估值至少達到341億元。 芯東西5月20日消息，據《福布斯》昨日報導，美國AI模型開發商Zyphra正在進行5億美元的新一輪融資，美國晶片巨頭AMD也參與了投資。消息人士稱，Zyphra的估值將至少達到50億美元。 Zyphra成立於2020年，開發先進的開源AI模型，並提供雲基礎設施服務。大多數AI實驗室默認採用輝達晶片，而Zyphra卻完全站在AMD派系，其模型的訓練和推理均在AMD硬體上運行，這既節省了成本，又帶來了供應鏈優勢。 Zyphra Cloud是一個由AMD提供技術支援的全端式新雲平台，專為AI原生初創公司、企業和前沿AI超大規模資料中心而設計。

很少有一位25歲首席執行官會在辦公桌上方掛著羅伯特·卡羅的照片，但邁克爾·特魯爾是個例外。每當特魯爾在Zoom上通話時，卡羅的肖像就在他身後赫然可見。這位傳奇作家曾為林登·約翰遜和羅伯特·摩西撰寫傳記，照片裡的他身穿毛衣，戴著眼鏡，正專心寫作。 Cursor首席執行官特魯爾必須跟人工智慧巨頭競爭。圖片來源：Andria Lo 這兩人構成了一種微妙的對照。特魯爾剛從麻省理工學院畢業幾年，執掌著估值293億美元的人工智慧程式設計公司Cursor，被公認為程式設計師中的“搖滾明星”。他說話溫和，立場堅定，看起來比實際年齡更小，卻帶領Cursor實現了爆髮式增長。如今，67%的《財富》美國500強企業都在使用Cursor，其平台每天生成的企業程式碼高達1.5億行。 我本以為特魯爾會崇拜蘋果的史蒂夫·沃茲尼亞克，或是輝達的黃仁勳。懸掛在身後激勵他的，卻是卡羅。

該初創企業的盈利模式、產品落地時間及收益規模均尚不明確。編譯 |  劉煜編輯 |  陳駿達智東西4月28日消息，今天，據路透社報導，由前GoogleDeepMind首席科學家戴維·席爾瓦（David Silver）創立的英國AI獨角獸Ineffable，已完成11億美元（約合人民幣75.14億元）的種子輪融資，估值達到51億美元（約合人民幣348.31億元）。本輪融資由美國紅杉資本與光速創投領投，輝達、Google和英國國家AI風投基金Sovereign AI等企業和機構共同參投。Ineffable稱，該輪融資為歐洲迄今為止金額最高的種子輪融資。目前，這家初創企業的盈利模式、產品落地時間及收益規模均尚不明確。Ineffable成立於2025年11月，其目標是打造一個超級學習系統（Superlearner）。該系統無需依靠人類資料，將通過自主實踐探索一切知識，覆蓋基本的運動技能（motor skill）到高階智力突破的全部範疇。Ineffable的創始人兼CEO Silver最廣為人知的身份，是AlphaGo背後的核心研究員。他主導了AlphaGo、AlphaZero以及AlphaStar的研發，全程參與了DeepMind強化學習體系的搭建與迭代。Silver與GoogleDeepMind聯合創始人兼CEO德米斯·哈薩比斯（Demis Hassabis）是大學同學，二人都曾就讀於劍橋大學。在劍橋學習期間，Hassabis教會了Silver下棋，其中包括圍棋。在拿到劍橋大學文學學士學位後，Silver前往加拿大阿爾伯塔大學攻讀電腦科學博士學位，師從圖靈獎得主、強化學習之父Richard Sutton。▲David Silver（圖源：Silver個人網站）本科畢業後，Silver於1998年與Hassabis共同創辦了遊戲公司Elixir Studios，同時出任CTO與首席程式設計師。之後，Hassabis與另外二人聯合創辦了DeepMind。