撰稿 | 贝多

来源 | 贝多商业&贝多财经

11月4日，北京凌川科技有限公司（下称“凌川科技”或“公司”）宣布完成10亿元B轮融资，由亦庄国投屹唐盛和基金、启明创投、朝晖资本联合领投，华兴资本旗下华兴证券担任本轮融资财务顾问。

这家从快手集团异构计算与芯片事业部拆分出来的公司，首款SL200智能视频芯片已累计出货近10万颗，覆盖快手99.7%的直播转码业务。

一、从快手的一个事业部，到近10万颗出货

天眼查显示，凌川科技成立于2024年3月。

公司由北京市人工智能产业投资基金与快手集团共同发起设立，前身是快手集团异构计算与芯片事业部，总部落在北京经济技术开发区。

这条路走了六年。2018年，刘凌志加入快手，从零搭建异构计算与芯片团队；2020年芯片立项；2023年，第一代SL200在快手内部部署数万颗；2024年3月，这块业务从集团拆分，独立成公司。

刘凌志是上海交通大学博士、华盛顿大学博士后，早年是富瀚微联合创始人，在华为、英特尔任过核心技术管理岗，有超过20年芯片研发经验。

核心团队来自快手、华为、英伟达、AMD、英特尔、Arm，平均15年以上的芯片设计经验，累计主导过10余款AI与视频芯片的流片与量产。

落地的广度是这条路径最直接的验证。截至本轮融资，SL200已铺到快手、阿里云、百度云、哔哩哔哩四家平台，稳定服务约7亿用户；围绕这颗芯片，公司推出了SL200-Nano、SL200-Pro加速卡与SL200_AIBOX边缘计算一体盒，覆盖云端、边缘与端侧。

2026年以来，客户结构从互联网平台向运营商与行业市场延伸：SL200进入中电信智能网络视频转码卡TeleVPU的框架采购与联通视频科技AIGV智能创作项目的候选名单。

并与华为、超聚变、新华三、浪潮形成联合方案；依托快手海外业务，这款芯片已落地新加坡、巴西，安防、传媒与具身智能成为新增场景。

二、一颗芯片里塞进36路高清视频

直播和短视频平台每天要把海量视频转成适合不同终端与网络条件的格式。这件事过去靠通用GPU加独立编码卡完成，硬件层层堆叠，调度延迟不可控，机房空间与电费一路上行。

SL200是国内首款把智能视频处理、AI推理与多核CPU集成在一颗SoC上的专用芯片。它内置8核Arm Cortex-A55，支持H.264与H.265编码，最高分辨率8192×8192，解码2路8K@30fps。

AI引擎由NPU与GPGPU组成，INT8算力24TOPS；编转码功耗40W。单颗可处理36路高清视频任务，单卡支持8路4K@60fps转码，一机8卡可输出500路以上1080P视频。

真正的技术分量在编码算法上。公司自研的CAE内容自适应编码，在芯片上实时分析画面的场景、纹理与运动特征，据此动态调整码率分配、预测模式与压缩策略，在削掉冗余码率的同时保住关键视觉信息。

按公司披露的实测数据，同等画质下比x265 medium节省约30%的码率，比英伟达NVENC AV1 5060 Ti方案的压缩效率提升30%至35%；面向云游戏与云桌面的低时延模式，编码时延可压到4毫秒至14毫秒。

外部评测给出了佐证。2025年莫斯科国立大学主办的世界编码器大赛MSU上，SL200在商业化编码器的全部子赛道（1080p@30/60/120/240fps）中位列第一，这已是连续第三届；稳定性方面，万卡集群的月故障率低于0.01%。

换到客户的账本上更直观：同等画质处理能力下，单路算力成本下降40%，整机功耗降低30%，同等机房空间的算力密度提升2.8倍。对电费与硬件采购常年排在成本前三的互联网平台而言，这是能直接写进预算表的三个数字。

从成立到现在，凌川科技走完六轮融资：2024年6月成立三个月拿到天使轮，北京市人工智能产业投资基金入局；2025年1月完成Pre-A轮，亦庄国投、九智资本、顺禧基金进入。

2025年7月完成数亿元A轮，北京市人工智能产业投资基金与快手战投联合领投；同年10月，首义科创母基金与万银资产再投一轮；2026年6月完成数亿元A+轮，啟赋资本领投。本轮10亿元是迄今最大的一笔。

名单里能看到三种资本并行：国资背景的亦庄国投、国寿长三角科创基金、北工投资；市场化机构启明创投、朝晖资本、鼎晖百孚；产业侧的龙芯创投，以及由兆易创新与专业团队发起、已在3D赛道连投谦合益邦与算苗科技的石溪资本。

老股东的加注更能说明问题，顺禧基金从天使轮投到B轮，九智资本从Pre-A轮跟到B轮。

资金的主要去向是下一代芯片。这颗芯片基于全国产3D堆叠技术，2026年4月完成流片、近日回片，预计2027年规模出货，面向AI视频生产环节，有望成为国内首款在互联网数据中心大规模商用的3D架构芯片。

它与SL系列合起来，覆盖视频生产、推荐、审核、分发的全链路。

技术上有两层新东西。计算架构上，公司沿RISC-V生态推出延迟确定性DiPU架构：传统GPU由指令驱动，访存延迟难以预测，算力利用率被拖低；DiPU改用数据流驱动与空间计算，由编译器在编译期接管存储与调度。

把延迟、时序与带宽变成可确定的三件事。物理架构上，自研3D近存方案结合国产3D堆叠与混合键合，用NUMA直连把本地访问时延压到2纳秒以下。

软件侧的统一计算平台LUCAS可自动生成算子并提供CUDA兼容层，已完成Qwen、通义万相、Hunyuan Video、MiniMax等主流模型的适配。

刘凌志对赛道的判断是：AIGV当前是数百亿元级市场，未来三到五年将爆发至数千亿元级，远期可能突破万亿元。

支撑这个判断的是算力需求正在分化——通用GPU在视频编码、时序推理与多路并发调度上的资源利用率不足40%，而短剧、互动视频、AI广告的算力消耗仍在往上走。当通用算力的边际效率逼近瓶颈，专用架构就从可选项变成了必答题。

如今，凌川科技手里握着近10万颗的出货记录、一份从快手延伸到阿里云、百度云、哔哩哔哩的客户名单，以及一颗已经回片的3D芯片。两年半时间从事业部走到B轮，它验证的不只是一款芯片能卖出去，而是从大厂场景里长出来的专用算力这条路可以走通。

整体来看，视频正在成为AI时代最消耗算力的内容形态，算力竞争也正从峰值性能转向单位成本与确定性。一家把架构、封装、编译栈与场景四件事同时握在手里的公司，在10亿元新资金到位之后，恰好接上了它最擅长的那一段。凌川科技的下一步，值得期待。