二〇一二年，香港中文大学多媒体实验室（MMLab）迎来了一个特殊的博士生。他叫徐冰，刚刚以优异成绩获得信息工程与数学双学士学位，被导师汤晓鸥留校继续深造，研究方向聚焦于深度学习与计算机视觉的交叉领域。那一年，深度学习正处于一场静默革命的前夜——杰弗里·辛顿的论文刚刚在ImageNet大规模视觉识别挑战赛上展示了深度卷积神经网络的惊人威力，但整个学术界和工业界对这项技术的商业化前景仍然将信将疑。大多数人还把深度学习当作一个有趣的学术实验，而非改变世界的产业力量。

汤晓鸥的多媒体实验室是亚太地区最活跃的计算机视觉研究重镇之一。二〇一一至二〇一三年间，全球深度学习在计算机视觉领域的顶级会议论文共29篇，其中14篇出自这个不到二十人的实验室。在汤晓鸥的带领下，实验室在人脸识别、图像去雾、视频处理等方向取得了一系列开创性成果。徐冰在这里的研究工作，使他深入理解了神经网络训练对海量数据和大规模计算资源的依赖关系。

徐冰亲眼见证了实验室两项里程碑式算法的诞生——GaussianFace和DeepID。这两套算法实现了人脸识别准确率首次超越人类视觉的历史性突破，相关成果登上了《自然》和《科学》杂志的报道，在全球学术界引起巨大反响。这些成果让实验室团队意识到，将技术研发转化为行业落地应用的时机已经来临。

这段学术经历给了徐冰两样至关重要的东西：一是对深度学习技术潜力的直觉判断，他比绝大多数人更早地认识到这项技术将重塑整个信息产业；二是对算力重要性的切身体会，在实验室里他深刻感受到，再精妙的算法，如果没有足够的GPU算力支撑，也只是纸上谈兵。二〇一二年的中国，几乎没有企业愿意为深度学习投入大规模计算资源，这种算力饥渴成为他日后所有商业决策的底层逻辑。

更关键的是，汤晓鸥不仅是一位杰出的科学家，也是一位深具商业嗅觉的导师。二〇一四年，当香港科学园主席罗范椒芬和IDG资本合伙人周全来到多媒体实验室，鼓励团队在香港创办科技企业时，汤晓鸥带领包括徐冰、徐立、王晓刚在内的几位核心学生，走出实验室，创办了商汤科技。从学术到产业的跨越，对徐冰而言不是艰难的选择，而是他在实验室里就已经预演的必然。 ^{[1] [2] [3]}

二〇一四年，商汤科技在香港科学园注册成立。汤晓鸥任创始人兼CEO，徐立负责技术战略，王晓刚负责研发，而年仅二十多岁的徐冰，被赋予了最不适合科学家标签的任务——融资与资本运作。在外界看来，让一个刚离开实验室的年轻人负责一家AI创业公司的钱袋子，似乎是不可思议的冒险。但在商汤的创始团队内部，这个分工有着清晰的逻辑。

在商汤早期的创始团队中，徐冰展现出的是一种罕见的复合能力：他既能在学术层面理解深度学习的技术边界和研究前沿，又能在商业语境中向投资人清晰解释这些技术的市场价值与变现路径。汤晓鸥后来在多个场合评价自己的学生时说，徐冰最懂得怎么把技术翻译成资本语言。这种能力在二〇一四年的中国AI创业圈极为稀缺——大多数AI公司的创始人要么是纯技术背景，要么是不懂技术的商人，很少有人能同时站在两个世界的交汇点上。

商汤的融资历程堪称中国AI行业教科书级的案例。二〇一四年成立之初，深度学习还未被主流投资圈充分认知，整个市场对AI商业化的信心远不如今天。徐冰面对的不仅是融资规模的挑战，更是认知鸿沟的跨越——他需要让投资人理解，一家靠GPU烧钱训练算法的公司，凭什么值得投入数亿美元，以及这些投入最终如何转化为商业回报。

