凌川科技完成10亿元B轮融资：快手系视频芯片突围

10亿元B轮落定：凌川科技把”视频芯片”这门生意做通了

2026年11月4日，北京凌川科技宣布完成10亿元人民币B轮融资。本轮由亦庄国投旗下屹唐盛和基金、启明创投、朝晖资本联合领投，国泰海通开元、建信（北京）投资、鼎晖百孚等十余家机构跟投，老股东顺禧基金、水木投资集团、九智资本全部追投——在一级市场普遍谨慎的当下，老股东真金白银加注，本身就是一份难得的”信任票”。

凌川科技脱胎于快手。这家2024年3月才成立的公司，孵化自快手异构计算与芯片事业部，创始人刘凌志曾任快手集团副总裁，先后在英特尔、华为供职，是典型的”大厂内部长出来的芯片团队”。成立不到三年，已完成6轮融资。这10亿元将主要用于下一代芯片的研发量产与海外业务拓展。

融资新闻并不稀奇，稀奇的是这家公司的商业路径：在英伟达、英特尔把视频编码当作GPU/集显”附赠功能”的时代，在腾讯、字节纷纷自研自用的格局下，凌川科技选择了那条最窄也最难的路——把一颗专用的视频芯片，作为独立产品卖给市场，而且真的卖出去了近十万颗。

从快手内部需求长出来的芯片团队

要理解凌川科技的成立逻辑，得先理解快手的业务痛点。快手是一家以短视频和直播为根基的公司，每天产生的视频内容以亿计，每一秒视频都要经历采集、编码、转码、分发、播放的全流程。其中转码环节是真正的”能耗大户”：一部手机拍摄的高码率视频上传后，平台需要实时转成多种分辨率、多种码率的版本，供不同网络环境、不同设备的用户观看。

用通用CPU做转码，成本高昂；用通用GPU做，算力浪费严重。据行业公开数据，大型视频平台的转码成本通常占到整体带宽与计算成本的20%—30%。当业务规模大到一定程度，”自己造一颗专用芯片”就不再是一时冲动，而是精打细算后的必然选择。

这就是快手异构计算与芯片事业部的起点。刘凌志带着团队从内部需求出发做芯片，先在自家场景里打磨、验证、迭代，等技术和产品成熟后，再独立成公司走向外部市场。这条”内部孵化—独立融资—对外销售”的路径，与国内已经跑通的若干家AI芯片公司的成长曲线颇为相似，但凌川聚焦的赛道更垂直：视频处理。

创始团队的”三条履历”

刘凌志的履历值得展开看：英特尔经历意味着他熟悉芯片行业从架构定义到量产交付的完整工程体系；华为经历意味着他理解中国市场的本土化需求与供应链现实；快手集团副总裁的身份则意味着他深度理解视频业务本身——知道转码负载的真实分布，知道客户为什么付费，知道画质与带宽之间那道隐形的经济学边界。

做芯片最难的不是设计，而是”定义”。一颗芯片从立项到回片动辄两年，如果立项时对负载的判断错了，芯片回来就是一块昂贵的砖。凌川团队的独特优势恰恰在于：他们不是从”我们能做什么芯片”出发，而是从”视频平台每天真正在烧什么钱”出发。

SL200：一颗把”画质、体积、成本”重新定价的SoC

凌川科技目前的主力产品是SL200智能视频SoC。官方给出的核心卖点是自研CAE（Content Adaptive Encoding，内容自适应编码）技术：在保证画质的前提下，最高能把视频体积压到原来的四分之一。

这个数字需要放进业务语境里才有分量。视频平台的带宽成本与码率近似成正比，体积压到四分之一，理论上意味着同等画质下传输成本最高可降约75%。当然，实际收益取决于内容类型——动作片、游戏直播这类高运动画面压缩空间小，静态口播、风景内容压缩空间大。但即便打个对折，对于日活数亿的平台来说也是天文数字级别的节省。

国内首款”三合一”专用SoC

SL200更重要的行业意义在于集成度：它是国内首款将智能视频处理、AI推理与多核CPU集于一身的专用SoC。这三种能力过去分属不同硬件——视频处理靠专用编码器或FPGA，AI推理靠GPU或NPU，控制逻辑靠CPU。把它们装进一颗芯片，意味着一次数据搬运就能完成过去三次跨设备协同，功耗、延迟、成本同步下降。

