练转向落地应用，推理算力需求爆发，这条路线的价值开始显现。

从商汤分拆，一年估值暴涨12倍

公开信息显示，曦望前身是商汤科技内部的大芯片部门，2024年底随着商汤“1+X”业务架构调整正式分拆独立运营。

从团队架构看，曦望形成了独特的“资本+芯片技术+互联网产品”的团队配置。

董事长徐冰是商汤科技联合创始人，曾主导商汤多轮大额融资与港交所上市，熟悉AI产业的资本运作与生态布局。

联席CEO王勇拥有超过20年芯片研发经验，曾任职AMD担任GPU首席架构师，后续加入百度昆仑芯负责核心架构设计，完整经历过多款7nm高性能GPU从研发到量产的全流程。

另一位联席CEO王湛是百度早期创始团队成员，曾主导百度搜索“凤巢”系统的研发，具备互联网产品思维与行业资源。

融资节奏上，曦望2025年7月完成分拆后的首轮近10亿元融资；2026年1月完成近30亿元战略融资；2026年4月再获超10亿元融资，估值突破百亿元关口。加上本轮20亿元融资，企业估值在一年时间内增长超过12倍。

据透露，本轮投资方涵盖人保资本、建信股权等财务机构，以及正大集团、三七互娱、同程旅行等产业资本，募资将主要用于第三代产品S3的规模化量产、软件生态体系建设，以及下一代芯片的技术研发。

不卷峰值算力，曦望为何押注600GB显存？

业务层面，曦望主打全栈自研的推理GPU产品，目前已形成三代产品矩阵。

第一代产品S1面向云边端视觉推理场景，2022年实现量产，累计出货量突破2万片；

第二代产品S2定位通用大模型推理GPU，2024年正式上市，实现万片级量产交付，对CUDA生态具备较高兼容性，可适配主流开源大模型；

第三代旗舰产品S3于2026年1月发布，主打极致推理性价比，官方数据显示其推理性能较S2提升3倍以上，目标将单位Token推理成本降低90%。

曦望的硬件架构完全围绕推理场景设计，其核心逻辑是，传统通用GPU面向训练场景优化，在推理负载下实际算力利用率普遍偏低，而推理场景的核心瓶颈并非峰值算力，而是显存容量、数据读取带宽与多卡通信延迟。

基于这一判断，S3没有采用训练芯片常用的HBM显存方案，而是选用LPDDR6内存路线，单卡显存最高可做到600GB，同晶圆面积下的显存容量约为HBM方案的3倍；同时搭载PCIeGen6接口与超节点互联技术，针对性解决长上下文、高并发推理场景下的内存与通信瓶颈。

曦望联席CEO王湛曾公开表示，推理场景的生态逻辑与训练不同，训练阶段生态的核心是开发者锁定，而推理阶段客户更关注迁移成本，谁能让现有模型零改动顺畅运行，谁就具备竞争力。

在行业普遍以峰值算力、显存参数作为产品核心卖点时，曦望将单位Token成本、实际算力利用率作为核心指标，这种定位更贴合当前下游客户从一次性训练投入转向常态化推理运营的需求变化。

从当前产业格局来看，随着智能体应用普及，国内推理算力需求已达到训练需求的4-5倍，算力租赁价格半年内涨幅超过40%。

当前推理算力赛道主要分为三类玩家：海外巨头产品性能强但成本高、供应存在不确定性；国内训推一体GPU厂商推理功能为附带属性，针对性不足；ASIC专用芯片在固定模型下效率高但适配性弱。

曦望主打推理专用通用GPU，恰好填补了中间的市场空白。

小结

整体而言，曦望的快速成长，核心得益于两个产业趋势：一是AI产业重心从训练向推理迁移的结构性拐点，二是国产大模型与国产算力协同发展的生态红利。其提前押注推理赛道的战略选择，叠加差异化的技术路线，构建了初步的竞争壁垒。

但也要看到，随着推理市场空间扩大，已有多家传统GPU厂商开始加码推理侧优化，专用芯片也在垂直场景加速渗透，赛道竞争将持续加剧。同时，先进制程晶圆供应、产能爬坡速度仍是所有国产GPU厂商共同面临的挑战。