他的策略是务实定价、步步为营。徐冰从不追求虚高的估值，而是坚持以技术实力和商业进展为依据，让每一轮投资人都能获得实实在在的回报。二〇一七年至二〇一八年，徐冰带领商汤完成了累计超过10亿美元的融资。二〇一八年的C轮融资6.2亿美元，刷新了全球AI单轮融资纪录，投资方包括新加坡淡马锡、泰国正大集团等顶级机构。商汤由此成为全球融资额最大的AI独角兽，估值一度超过300亿美元。徐冰在二〇一九年接受《全天候科技》专访时明确表示：我们所有的投资人，目前得到的回报都远超他们的平均回报率。一个很重要的原因是，我们每一轮的估值都定的比较务实。

除了融资数字，徐冰对商汤的另一大贡献是战略投资体系的搭建。他创立了商汤战略投资部，组建了一支专业的资本运作团队，用资本杠杆撬动更大的AI生态——通过投资上下游企业，打通行业应用场景，帮助商汤快速裂变成为一家平台型公司。这种产融结合的思路，让商汤不仅是一家技术公司，更是一个覆盖智慧城市、智能商业、智能汽车、智慧生活等多赛道的生态体系。二〇二一年，商汤进一步成立了国香资本，作为专注人工智能领域的产业投资基金，持续在AI各细分赛道进行战略布局。

这种技术加资本双轮驱动的模式，让商汤在竞争激烈的AI赛道上始终保持领先身位。商汤也因此被业内称为AI界的黄埔军校——不仅持续输出顶尖技术和核心人才，更通过资本纽带编织了一张覆盖全产业链的生态网络，为日后商汤系的集体爆发埋下了伏笔。 ^{[2] [4] [5]}

二〇二一年十二月三十日，商汤科技在港交所正式挂牌上市，股票代码0020.HK。发售价每股3.85港元，总发行15亿股，集资约58亿港元，成为港股首家AI软件上市公司，也是全球AI领域规模最大的IPO。上市首日股价一度涨超22%，市值突破1400亿港元。这一天，距离商汤创立刚好过去了七年，距离徐冰在汤晓鸥实验室开始博士研究刚好过去了九年。

这场IPO的戏剧性远超一般商业叙事。原定于12月17日挂牌的商汤，在美国财政部突然将其列入相关制裁名单后被迫暂停全球招股。这是中国科技企业面临地缘政治冲击的一个典型案例。所有申请股款被悉数退还，市场普遍认为商汤上市已经无望。然而，商汤在短短数日内完成了重新招股，基石投资者全部切换为中资机构——混合所有制改革基金、上海徐汇资本、国泰君安等成为新的核心支持者，基石投资规模反而进一步提升至5.1亿美元。这种临危不乱的组织能力，很大程度上归功于徐冰多年来积累的资本运作经验和投资人信任网络。

作为商汤的融资总操盘手和董事会秘书，徐冰在这场IPO中扮演了不可替代的角色。从二〇一四年创立到二〇二一年上市，商汤经历了12轮融资，总融资额达52亿美元。上市前最后一轮融资于二〇二一年六月完成，估值达到120亿美元。徐冰带领团队在七年间，将一家学术实验室的衍生项目打造成为全球估值最高的AI独角兽之一，期间每一轮的估值增长都建立在可验证的技术突破和商业进展之上。

然而IPO之后，商汤面临的挑战远未结束。二〇二二年至二〇二四年，公司持续亏损，股价从上市初期的峰值大幅回落。二〇二三年十二月十五日，创始人汤晓鸥因病去世，享年55岁，这对整个团队是巨大的精神打击。作为汤晓鸥最年轻的学生之一，徐冰在商汤创立之初只有二十多岁，汤晓鸥不仅是他的导师，更是他整个职业生涯的引路人和精神支柱。

商汤的IPO经历和后续发展让徐冰深刻认识到一个残酷现实：一家AI软件公司的估值天花板，很大程度上受制于底层算力的供给成本。商汤每年采购大量GPU芯片，过去十年累计采购超过四万块GPU，绝大部分资金流向海外芯片巨头。无论算法多优秀、商业模式多创新，只要算力命脉握在别人手中，AI公司的商业故事就永远建立在不确定的地基上。这个认知，成为他日后造芯的核心驱动力。 ^{[3] [5] [6]}