尤其值得注意的是AI推理单元的加入。新一代视频处理早已不是简单的”编码器”，而是”理解内容再编码”：AI要先识别画面里哪些区域是人脸、哪些是运动主体、哪些是可牺牲的背景，再动态分配码率。SL200把推理和编码放在同一颗芯片上，本质上是为CAE技术量身定做的架构选择。

商业化成绩：快手99.7%的直播转码跑在SL200上

产品好不好，市场说了算。截至目前，SL200累计销售近十万颗，快手99.7%的直播转码业务已运行在这颗芯片上；外部客户包括阿里云、百度云、哔哩哔哩等。这个客户名单传递了两个信号：

第一，连阿里云、百度云这样的”潜在竞争对手”（它们都有自研芯片布局）都愿意采购，说明SL200在成本或能效上有实打实的不可替代性；第二，哔哩哔哩作为快手在业务上的直接同行愿意采用，说明凌川作为独立第三方芯片供应商的”中立性”本身就有商业价值——你可以不信任竞争对手的平台方案，但可以信任一颗只卖芯片不抢生意的凌川。

下一代芯片：全国产3D堆叠，今年流片回片，明年规模出货

本轮10亿元融资的最大去向，是下一代芯片。凌川官方披露的信息显示：新芯片基于全国产3D堆叠技术，已于2026年4月流片，近日成功回片，计划2027年规模出货，主要面向AI视频生产场景。

为什么是3D堆叠？

3D堆叠（如Chiplet异构集成、HBM式层叠封装）是后摩尔时代最受关注的技术路线之一：通过在垂直方向堆叠芯片裸片，缩短互连距离、提升带宽密度，同时可以分别采用不同工艺节点，降低整体成本与流片风险。对于视频+AI这类”数据吞吐密集型”负载，3D堆叠带来的内存带宽红利尤其显著。

“全国产”三个字则是另一层战略考量。先进制程受限的背景下，用成熟的国产工艺节点配合先进封装能力，是国产芯片公司绕开制程天花板的主流解法。凌川选择这条路线，既有供应链安全的考虑，也契合亦庄国投等国资背景投资人的产业诉求。

从”转码”走向”生产”：一次赛道升级

SL200解决的是”视频怎么存、怎么传”，下一代芯片瞄准的是”视频怎么生成”。AIGC视频正在爆发——文生视频、图生视频、AI剪辑、实时数字人，每一个场景背后都是海量的生成式计算加上同样海量的转码分发需求。在生成环节之后，内容依然要经历编码、压缩、分发，这正是凌川的老本行。新芯片把AI生产能力与视频处理能力打包，意味着凌川试图从”降本工具”升级为”生产基础设施”。

行业格局：三类方案的正面交锋

要评估凌川科技的位置，必须看清整个视频处理算力市场的分层。目前市场上有三类主流方案：以英伟达NVENC、英特尔QuickSync为代表的通用芯片集成方案；以NETINT、AMD Alveo MA35D为代表的专业转码加速卡；以及以凌川SL200为代表的专用SoC。此外还有一股特殊势力——腾讯”沧海”、字节跳动等大厂的自研自用芯片。

这张表揭示了一个关键事实：三类方案并非简单的替代关系，而是按规模和场景分层。小客户用GPU顺手就做了；超大规模转码中心倾向专业加速卡；而追求极致能效、又有深度适配能力的头部平台，专用SoC是终局答案。凌川的聪明之处在于，它用一个”小切口”（视频编码）避开与英伟达的正面对抗，用”三合一”集成度把能效优势拉到别人难以跟进的程度。

独到观察：这门生意的真正门槛，藏在计费方式里

转码的经济学：按每路、每GB结算，而不是按峰值算力

市面上大多数芯片创业公司的叙事都围绕”算力”展开——TOPS、FLOPS、峰值性能。但视频转码这门生意有一个被普遍忽视的特质：它的商业结算单位从来不是算力，而是”每路并发”和”每GB流量”。一个直播平台买转码能力，问的是”每秒能转多少路1080P””每GB视频压完能省多少钱”，而不是”你的芯片有多少TOPS”。

