在AI芯片领域，一场以推理为核心的新竞争正在悄然展开。上海淬思科技有限公司（Trace Intelligence）凭借其独特的AI驱动芯片设计理念，近日完成孵化轮融资，由砺思资本（Monolith）与启盈同创基金联合领投。这家成立于2026年5月的初创企业，正试图通过重构芯片设计流程，解决定制AI芯片长期面临的适配难题。
传统AI芯片设计面临的核心矛盾在于：大模型推理场景高度碎片化，模型架构迭代迅速，导致芯片需求难以提前锁定。为适配变化，架构需反复修改，设计周期被拉长，"快速流片"与"保持竞争力"成为难以兼顾的目标。淬思创始人潘鸿洋博士指出："这一代AI芯片的稀缺资源不是算力，而是设计速度——要让芯片迭代节奏跟上场景与模型的变化。"
产业趋势印证了这一判断。2025年底，英伟达收购低延迟推理芯片公司Groq的技术资产；次年6月，其发布专为智能体设计的Vera CPU。这些动作表明，面向Agent的专用推理芯片正成为新赛道。与通用GPU擅长的批量计算不同，Agent推理需要处理串行任务，对单用户延迟要求极高，这为专用芯片创造了机会。
淬思的解决方案是将AI贯穿芯片设计全流程。其自主研发的Agentic EDA平台覆盖从设计规格到版图生成的每个环节，通过机器学习压缩原本以年计的设计周期。该平台已通过真实芯片流片验证，设计数据可反哺流程，形成"交付越多、迭代越快"的良性循环。团队在架构设计上采取灵活策略，根据场景需求在性能、能效与灵活性间动态平衡。
创始团队背景为技术落地提供了保障。潘鸿洋博士长期研究AI驱动的芯片设计自动化，曾在MLCAD 2025国际竞赛中夺冠，拥有多次流片与创业经验。核心成员来自国内外一线芯片企业及国际独角兽，兼具学术深度与工程经验。团队采用"资深专家+年轻工程师"的组合模式，借助AI工具实现能力放大，目前正加速扩充规模。
资本方对淬思的评估聚焦于其方法论创新。砺思资本创始合伙人曹曦认为："推理芯片竞争已从算力规模转向交付能力，淬思打通了工具链与芯片设计的闭环。"启盈同创则强调团队特质："既有顶尖学术训练，又具备量产经验，这种组合在早期项目中极为珍贵。"
目前，淬思的Agentic EDA平台已产生商业化收入，首款面向Agent推理的芯片正在研发中，计划年底前完成流片。这款芯片的设计全流程由AI完成，将验证其方法论的规模化应用能力。公司同步启动新一轮融资，持续招募海内外人才加入。
淬思的技术路线代表着AI芯片设计的新范式。通过将智能体引入设计流程，该公司试图重新定义芯片与算法的协同关系。其应用场景覆盖从消费电子到云端数据中心的广泛领域，目标是在模型快速迭代的背景下，建立"需求感知-快速设计-数据反哺"的动态响应体系。这种模式若能成功，或将改变定制芯片的开发逻辑。