二〇二四年底，商汤科技董事长兼CEO徐立发布全员信，宣布启动"1+X"组织架构重组。"1"代表商汤核心业务——生成式AI、AI云和大模型；"X"代表分拆独立运营的生态企业矩阵，包括智能汽车"绝影"、家庭机器人"元萝卜"、智慧医疗、智慧零售等。芯片业务是最受关注的"X"之一，也是最需要独立造血能力的板块。

这个决策的背景是商汤面临的严峻财务压力。二〇二四年，商汤净亏损约43亿元，研发支出高达41.3亿元。芯片业务作为高投入、长周期的赛道，在上市公司体系内既无法灵活融资，又难以吸引最顶尖的芯片人才。将芯片业务分拆独立，让其在市场中寻求外部融资和独立发展，成为理性而必然的选择。

二〇二五年三月，市场传出徐冰将离职的消息。3月21日，钛媒体率先报道徐冰将自愿辞去董事会秘书和执行董事职位。5月30日，商汤正式发布董事会公告，宣布徐冰将专注于推动公司生态体系中战略性新兴业务的发展，已获任AI芯片业务负责人。6月26日，在商汤年度股东大会上，徐冰正式卸任执行董事及董事会秘书职务，结束了他在商汤长达十年的高管生涯。

这个决定在外界看来颇为意外。徐冰此时持有商汤约5.1亿港元的股票，年薪约269万元人民币，更拥有"商汤联合创始人""全球AI最大IPO操盘手"的光环。放弃上市公司高管的体面身份，投身一个"烧钱快、赚钱难"的芯片赛道，很多人不理解。毕竟，芯片行业的残酷性是出了名的——流片一次就要数亿元，做出来不说和英伟达、AMD比，国内华为、寒武纪、小米都未必能比过。就算硬件性能比得过，想要做好编译器、算子、框架，这三个方向每个招一个大牛，一年一两千万就进去了。

但徐冰有自己的逻辑。他在多个场合反复强调："中国每年支付超千亿'算力税'，创新血液不断流失。算力自主权，是AGI时代的呼吸权。"在商汤十年，他比任何人都清楚算力成本对AI公司的生死意义。当商汤的芯片团队已经量产两代产品——S1视觉推理芯片和S2大模型推理GPGPU——积累了核心技术之后，将其独立运营，既是商业上的合理分拆，也是徐冰个人职业路径的关键转折。他从资本的搬运工变成了硬件的创造者，从帮助公司花钱的人变成了亲自造芯的人。 ^{[4] [6] [7]}

二〇二五年六月，杭州曦望芯科智能科技有限公司正式注册成立。"曦"取破晓之光，"望"取远方期许——这是一家从名字开始就在宣告使命的公司，目标是为中国AI铸造自主可控的算力底座。公司注册地址位于浙江省杭州市滨江区，法定代表人由联席CEO王湛担任，注册资本5000万元人民币。

曦望的前身是商汤科技的大芯片部门，其核心团队可追溯至二〇二〇年成立的上海阵量智能科技有限公司。在商汤体系内，这支团队已经完成了两代芯片的研发与量产：S1多模态视觉推理芯片面向云边端视觉推理场景，S2大模型推理GPGPU性能对标英伟达A100，累计投入研发超过20亿元，交付量突破1万片。商汤大芯片团队成建制加入曦望，带走的不仅是技术积累，还有从芯片设计、流片到量产交付的完整工程经验。

徐冰为曦望搭建了一个堪称教科书级的"铁三角"团队。董事长徐冰统筹战略方向与资源组织，不介入具体日常工作；联席CEO王勇，拥有超过20年芯片研发经验，曾任AMD独立显卡首席架构师、百度昆仑芯核心架构师，二〇二〇年加入商汤担任芯片研发负责人，主导了S1和S2两代芯片从设计到量产的全过程，负责技术和研发；联席CEO王湛，百度创始团队成员、百度首位产品经理，搜索商业系统"凤巢"的总设计师，前百度资深副总裁，负责商业化体系搭建、客户拓展和生态构建。