这个差异决定了芯片设计哲学的根本分野。峰值算力指标驱动的设计会把预算花在通用计算单元上；而按路数和体积结算的现实，会把设计推向”够用的AI + 极致优化的编码器 + 紧凑的CPU”这种高度非对称架构。凌川的SL200正是这种哲学的产物——它不追求跑分，只追求”每瓦转多少路、每路省多少带宽”。这也是为什么它能在快手99.7%的直播转码业务上站稳：直播场景7×24小时不间断，能效差一个百分点，一年就是数百万度电的差距。

换言之，视频芯片的竞争不是算力军备竞赛，而是一场”单位成本工程学”的比拼。这类竞争对初创公司反而友好——英伟达可以堆算力，但很难为一个垂直负载重写它的芯片定义逻辑。

大厂自研自用与独立芯片商之间，存在一道”生存缝隙”

再看竞争格局中最微妙的一层：腾讯有”沧海”视频转码芯片，字节跳动有自研视频芯片，快手自己孵化了凌川。表面上，每家头部平台都在自研，独立芯片商的空间应该被挤压殆尽。但凌川的存在恰恰证明了相反的结论——自研自用模式的封闭性，反而为独立厂商留出了三道生存缝隙。

第一道缝隙是”中立性溢价”。阿里云、百度云、哔哩哔哩采购SL200，部分原因正是凌川不运营视频平台，与客户无利益冲突。用竞争对手的自研芯片方案，等于把成本结构交到对手手里；用独立芯片商的产品，则没有这个心理负担。这类似于台积电模式的逻辑——”我专注做芯片，不做你的生意”本身就是护城河。

第二道缝隙是”规模反哺”。自研芯片的成本由单一大厂独自承担，且迭代节奏绑定母公司的预算周期；独立芯片商把研发成本摊到多家客户身上，可以更快迭代、更低单价。当独立厂商的客户数量越过临界点，其单位成本优势会反超任何一家的自研方案，形成”自研不如外购”的拐点。SL200近十万颗的累计销量，说明这个拐点正在逼近。

第三道缝隙是”外部市场的时间差”。腾讯沧海、字节的自研芯片技术再强，短期内不会对外销售（或至少不作为主业）；这意味着在”对外卖视频芯片”这个细分市场上，凌川几乎是唯一的中国玩家。在国产替代的大背景下，海外市场（东南亚、中东的视频平台）也将成为凌川本轮募资所指的”海外拓展”方向——那里没有英伟达的NVENC垄断心智，却有同样剧烈的带宽成本焦虑。

当然，这道缝隙并非高枕无忧。风险至少有三：其一，专用SoC赛道天花板明确，视频处理市场总量远小于通用AI芯片，一旦渗透率见顶，增长故事需要新的第二曲线——这正是下一代芯片押注AI视频生产的原因；其二，大厂随时可能改变策略，若腾讯或字节决定对外出售自研芯片，价格战不可避免；其三，3D堆叠等新技术的良率与量产爬坡存在工程风险，”今年流片回片”到”明年规模出货”之间，隔着量产验证这道业内公认的窄门。

融资背后：国资、财务资本与产业资本的”三种信任”

回望凌川科技这三年多的融资轨迹，从快手内部拆分时的第一笔启动资金，到如今10亿元B轮，几乎每一轮都踩在产品里程碑的节点上：种子轮对应团队组建与芯片定义，后续几轮对应流片、回片与SL200的规模交付。投资机构的钱没有用于”讲故事”，而是按部就班地转化成了流片费用、量产爬坡和客户拓展——这在动辄讲生态、讲平台的芯片创业圈里，算得上罕见的克制。

细看本轮投资人结构，是一次教科书式的资本组合。亦庄国投屹唐盛和基金代表北京高端制造产业的政府意志，凌川落地北京经开区，与亦庄的集成电路产业集群战略高度咬合；启明创投、朝晖资本、鼎晖百孚是财务投资力量的代表，看中的是视频芯片赛道的商业化确定性；国泰海通开元、建信（北京）投资则带有金融资本为后续资本运作铺路的意味。