在DeepMind成立之初，Silver便擔任該公司顧問，並於2013年正式加入，任職10餘年之久。在DeepMind任職期間，Silver的研究重點是深度強化學習，這是一個將強化學習與深度學習相結合的領域。他參與了多款智能程序的研發，其中，由Silver主導研發的AlphaGo，是首個在圍棋比賽中擊敗頂級職業棋手的程序。之後，他帶隊打造出AlphaZero，該程序依託同源AI架構從零自主研習圍棋，後續以相同訓練邏輯掌握國際象棋與將棋，綜合實力遠超同期所有同類程序。此外，他聯合主導了AlphaStar項目，該款程序能夠在高難度策略遊戲《星海爭霸Ⅱ》中，達到人類職業電競選手的競技水準。在工業界之外，Silver還在倫敦大學學院（UCL）擔任教授。創立Ineffable之初，Silver在該公司部落格發佈個人隨筆稱：“世界需要一個舞台，讓強化學習範式的雄心得以充分施展。在那裡，我們直面智能的根本命題：如何（讓AI）通過對環境的體驗，去發現未知的知識。”他還說道：“AI生成語言、視訊、程式碼等，已有完善生態持續發展，無需我再涉足。而Ineffable，是我畢生追求的事業。”據《連線》昨日報導，Silver稱：“我從Ineffable項目中獲得的所有收益，都將捐贈給具備高社會影響力的慈善機構，用以挽救更多生命。”結語：天價融資扎堆新銳AI企業非大模型賽道正加速突圍目前，Ineffable仍處於早期研發周期，其技術方案尚未成熟，商業化模式與落地規劃尚不明確。在巨額資本加持之下，該公司依託強化學習路線能否突破現有AI技術瓶頸、平衡前沿探索與商業可持續發展，或成為接下來行業關注的核心焦點。今年年初以來，各類新興獨立AI實驗室融資規模已達數十億美元。由圖靈獎得主、前Meta首席AI科學家楊立昆聯合創立的AMI實驗室，已於今年3月完成了10.3億美元種子輪融資，投前估值達35億美元。全球頂尖NLP學者理查德・索徹（Richard Socher）正為其個人實驗室接洽融資，該企業估值已達40億美元。此外，由前OpenAI高管米拉・穆拉蒂（Mira Murati）創立的AI初創企業Thinking Machines，正在洽談新一輪融資，預估估值約500億美元。一眾頂尖科研人才紛紛脫離科技大廠，扎堆創辦獨立AI實驗室，不同於當下主流的大語言模型賽道，這批新興研發團隊正跳出大模型的同質化競爭，轉向強化學習、現實場景感知等前沿方向，探索差異化的技術路線，正掀起新一輪AI浪潮。 (智東西)

最近，一段不到3分鐘的視訊在科技圈悄悄走紅。視訊裡，一台人形機器人正在蘇州一戶普通人家“打工”。清晨叫主人起床，幫忙疊好被子，榨豆漿，煎雞蛋，送主人出門，收拾房間，刷馬桶，洗衣服……最令人驚嘆的一幕是：它在刷完馬桶之後，默默走到洗手台，把機械手仔仔細細清洗一遍再擦乾。外交部發言人毛寧在海外社交平台X（原推特）轉發了這個視訊，並配文“世界上第一個進入家庭的機器人”。評論區直接炸了，人們期盼已久的、真正走進普通家庭、能幹活的人形機器人，終於來了。有人驚呼“這才是我想要的夢中情人”，有人開玩笑說“比我對象還懂事”，有人則求問購買連結。視訊的主角，名叫“黑豹”，是具身智能獨角獸優理奇（UniX AI）旗下的產品。而它的創始人，是一個從耶魯大學博士休學回國的00後。楊豐瑜身上有太多“不按常理出牌”的標籤：年輕、學術背景耀眼、放棄海外頂尖學府的博士學位、偏偏選擇行業裡最難啃的骨頭——保姆機器人。在這個人形機器人被資本追到發燙，卻又頻頻被質疑只會跳舞不能幹活的時刻，這個00後的故事，或許能讓我們看清一些有價值的東西。2023年，還在耶魯攻讀博士學位的楊豐瑜，接到了家裡的電話。