6月10日，全球存算一体芯片领导者知存科技宣布完成亿元A3轮融资，本轮融资由飞图创投领投，万魔声学、科宇盛达、仁馨资本等跟投，老股东科讯创投、中芯聚源、普华资本、招商局创投继续跟投，指数资本担任独家财务顾问。融资资金将用于加大技术研发投入，产品线扩充及新的产品量产。
此前，知存科技曾分别获得由中芯聚源和国投创业领投的A1轮及A2轮融资。截至目前，知存科技已完成累计近3亿元的A轮系列融资。
知存科技创始人兼CEO王绍迪表示，指数资本以研究驱动的价值主张和服务过程中展现出的主观能动性非常打动我们。对芯片和半导体行业，指数资本有着高度体系化的认知，帮助我们以多维视角深化行业洞察。在交易层面，指数资本以资本为杠杆撬动多方资源，帮助我们优化合作生态，成为公司的“超强外脑”；并以极强的专业能力和全方位高标准的服务获得我们团队一致认可。
指数资本智能科技负责人黄磊认为，存算一体技术可大幅减少数据搬运并极大提高计算便携度与能量效率，成为AI时代的主流计算架构。知存科技作为行业头部企业，在存算一体领域的技术实力和流片经验遥遥领先，并获得多个行业标杆客户认可。作为知存科技长期合作伙伴，指数资本相信在本次融资过后，知存科技将保持迅猛的发展势头，持续领跑AI芯片赛道。
上世纪40年代，冯诺依曼确立了处理器和存储器分离的基本计算架构。随着AI算法的持续升级与AI应用的持续普及，冯诺依曼架构的“存储墙”问题日益凸显，即数据在三层存储间传输时，后级的响应时间及传输带宽都会拖累整体性能，导致有90%以上的资源都消耗在数据的搬运上，且数据搬运慢，造成高功耗、低效率、高成本等问题。因此，市场对于低成本、低功耗、高算力、通用性和小面积的AI推理芯片需求日益增加。
存算一体技术被称为新一代人工智能芯片技术，它将存储和计算有机结合，直接利用存储单元进行计算，极大地消除了数据搬移带来的开销，解决了传统芯片在运行人工智能算法上的“存储墙”与“功耗墙”问题，可以数十倍甚至百倍地提高人工智能运算效率，降低成本。存算一体技术完美贴合智能语音识别、降噪、声纹识别，人脸、手势、文字识别等AI侧使用场景，大幅度缩短AI的落地周期。
据全球市场洞察公司的最新报告显示，2019年AI芯片组市场规模超过80亿美元，预计到2026年增长至700亿美元，复合年增长率（CAGR）将达到35％左右，其中推理AI芯片占据市场主导。 AI推理芯片覆盖智能可穿戴设备、智能家居、移动终端、AR/VR、云端加速等多个千亿级应用市场，未来具备广阔的拓展空间。
知存科技成立于2017年10月，专注于模拟存算一体人工智能芯片设计。团队研发存算一体芯片8年，于2016年成功流片验证了国际首块模拟存算一体深度学习芯片，目前已实现国际首个存算一体芯片量产。
知存科技突破性地使用Flash存储器完成神经网络的存储和运算，解决AI的存储墙问题，提高运算效率。相比基于冯诺依曼架构的深度学习芯片，运算效率提升约10-50倍；单一Flash阵列可并行完成100万次矩阵乘加法运算，计算吞吐量比DRAM和SRAM等带宽高出100-1000倍。可在成熟工艺下超过先进工艺的运算效率，大幅度降低开发和流片成本。此外，知存科技已经积累了存算一体从设计、仿真技术到量产的全流程经验，产品开发效率相比过去提升5倍。
经过数年发展，知存科技已推出WTM系列的两款芯片产品，覆盖智能可穿戴设备、智能家居、智慧城市等众多使用场景。支持低功耗多命令词识别、降噪、声纹识别等，内置2MB 深度学习网络参数存储空间，可同时存储和运算多达 40层的多个（相同或不同）深度学习网络算法，知存科技推出首个存算一体编译器WITIN Mapper，支持 DNN/RNN/LSTM/TDNN 等多种网络结构。
知存科技创始人兼CEO王绍迪本科毕业于北京大学微电子系，于2017年取得UCLA博士学位，是存储器和自动化设计专家。CTO郭昕婕本科毕业于北京大学微电子系，于2017年取得UCSB博士，曾耗时4年、历经6次流片，首次攻下了浮栅存算一体深度学习芯片技术。此外，知存科技团队超过80%人员为研发人员，拥有加州大学、爱丁堡大学、清华大学、北京大学、国防科技大学、浙江大学、北京航空航天大学等国内外知名学府专业学术背景，以及IBM、Global Foundries、AMD、Qualcomm、Global Foundries、RDA等知名半导体企业工作背景，具备丰富的芯片设计、研发、量产及销售经验和资源。
