Lingsi получила ₽35 млрд на чипы для ИИ на устройствах пользователя

Lingsi Tech, китайский стартап, специализирующийся на микросхемах для локального ИИ-вывода, привлёк финансирование в раунде B объёмом около 500 млн юаней (примерно ₽35 млрд). Инвестиции поступили от государственных инвестфондов провинции Аньхой и города Хэфэй, а также от венчурных фондов: Deep Report Capital, Sky Intelligence Ventures, Scientia Venture, Yingke Capital, Dongrui Capital и Yongxin Ark. Финансовым советником компании назначен венчурный фонд Taihé Capital.

Куда пойдут инвестиции

Лингси направит привлечённые средства на разработку нового поколения чипов для edge AI inference — вывода нейросетевых моделей на периферийных устройствах. В частности, компания планирует эволюционировать от текущей специализации на чипах для моделей восприятия (распознавание образов, обработка сенсорных данных) к поддержке больших языковых моделей и систем рассуждения, которые выполняются прямо на устройстве пользователя. Это позволит пользователям запускать мощные ИИ-системы локально, без связи с облаком.

• B-раунд: около 500 млн юаней (≈₽35 млрд)
• Основные инвесторы: госфонды Аньхоя и Хэфэя
• Текущее направление: edge-вывод для LLM и моделей когнитивного уровня
• Эволюция продукта: от perception-моделей к cognition-ориентированным чипам

Почему это важно для ИИ-рынка

Чипы для edge computing завоёвывают рынок, поскольку облачные вычисления сталкиваются с проблемами задержки, конфиденциальности и стоимости. Пользователи и корпорации требуют, чтобы критические данные и модели работали локально. Lingsi конкурирует с крупными игроками вроде Qualcomm, Apple (Neural Engine) и NVIDIA, но нацелена на азиатский рынок и специализированные применения. Привлечение госинвестиций показывает, что edge AI рассматривается как стратегическая область и на государственном уровне.

Что это значит

Рост инвестиций в edge AI inference сигнализирует об утверждении локального ИИ-вывода как отдельного сегмента рынка микросхем. Вместо централизованного облака — распределённая обработка. Для разработчиков это означает новые библиотеки оптимизации и API для запуска моделей на устройствах. Для конечных пользователей — более быстрый и приватный ИИ.