三人的分工堪称精密：徐冰判断方向和整合资源，王勇把芯片做出来并确保技术领先，王湛把芯片变成客户需要的产品和方案。内部有人用三人名字的谐音称这个组合为"越湛越勇"——这句玩笑恰好概括了曦望的组织结构。打动王湛加入的原因很朴素：中国在数据和算法上并不落后，短板仍然是芯片。如果有机会参与补上这块短板，值得重新回到创业一线。徐冰正式邀请他时，两人从加微信到敲定合作，前后不到24小时。

但曦望最引人注目的，不是团队豪华，而是战略选择的激进。二〇二五年，国产GPU赛道的竞争逻辑是"训推一体"——谁家的芯片既能训练又能推理，谁就更"能打"。摩尔线程、壁仞科技、沐曦股份等都在强调全功能覆盖。曦望却反其道而行：只做推理，彻底放弃训练能力。

这个决策源于一个来自一线的关键发现。王勇回忆，在S2芯片的实际客户交付中，尽管芯片设计时考虑了训推一体的通用性，但到了客户手中，几乎全部算力都被用于推理场景。原因很简单：训练是一次性的大规模集中投入，而推理是24小时不间断的持续消耗。用为训练优化的昂贵芯片来做推理，实际利用率往往只有5%到10%，性价比极低。徐冰的战略判断由此形成：训练是头部巨头的游戏，门槛越来越高；推理则是百花齐放的市场，需求看不到天花板。 ^{[5] [7] [8]}

二〇二六年一月，曦望发布新一代旗舰推理GPU——启望S3。这是国内首款搭载LPDDR6、兼容LPDDR5X内存的推理GPU，也是全球范围内第一款彻底放弃训练能力、专为大模型推理设计的商用芯片。S3的发布标志着曦望从"商汤芯片部门"正式蜕变为一家拥有独立技术路线和产品定义的创新型芯片企业。

S3的设计理念可以概括为三个字：做减法。在国产GPU竞相标榜"训推一体"、参数对标英伟达的行业语境下，这是一种近乎异端的策略选择，但在曦望团队看来，这是基于真实客户需求和产业趋势的理性判断。

第一个减法是显存架构。主流GPU为了兼顾训练场景对高带宽的需求，普遍采用昂贵的高带宽内存HBM。HBM的先进封装产能集中在台积电等少数厂商手里，价格高昂且供应紧张，供应链存在显著的地缘政治风险。S3反其道而行，选择了成本低得多、容量更大的LPDDR6内存。如果把显存比作"仓库"，HBM像建在高速路口的立体仓——带宽极高但价格昂贵；LPDDR则允许把"仓库"做大，成本低，供应链更可靠。更关键的是，国产存储企业如长鑫科技已具备LPDDR5X的量产能力，下一代LPDDR6研发接近尾声，这意味着在存储环节不必完全依赖海外供应链。

第二个减法是计算精度与算子优化。S3将绝大部分晶体管面积用来加强FP4低精度算力，因为主流大模型推理运算已大量采用FP4精度。同时，S3针对两个核心算子——GEMM通用矩阵乘法和FlashAttention注意力机制——做了深度优化，算子利用率分别推至约99%与98%，标称算力几乎全部转化为有效吞吐。王勇强调："推理侧的效率瓶颈已不再是'算力不够'，而是'算力用不满'。"

第三个减法是面向Agent场景的原生架构设计。S3围绕智能体的复杂控制流重新设计了指令集和微架构，精准匹配多轮推理、长上下文处理和工具调用的效率需求。在二〇二六年Kimi K3、MiniMax H3、DeepSeek-V4等模型密集发布的背景下，AI Agent的爆发式增长产生了海量推理需求，S3的架构恰好踩中了这一趋势。

减法带来的成果令人瞩目。在DeepSeek V3/R1等主流大模型推理场景中，S3的单位Token成本较上一代产品下降约90%，整体性价比提升超过10倍。徐冰的目标是"将推理成本降至百万Token一分钱，让AI像水电一样成为普惠基础设施"。

在软件生态上，曦望采取了务实的兼容策略：软件栈实现95%的CUDA兼容，开发者几乎可以无缝迁移。目前已适配ModelScope平台90%以上的主流大模型形态，包括DeepSeek、通义千问等。王勇的态度很明确："我们拒绝做'跑分党'。不希望用benchmark来定义芯片，而是希望做到帮客户赚钱的算力。"这句话道出了曦望与传统国产GPU厂商的根本分歧——不比参数高低，比的是单位经济性的优劣。 ^{[6] [8] [9]}