而顺禧基金、水木投资集团、九智资本三家老股东的追投，某种意义上比新股东进入更有信息量——他们是看过凌川从零到近十万颗销量的全过程的人，是最清楚这颗芯片真实毛利与客户续约情况的人。一级市场的规律是：新钱看故事，老钱看报表。

成立至今6轮融资，平均一年两轮的速度，在国内芯片创业公司中属于第一梯队。这背后既有赛道的稀缺性——”对外卖芯片的视频基础设施公司”全国仅此一家，也有时机的配合：AIGC视频浪潮让”视频”从一个成熟的存量市场，重新变成一个想象力十足的增量市场。

结语：小芯片，大分水岭

凌川科技的故事之所以值得认真对待，在于它回答了中国芯片创业的一个核心问题：在英伟达的阴影下，独立芯片公司到底该往哪里走？凌川的答案是不正面刚通用算力，而是找到一个”结算单位不同”的细分市场——那里客户按每路、每GB付费，能效比就是一切，而能效比来自对负载的极致理解，而非工艺制程的军备竞赛。

10亿元B轮不是终点。真正的考验在明年：全国产3D堆叠芯片能否顺利规模出货，AI视频生产的新故事能否兑现，海外市场能否打开。如果这三步走通，凌川将证明一件对中国芯片行业影响深远的事——在巨头林立的算力版图上，垂直深耕的专用芯片公司，依然能靠一颗”小芯片”切出属于自己的大陆。

常见问题解答（FAQ）

凌川科技这轮B轮融资的规模和投资方有哪些？

2026年11月4日，凌川科技宣布完成10亿元人民币B轮融资，由亦庄国投旗下屹唐盛和基金、启明创投、朝晖资本联合领投，国泰海通开元、建信（北京）投资、鼎晖百孚等十余家机构跟投，老股东顺禧基金、水木投资集团、九智资本继续追投。资金主要用于下一代芯片研发量产与海外市场拓展。

凌川科技与快手是什么关系？

凌川科技孵化自快手异构计算与芯片事业部，2024年3月在北京正式成立，创始人是曾任快手集团副总裁的刘凌志，他此前还有英特尔和华为的任职经历。快手目前仍是其最大客户，99.7%的快手直播转码业务运行在凌川的SL200芯片上，但凌川作为独立公司同时向阿里云、百度云、哔哩哔哩等外部客户供货。

SL200视频SoC的核心技术亮点是什么？

SL200搭载自研CAE内容自适应编码技术，在保证画质的前提下最高可将视频体积压缩至原来的四分之一，直接降低带宽与存储成本。它也是国内首款将智能视频处理、AI推理与多核CPU集于一身的专用视频SoC，AI与编码同芯协同，能效比显著优于通用GPU方案。该芯片累计销售已近十万颗。

凌川科技的下一代芯片进展如何？

下一代芯片基于全国产3D堆叠技术，面向AI视频生产场景，已于2026年4月流片、近日成功回片，计划2027年实现规模出货。它将AI生成能力与视频处理能力结合，标志着凌川从”视频降本”向”视频生产基础设施”的赛道升级。

视频转码市场上有哪些竞争方案？凌川的位置如何？

目前市场主要分三类：英伟达NVENC、英特尔QuickSync代表的通用芯片集成方案；NETINT、AMD Alveo MA35D代表的专业转码加速卡；以及凌川SL200代表的专用视频SoC。此外腾讯（沧海）、字节跳动等大厂有自研自用芯片但不对外销售。凌川是国内外少数将视频芯片作为独立产品对外销售的厂商，凭借中立性与极致能效占据独特生态位。

为什么说视频芯片的商业逻辑与通用AI芯片不同？

视频转码按每路并发、每GB流量结算，而非按峰值算力定价，因此芯片设计的核心目标是最优的”每瓦转码路数”与”每路带宽节省”，而非跑分性能。这种”单位成本工程学”竞争更看重对视频负载的深度理解与架构定制，为垂直专注的独立芯片公司留出了避开巨头正面竞争的生存空间。