奶奶年事已高，日常生活越來越需要人照顧，但家人都有自己的工作和生活，又很難找到靠譜的保姆。這是中國無數家庭正在面對的困境。國家統計局‌公佈的官方資料顯示，‌截至2025年末，60歲及以上人口為‌3.23億，佔全國人口的23%。老齡化疊加少子化，照護缺口越來越大。楊豐瑜想，如果有一台機器人，能像保姆一樣照顧奶奶，那怕只是端茶倒水、遞藥攙扶，那將是多少家庭的福音？作為一個研究機器人視觸覺方向的博士生，他比普通人更清楚，這件事，在技術上已經不是天方夜譚。於是，他做了第一個“不按常理出牌”的決定：從耶魯休學，回國創業。在耶魯讀博期間，他的學術成績足以讓他走一條更穩妥的路。他發表過15篇機器人視觸覺論文，提出了世界首個適用於多款不同觸覺感測器的觸覺大模型UniTouch，還獲得了北美計算機協會傑出本科科學家的稱號。在校時期的楊豐瑜。圖片來源：央視新聞按部就班地畢業、去矽谷大廠拿一份高薪offer，或者留在學術界做教授，都是順理成章的選擇。但他選擇了最難的那條路。這其實並不是一時沖動。早在高中時，楊豐瑜就萌生過創業的念頭，本科在密歇根大學讀計算機時，就已經搞過一些小項目，還積累了具身智能領域的學術人脈。2024年4月，年僅24歲的楊豐瑜組建了一支匯聚全球頂尖專家的團隊，在家鄉蘇州成立了優理奇機器人。他瞄準家庭和商業賽道，給自己定下目標“Robots For All”，讓每個人都能擁有一個機器人。如果說休學創業是第一張反常識的牌，那麼在技術路線上的堅持，是楊豐瑜打出的第二張。過去兩年，人形機器人是資本市場最熱的賽道之一。波士頓動力的Atlas會後空翻，特斯拉的Optimus在工廠裡走來走去，宇樹科技的機器人甚至上了央視春晚。一時間，所有機器人都在秀肌肉，都在比誰跳得更高、跑得更快、動作更炫。但這些機器人可以在工廠工作，可以用於文娛表演，但很少運用到C端。因為工廠這樣的To B場景相對簡單、可控，但家庭環境就太複雜了。每個家庭的桌子高矮不同、東西擺放不同、光線條件不同，對機器人的適應性都是巨大的考驗。而且絕大部分人形機器人沒有觸覺。它們依靠視覺和預設程序運作，這在結構化、可預測的環境裡還能湊合，但一旦進入家庭這種高度非結構化的環境，就會徹底失靈。觸覺在人的操作體系裡是最本能的感知模態。從包裡找鑰匙，人不會盯著包看，而是靠手摸。機器人也一樣，尤其是在操作可形變物體時，衣服會變形、褶皺、粘連，視覺能提供的資訊極其有限，必須依靠觸覺。另外在一些精細活動上，比如將充電線插入充電口，單靠視覺也無法完成。楊豐瑜要做的是“有觸覺的機器人”。但讓機器人擁有觸覺，說起來簡單，做起來極難。最大的挑戰是，訓練數據從那兒來？傳統視覺AI可以爬取互聯網上的海量圖片，但觸覺數據幾乎是一片空白。優理奇的解法很聰明，在數據採集階段，讓人類佩戴觸覺傳感器去完成家務任務，把真實的觸覺反饋“教”給Unitouch大模型。通過Unitouch大模型，將觸覺資訊引入到多模態感知系統中，讓機器人在看到物體時，也能推斷出它的材質、軟硬、粘性，從而判斷應該用多大的力去抓、怎麼去折、如何避免損壞。除了UniTouch模型，優理奇還擁有兩大自研技術：高效泛化模仿學習框架UniFlex，通過示例驅動機器人自主學習複雜連續任務，如煎蛋翻面需動態判斷時機；長序任務規劃架構UniCortex，讓機器人多步驟連貫作業，如整理客廳—洗衣—晾曬—刷馬桶等。硬體、演算法都解決了，還有最後一道鴻溝——價格。過去人形機器人給人的印象，是動輒數十萬、上百萬的“實驗室玩具”。據業內分析預測，一台波士頓動力的Atlas單價可能超過15萬美元（約合人民幣102萬元），可以在三線城市買一套房。