从二〇二五年中独立运作到二〇二六年九月，曦望在短短一年余完成了七轮融资，累计金额接近60亿元人民币，估值从初始的约15亿元飙升至约200亿元。这样的融资节奏和估值增速，在整个国产GPU赛道中都极为罕见。

第一轮融资发生在二〇二五年七月，规模近10亿元，投资方包括三一集团旗下华胥基金、第四范式、游族网络、北京利尔、松禾资本和海通开元。这些大多是商汤芯片业务的老股东，对团队的技术能力和产业判断已有充分认知。其中北京利尔以2亿元认购新增股份，对应的投前估值为15亿元。

二〇二六年一月，曦望宣布完成近30亿元战略融资，堪称国产GPU赛道年度最大单轮融资之一。投资方阵容空前强大：IDG资本、高榕创投、中金资本、普华资本、无极资本、心资本、易方达资本、工银投资、海通开元、越秀产业基金、银泰投资、国元基金、粤民投、华民投等头部财务机构，加上诚通混改基金、杭州金投、杭州高新金投等国资背景资本，以及第四范式、协鑫科技、正大机器人等产业投资方。国香资本——即商汤旗下的产业基金——在两轮中均现身，扮演着"内部输血"的关键角色。

二〇二六年四月，曦望再获超10亿元融资，由杭州资本领投，普华资本等多家机构跟投，投后估值正式突破百亿元大关，成为国内首家估值超百亿的纯推理GPU独角兽。

二〇二六年八月底，曦望再获20亿元融资，投后估值达到约200亿元——不到半年时间估值接近翻倍。本轮投资方包括人保股权、建信股权、中科创星、同创伟业、临芯投资、毅达资本、湖畔基金等财务机构，以及正大集团、九安医疗、盈峰环境、三七互娱、同程旅行等产业资本。"国家队"资金的进场，标志着曦望已获得国家层面的战略认可。

这份豪华的股东名单背后，是三种核心预期的叠加。第一，大模型推理需求的指数级爆发——当AI Agent成为应用主流形态，推理取代训练成为算力消耗主体，Token经济学成为行业焦点。第二，国产算力替代的政策加速——美国对华芯片出口管制持续收紧，英伟达高端GPU对中国企业限供，国产替代从可选变为刚需。第三，独立GPU资产在资本市场上的稀缺性——在摩尔线程、沐曦股份、壁仞科技等国产GPU公司陆续上市后，纯推理赛道的曦望成为新的稀缺投资标的。

曦望团队400人的规模中，研发人员占比超过80%，硕士及以上学历占比超过80%，核心成员来自英伟达、AMD、华为海思等顶尖芯片企业。在芯片行业，"连续成功"是最好的信用背书——两代芯片量产交付的经验，让投资人相信这个团队不是纸上谈兵。 ^[7] [8]

理解曦望的战略价值，需要先理解AI算力需求正在发生的结构性转变。这个转变，将决定未来十年AI产业的竞争格局。

过去三年，AI算力的主要消耗来自大模型训练。训练一次GPT-4级别的模型，成本可达1亿美元以上。这是一次性的巨额支出——训练完成，模型就定格了。但从二〇二五年开始，随着大模型进入应用爆发期，算力消耗的重心正在从训练向推理急剧倾斜。

推理，是每一次用户向AI提问、每一次AI生成回答时发生的计算过程。当ChatGPT每天处理数亿次对话，当AI Agent开始替代人类完成复杂的多步骤工作任务，推理消耗的算力呈指数级增长。一次Agent任务可能触发几十次模型调用，24小时不间断的Token生产，成为算力消耗增长的新引擎。

这带来了一个根本性的经济学问题：Token的成本。当AI应用大规模铺开，企业最关心的不再是"模型有多聪明"，而是"每百万个Token要多少钱"。英伟达在二〇二六年开始反复讨论"每瓦能生成多少Token"，本质上是整个行业从追求算力峰值转向追求算力经济性的明确信号。当推理取代训练成为算力消耗的主体，芯片的评价标准也在从"跑分高低"转向"Token单价"。

