AI Chip Startups Raise Over $1.1B in VC Funding as MatX Secures $500M to Challenge Nvidia
在本週半導體領域釋出的巨大信心信號中，一群人工智慧晶片新創公司僅在本週就籌集了超過 11 億美元的風險投資（Venture Capital）資金。領跑這一浪潮的是總部位於山景城（Mountain View）、由前 Google TPU 架構師創立的新創公司 MatX，該公司獲得了高達 5 億美元的 B 輪融資。這波融資浪潮凸顯了投資者日益增長的興趣，他們希望支持專用的硬體架構，以撼動 Nvidia 在生成式 AI（Generative AI）時代的主導地位。
這筆總計 11 億美元的注資旨在解決 AI 供應鏈中的關鍵瓶頸：依賴通用 GPU 來執行日益複雜的大型語言模型（Large Language Models，LLMs）。隨著 AI 模型的規模擴展到數兆個參數，業界正押注於專為 Transformer 從頭設計的專用晶片，這將提供下一代智慧所需的效率和吞吐量。
MatX 以 5 億美元 B 輪融資領跑
MatX 是這波融資熱潮中的領軍新創公司，該公司已結束隱身模式，並帶著大膽的主張和重量級的投資者陣容亮相。該公司這輪 5 億美元的融資使企業估值達到數十億美元，為其提供了敲定晶片設計並向 TSMC 確保產能所需的資金儲備。
本輪融資由 Jane Street 和 Situational Awareness 領投，後者是由前 OpenAI 研究員 Leopold Aschenbrenner 創立的投資公司。參與方還包括半導體巨頭 Marvell Technology、NFDG、Spark Capital 以及 Stripe 共同創辦人 Patrick and John Collison。
Google TPU 背景
MatX 的公信力主要源於其創辦人 Reiner Pope（CEO）和 Mike Gunter（CTO）。兩人都是 Google 硬體部門的資深人士，在那裡他們在張量處理單元（Tensor Processing Unit，TPU）的開發中發揮了關鍵作用——這是為 Google 內部 AI 工作負載提供動力的定製晶片。
Pope 和 Gunter 於 2022 年離開 Google，並帶著一個特定的論點：雖然 GPU 功能強大，但它們帶有通用計算和圖形遺留的「負擔」。MatX 旨在消除這些低效能，專門為現代 LLM 所需的數學運算設計晶片。
技術：MatX One 與可拆分脈動陣列
MatX 推介的核心是 MatX One，這是一款旨在為大型模型的訓練和推理提供高達 Nvidia 當前產品 10 倍性能的處理器。該晶片利用了一種稱為「可拆分脈動陣列（splittable systolic array）」的新穎架構。
傳統的脈動陣列（Systolic Arrays）——用於 Google 的 TPU 和其他 AI 加速器——是處理單元的僵化網格。MatX 的創新允許這些陣列被動態地重新配置或「拆分」，以更有效地處理不同的矩陣大小。這種靈活性對於處理基於 Transformer 模型的多變計算需求至關重要。
關鍵架構創新：
- 混合記憶體架構： MatX One 結合了用於低延遲權重儲存的大量 SRAM（靜態隨機存取記憶體）和用於長上下文支持的 HBM（高頻寬記憶體）。這試圖解決困擾當前 GPU 叢集的「記憶體牆」瓶頸。
- 核心專注： 該晶片針對具有至少 70 億個參數的模型進行了優化，放棄了對較小遺留工作負載的支持，以最大程度地提高在前沿 LLM 上的性能。
- 互連（Interconnects）： 該架構專為大規模擴展而設計，支持集群數十萬個晶片，旨在減少通常會限制 GPU 叢集訓練運行的通訊延遲。
11 億美元浪潮：為何投資者現在採取行動
11 億美元的融資週反映了市場情緒的轉變。多年來，Nvidia 的 CUDA 軟體護城河被認為是難以逾越的。然而，訓練前沿模型的巨大成本——通常高達數億美元——創造了對更高效硬體的經濟必然性。
投資者押注於軟體鎖定正在鬆動，因為像 PyTorch 這樣的框架正變得越來越與硬體無關。「Nvidia 稅」——為稀缺性和利潤支付的溢價——已驅使主要的 AI 實驗室尋求替代方案。MatX 直接向這些頂級實驗室（如 OpenAI、Anthropic 和 xAI）銷售的策略，繞過了對廣泛企業銷售渠道的需求，使他們能夠完全專注於性能。
比較分析：MatX vs. 現有領導者
下表概述了 MatX 如何將其技術定位於現行標準，即 Nvidia 的 H100/Blackwell 架構。
市場定位比較
---|---|----
特性|MatX One（預期）|Nvidia H100 / Blackwell
主要架構|可拆分脈動陣列|通用 GPU（SIMT）
記憶體層級|SRAM 優先，HBM 用於上下文|以 HBM 為主（HBM3e）
目標工作負載|LLMs 與 Transformer（7B+ 參數）|通用 AI、圖形、HPC
軟體生態系統|定製編譯器（LLM 專用）|CUDA（廣泛且成熟）
創始人背景|Google TPU 與 DeepMind|圖形與並行計算
核心優勢|為 LLM 提供 10 倍計算密度|多功能性與供應鏈主導地位
前進之路：2027 年及以後
儘管獲得了巨額融資，MatX 及其同行仍面臨重大障礙。設計晶片只是第一步；在大規模生產中實現功能正常的晶片良率是出了名的困難。MatX 計劃在今年完成其設計，初步出貨目標定於 2027 年。
這個時間表使他們與 Nvidia 未來的路線圖（包括 Rubin 架構）展開直接競爭。此外，構建一個能讓研究人員輕鬆將其工作從 Nvidia GPU 移植過來的軟體棧，仍然是任何挑戰者面臨的最大單一風險。
然而，憑藉 5 億美元的資金和一支曾參與發明現代 AI 加速器的領導團隊，MatX 已將自己定位為迄今為止對 GPU 霸權最可靠的威脅。隨著對算力的需求繼續超過供應，半導體行業正準備迎接一個由效率（而非僅僅是原始性能）定義贏家的新競爭時代。