对于曦望而言，下一阶段的关键在于S3能否顺利实现规模化交付，将技术上的性价比优势转化为市场规模优势。

曦望成立之初就All in推理场景，这个三年前被市场认为过于小众的赛道，如今随着AI产业重心从模型训练转向落地应用，推理算力需求爆发，这条路线的价值开始显现。

从商汤分拆，一年估值暴涨12倍

公开信息显示，曦望前身是商汤科技内部的大芯片部门，2024年底随着商汤“1+X”业务架构调整正式分拆独立运营。

从团队架构看，曦望形成了独特的“资本+芯片技术+互联网产品”的团队配置。

董事长徐冰是商汤科技联合创始人，曾主导商汤多轮大额融资与港交所上市，熟悉AI产业的资本运作与生态布局。

联席CEO王勇拥有超过20年芯片研发经验，曾任职AMD担任GPU首席架构师，后续加入百度昆仑芯负责核心架构设计，完整经历过多款7nm高性能GPU从研发到量产的全流程。

另一位联席CEO王湛是百度早期创始团队成员，曾主导百度搜索“凤巢”系统的研发，具备互联网产品思维与行业资源。

融资节奏上，曦望2025年7月完成分拆后的首轮近10亿元融资；2026年1月完成近30亿元战略融资；2026年4月再获超10亿元融资，估值突破百亿元关口。加上本轮20亿元融资，企业估值在一年时间内增长超过12倍。

据透露，本轮投资方涵盖人保资本、建信股权等财务机构，以及正大集团、三七互娱、同程旅行等产业资本，募资将主要用于第三代产品S3的规模化量产、软件生态体系建设，以及下一代芯片的技术研发。

不卷峰值算力，曦望为何押注600GB显存？

业务层面，曦望主打全栈自研的推理GPU产品，目前已形成三代产品矩阵。

第一代产品S1面向云边端视觉推理场景，2022年实现量产，累计出货量突破2万片；

第二代产品S2定位通用大模型推理GPU，2024年正式上市，实现万片级量产交付，对CUDA生态具备较高兼容性，可适配主流开源大模型；

第三代旗舰产品S3于2026年1月发布，主打极致推理性价比，官方数据显示其推理性能较S2提升3倍以上，目标将单位Token推理成本降低90%。

曦望的硬件架构完全围绕推理场景设计，其核心逻辑是，传统通用GPU面向训练场景优化，在推理负载下实际算力利用率普遍偏低，而推理场景的核心瓶颈并非峰值算力，而是显存容量、数据读取带宽与多卡通信延迟。

基于这一判断，S3没有采用训练芯片常用的HBM显存方案，而是选用LPDDR6内存路线，单卡显存最高可做到600GB，同晶圆面积下的显存容量约为HBM方案的3倍；同时搭载PCIeGen6接口与超节点互联技术，针对性解决长上下文、高并发推理场景下的内存与通信瓶颈。

曦望联席CEO王湛曾公开表示，推理场景的生态逻辑与训练不同，训练阶段生态的核心是开发者锁定，而推理阶段客户更关注迁移成本，谁能让现有模型零改动顺畅运行，谁就具备竞争力。

在行业普遍以峰值算力、显存参数作为产品核心卖点时，曦望将单位Token成本、实际算力利用率作为核心指标，这种定位更贴合当前下游客户从一次性训练投入转向常态化推理运营的需求变化。

从当前产业格局来看，随着智能体应用普及，国内推理算力需求已达到训练需求的4-5倍，算力租赁价格半年内涨幅超过40%。

当前推理算力赛道主要分为三类玩家：海外巨头产品性能强但成本高、供应存在不确定性；国内训推一体GPU厂商推理功能为附带属性，针对性不足；ASIC专用芯片在固定模型下效率高但适配性弱。

曦望主打推理专用通用GPU，恰好填补了中间的市场空白。

小结

整体而言，曦望的快速成长，核心得益于两个产业趋势：一是AI产业重心从训练向推理迁移的结构性拐点，二是国产大模型与国产算力协同发展的生态红利。其提前押注推理赛道的战略选择，叠加差异化的技术路线，构建了初步的竞争壁垒。

但也要看到，随着推理市场空间扩大，已有多家传统GPU厂商开始加码推理侧优化，专用芯片也在垂直场景加速渗透，赛道竞争将持续加剧。同时，先进制程晶圆供应、产能爬坡速度仍是所有国产GPU厂商共同面临的挑战。

对于曦望而言，下一阶段的关键在于S3能否顺利实现规模化交付，将技术上的性价比优势转化为市场规模优势。