曦望正是踩中了这个结构性转折。S3芯片通过做减法实现的90%成本下降，意味着同样规模的推理任务，用曦望方案的支出仅为传统方案的十分之一。如果这个成本优势能够在大规模交付中持续兑现，它将彻底改变AI公司的成本结构。王湛将此概括为："如果能让推理成本下降90%，并提供更稳定的服务，我们的竞争就不是'又一个芯片'，而是'重写中国AI的成本结构'。"

曦望的商业模式也在围绕推理经济学展开。基于自研GPU和全栈优化，曦望与合作伙伴共同推出推理系统级解决方案：首先，软硬件深度协同，将芯片算力在模型推理场景中充分发挥；其次，将复杂的底层工程封装成用户友好的服务，实现算力资源的弹性按需供给；最后，提供集成的模型市场和应用开发工具，大幅降低技术门槛，实现"开箱即用"的体验。

这种定位让曦望避开了与英伟达和华为的直接对抗。它不需要在通用算力市场上击败任何巨头，只需要在大模型推理这个增长最快、需求最大的局部战场上，证明专业化带来的效率提升足以覆盖迁移成本。这既是曦望可能赢的原因，也是它最需要证明的地方。正如徐冰所说，曦望不需要成为另一个英伟达，它要做的是"现有算力系统的推理分流与成本优化层"。 ^[8] [9]

在中国AI产业的版图上，徐冰占据着一个独特的位置。他不是纯粹的科学家，不是纯粹的资本家，也不是纯粹的工程师。他是极少数同时穿越学术前沿、资本运作与硬件制造三个世界的中国科技创业者——从汤晓鸥实验室的博士生，到操盘全球AI最大IPO的资本架构师，再到辞职造芯的推理芯片创业者。这种跨界经历在中国科技界几乎找不到第二个案例。

这种跨界经历让他的战略判断具有一种罕见的"全栈视角"。他理解算法的边界在哪里，所以知道芯片该为什么样的场景优化；他理解资本的逻辑和节奏，所以知道如何在漫长的烧钱周期中为团队争取生存空间和发展资源；他理解供应链的残酷现实，所以选择了LPDDR而非HBM这种对国产供应链更友好、更自主可控的技术路线。在国产GPU行业普遍追逐参数对标英伟达的浪潮中，这种全栈视角让曦望做出了一条差异化路线的冷静选择。

在更宏观的层面上，徐冰和曦望代表的是中国AI产业从"应用层繁荣"走向"基础设施自主"的关键转折。过去十年，中国AI产业的叙事主线是算法追赶——从人脸识别到大语言模型，中国企业一直在追赶硅谷的技术节奏。但到了二〇二五年，行业共识已经发生根本转变：算法层面的差距正在快速缩小，真正的瓶颈在算力。当英伟达的GPU成为中国AI公司的"刚需"，当每一分算力支出都在为海外芯片巨头贡献利润，算力自主就从一个技术问题升级为一个产业安全问题。

曦望的"纯推理"策略，本质上是对这个结构性问题的务实回应。它不试图在所有维度上挑战英伟达，而是选择在推理这个增长最快、需求最大的局部战场上，建立差异化的成本优势。如果成功，它将成为中国AI算力版图中不可替代的一环；即使面临挑战，它的探索也将为后来者提供关于推理专用架构、供应链策略和商业模式创新的宝贵经验。

截至二〇二六年九月，曦望已累计融资接近60亿元，估值约200亿元，正启动赴港上市的准备工作。S3芯片正在推进规模化量产交付，S4和S5的研发已在规划中。公司团队规模超过400人，研发人员占比超80%。从上海阵量的24万元营收，到曦望的百亿估值，中间隔着的不只是资本，更是一支团队六年积累的工程能力、一个行业拐点的到来、和一位跨界创业者对产业全局的深刻理解。

徐冰曾用一句话概括自己的选择："往前看，别怕难，别回头。"这句话既是他的老师汤晓鸥留给商汤人的精神遗产，也是他对自己从资本到芯片这场逆向转型的最好注解。在AI算力这场决定未来的竞赛中，徐冰已经选择了自己的赛道——不是最宽的那条，但可能是最关键的那条。 ^[9]