這種價格，註定了它只能在資本密集的科研機構和工廠裡存在。楊豐瑜要把這個門檻一腳踢開。他堅定初心，做普通人買得起的機器人，幫助更多的人。優理奇的策略是“全棧自研+深度供應鏈整合”：核心零部件自己做，自建供應鏈，把設計、開發、製造閉環起來。優理奇在蘇州和綿陽的兩個生產基地成為關鍵支點，綿陽基地已經實現80%的本地化配套率。如此一來，沒有中間商賺差價，機器人的成本大幅下降，技術、時間也可控，為快速迭代、大規模量產奠定了堅實基礎。優理奇的“旺達”系列，是全球第一款實現量產自帶8自由度機械臂的等身人形機器人，能完成洗衣、疊衣、洗碗、做漢堡這些複雜家務，基礎版定價只要8.8萬元。這個價格，比同類產品低了一個數量級。技術和產品的故事講得再漂亮，最終還要過資本這一關。而資本對優理奇的態度，可以用瘋狂來形容。不到2年的時間裡，完成了5輪融資，累計金額接近10億元，這樣的融資密度幾乎是獨一份。為什麼是它？因為它給出了行業最稀缺的東西：可復制的落地場景和真實的訂單。2025年的世界人形機器人運動會上，優理奇機器人斬獲酒店清潔、迎賓服務項目的兩金一銀。這給了資本和楊豐瑜團隊極大的信心，訂單也紛至沓來。2025年世界人形機器人運動會上，優理奇機器人摘得兩金一銀去年底，優理奇月交付量突破100台，成為全球范圍內少數邁過量產門檻的具身智能企業。在優理奇已有的客戶清單裡，除了首批進入家庭的種子用戶，還有酒店、物業、養老社區等B端合作方。優理奇已經與多家酒店集團達成合作，在客房清潔、迎賓服務等場景小規模交付。今年2月，優理奇發布了“黑豹”系列，當即驚豔四座。它沒有“雙腿”，取而代之的是更靈活、省電的全向四轉四驅底盤，可以橫移、原地旋轉、精準貼邊作業；它的上半身有80釐米的升降行程，能覆蓋人類工作中幾乎所有的高度需求；手部精細度甚至可以拿起一張撲克牌，並能精準判斷一個人是否想把外套遞給它。“黑豹”已經在蘇州本地一家酒店“上崗”，完成收拾床鋪、清潔桌面地面等基礎工作，花費大約20至25分鐘。目前“黑豹”還沒有公開售價，楊豐瑜透露：“根據不同版本功能，預計在一台蘋果手機到一台五菱宏光的車價之間。”當然，故事還遠沒到吹響號角的時候。放眼整個行業，家務機器人賽道的玩家已經越來越多。2025年7月，海爾發布了名為“HIVA海娃”的家庭服務機器人，能完成洗地、烹飪、熨衣、收納等任務，並可以和家裡的智慧家電聯動。海爾集團CEO周雲傑甚至放話：能同時解決家務、照護、情感需求的保姆機器人，會成為比汽車更普及的家庭基礎設施。“HIVA海娃”號稱“家務終結者”海信也不甘落後，今年3月的中國家電及消費電子博覽會（AWE2026）上，一口氣亮相了三款居家機器人，打造全場景機器人矩陣。其中管家機器人“賽維”可完成取放物品、操作家電等精細家務，家庭陪伴機器人“毛依”可陪學益智、解悶提醒、看護老人。再加上1X的NEO、Figure AI的Figure系列、銀河通用等玩家，家務機器人賽道的競爭，已經是全球性的。據國際資料公司IDC預測，2026年中國人形機器人應用場景將提升至當前的3倍以上，市場規模接近13億美元，同比增長翻倍以上。國務院發展研究中心發佈的《中國發展報告2025》則更樂觀，預測具身智能市場規模有望在2030年達到4000億元、2035年突破兆元。熱鬧之下，問題也無法忽視。就像優理奇視訊裡展示的叫早、疊被子、刷馬桶、洗手，確實讓人驚豔，但距離一台機器人真正能在普通家庭裡24小時自主運行，中間還隔著無數個需要打磨的細節。比如食材要不要人類提前准備？如果換了一個陌生的家，它還能不能正常工作？