端侧AI的“最后一公里”，微路智能的GPNPU路线能否跑通？

端侧AI芯片市场正从“谁能做出Demo”转向“谁能跑通量产和持续盈利”的分化阶段。传统NPU通过固化算子电路把能效比做到极致，但Transformer架构迭代过快，专用性反而成了局限；通用GPU灵活性足够，庞大的控制逻辑和缓存体系却难以适配机器人、边缘盒子等功耗敏感场景。微路智能的GPNPU路线试图从指令集和微架构层面融合NPU的高能效与通用处理器的可编程性，而非简单物理堆叠。 对下游客户而言，这一架构的吸引力在于存量升级的兼容性：工业控制、智能制造等场景无需推翻原有ARM或x86主控，通过加速卡或模组引入GPNPU即可获得本地运行大模型的能力，形成“不换心脏，只换引擎”的平滑升级路径。 融资节奏上，微路智能2026年7月成立于杭州钱塘区，9月完成数千万元天使轮，由国信中数铜陵科创基金领投，10月完成天使+轮，三个月连融两轮。资金明确投向TileFlow编译器与软件栈的产品化，该编译器公开兼容llama.cpp、vLLM等主流推理框架，指向降低模型迁移与部署门槛。 首代产品VLX-64定位为加速卡形态，天使+轮资金用途包含首代芯片投片与工程验证，具体处于MPW流片还是量产准备阶段，公开信息尚不充分。资金用途中提及的“IP客户交付体系建设”，则暗示公司可能采取“芯片+IP授权”的双轮驱动模式。创始团队源自EPFL及UCSD，拥有台积电联合研发背景。 GPNPU在理论上契合端侧大模型需求，但工程落地仍需回答两个问题：可编程性带来的面积开销如何平衡，TileFlow编译器能否真正理解开发者意图。这既是微路智能要跨越的鸿沟，也是这条路线能否跑通的验证点。