遇到孩子、寵物、意外摔倒時，能不能安全處理？一年後，電池和關節會不會衰減到影響使用？這些問題，沒有任何一家公司目前給出了完美答案，包括優理奇。楊豐瑜坦言，現在的機器人還沒有達到好用的程度，就比如煎雞蛋這個動作，“黑豹”也不能保證每次都能成功。因為廚房場景太精細化了，稍有差池就可能出現問題。機器人需要的真實場景下海量的資料，楊豐瑜計畫先將“黑豹”先做限量投放，通過使用者的反饋進行不斷改進。這也是他讓“黑豹”率先進入真實家庭工作的原因。從這個角度看，優理奇的故事才剛剛開始。“管它熱門不熱門，只要能夠解決真的問題，就值得去做。”楊豐瑜如是說。這句話，其實就是優理奇所有“反共識”決策的底層邏輯。當同行都把目光投向B端，他選擇先讓機器人走進一個個普通家庭；當同行都選擇主流的、更容易出成果的視覺—語言—動作大模型，他選擇先把觸覺做扎實；當同行都在強調技術的高端，他選擇先把價格降下來。“黑豹”這些選擇，未必每一個都對，但它們都指向同一個樸素的命題——能用、好用、用得起。這個賽道上最終勝出的，大概率不是技術最炫的，而是最先把這三點同時做到位的那一個。對於一個26歲的年輕人來說，楊豐瑜已經走過了一段足夠跌宕的路。他自嘲這一路“踩過很多坑”“掉了很多頭髮”，但他也說過：“我們敢闖、敢試，不怕挫折，想藉著時代的大勢，做些新東西、闖些新路子。”靠著遇山開路、遇河搭橋的“笨辦法”，硬是闖出了一片天。在一個所有人都在追逐風口的時代，真正有價值的創業者，往往是那些願意回到最樸素的問題上：人們到底需要什麼？能不能把它做得便宜、可靠、實用？那個願意從耶魯休學，只為給奶奶造一台保姆機器人的年輕人，已經在回答這個問題了。那個會在刷完馬桶後乖乖去洗手的機器人，或許就是答案的開始。 (正解局)

已扭虧為盈。智東西4月18日報導，今日，美國AI晶片獨角獸Cerebras Systems披露IPO申請檔案，再度向上市發起衝刺，股票程式碼為“CBRS”。自從端出餐盤大小的全球最大晶片後，這家成立於2016年的明星創企一直備受關注。最新IPO檔案顯示，Cerebras業績漲勢迅猛，營收從2022年的2460萬美元（約合人民幣1.68億元）增至2025年的5.10億美元（約合人民幣35億元），增長超過19倍；2024年淨虧損為4.82億美元（約合人民幣33億元），到2025年已實現扭虧為盈，淨利潤達2.38億美元（約合人民幣16億元）。Cererbas打造了全球首創且唯一的商業化晶圓級處理器——晶圓級引擎（WSE），並聲稱其第三代AI晶片WSE-3是“史上大批次推向市場的最大、最快AI晶片”。WSE-3整合了90萬個計算核心、44GB片上記憶體和21PB的記憶體頻寬，面積是輝達B200的58倍。與包含兩顆獨立晶片的輝達B200封裝相比，WSE-3擁有19倍的電晶體、250倍的片上記憶體容量和2625倍的記憶體頻寬。Cererbas的競爭對手包括提供AI晶片的輝達、AMD、英特爾等晶片巨頭，以及提供AI推理服務的AWS（亞馬遜雲科技）、Google、甲骨文、CoreWeave等雲服務商。OpenAI、AWS、阿聯科技公司G42、阿聯人工智慧大學MBZUAI，都是Cerebras的重要客戶。官網顯示，高通、AMD、台積電等晶片巨頭，川普長子擔任合夥人的1789 Capital，以及OpenAI聯合創始人兼CEO Sam Altman、英特爾CEO陳立武等知名企業家，均是Cerebras的投資方。Cerebras曾在2024年9月遞交IPO申請，隨後於去年撤回。在今年2月完成10億美元（約合人民幣68億元）H輪融資後，其估值達到230億美元（約合人民幣1568億元）。如今，Cerebras重啟上市路。據外媒報導，該公司IPO計畫於5月中旬進行，目標募資超過30億美元（約合人民幣205億元），並尋求至少350億美元（約合人民幣2386億元）估值。01.去年營收大漲76%，淨賺2.38億美元2022年、2023年、2024年、2025年，Cerebras全年營收分別為2460萬美元、7870萬美元、2.90億美元、5.10億美元；淨利潤分別為-1.78億美元、-1.27億美元、-4.82億美元、2.38億美元，研發費用分別為1.55億美元、1.40億美元、1.58億美元、2.43億美元。▲2022年~2025年Cerebras營收、淨利潤、研發支出變化（智東西製圖）同期，其毛利率分別為11.7%、33.5%、42.3%、39.0%。Cerebras的2024年與2025年GAAP淨利潤與非GAAP淨利潤如下：截至2025年12月31日，該公司累計虧損為9.05億美元。下表是截至2025年底的現金及現金等價物和總資本：分業務來看，2025年，Cerebras的硬體收入佔比約為70%，雲服務及其他服務收入佔比接近30%。下表是Cerebras從2024年Q1到2025年Q4每個季度的財務資料，可以看到2025年扭虧為盈主要是靠在2025年Q2實現約3.10億美元的淨利潤。02.跑千問、GLM、MiniMax開源模型，推理速度比GPU方案快Cerebras研發AI晶片的思路是，通過把整個計算和儲存資源放在一塊巨型晶片上，來破解資料搬運耗時耗能的瓶頸。因為核心之間的通訊是在片上互連，延遲低到幾乎可忽略。這意味著WSE能更快地生成token。WSE-3部署在CS-3系統內，多個CS-3系統連接起來可形成Cerebras AI超級電腦，作為單個邏輯電腦進行大規模訓練和推理。WSE晶片由製造巨頭台積電代工生產、封測大廠日月光處理特殊工藝，最終在Cerebras位於美國加州桑尼維爾的工廠進行最終晶圓封裝、組裝和測試。IPO檔案顯示，根據基準測試，對於許多工作負載，Cerebras運行Llama、GPT-OSS、GLM、MiniMax、Qwen等開源模型的速度比基於GPU的領先解決方案快15倍；在一些更特殊的工作負載中，Cerebras的速度快1000多倍。截至2025年12月31日，Cerebras共有708名員工，其中426名在美國。截至2026年3月31日，該公司在全球範圍內擁有96項已授權專利和50項正在申請的專利。03.中東是大金主，OpenAI、AWS都是客戶Cerebras以多種方式向客戶交付解決方案，既提供AI超級電腦，又提供雲上高速推理服務，還與客戶共同開發AI產品。其收入和淨利潤的增勢之猛，跟中東有著密切關係。2024年，阿布扎比科技集團Group 42 Holding Ltd連同其附屬公司G42貢獻了Cerebras高達85%的營收。2025年，阿聯人工智慧大學MBZUAI貢獻了Cerebras 62%的營收，G42貢獻了24%，兩家合計貢獻了86%的營收。這表明過去兩年，Cerebras超過8成的收入都來自中東，這也是其2025年扭虧為盈的核心貢獻來源。一大波變化發生在2026年。1月，Cerebras宣佈跟OpenAI達成一個價值超過200億美元（約合人民幣1363億元）的多年協議，為OpenAI提供750兆瓦的AI算力，從2026年到2028年分批部署。OpenAI還同意向Cerebras支付10億美元（約合人民幣68億元），以資助開發運行其AI產品的資料中心。3月，Cerebras與AWS建立多年合作夥伴關係，通過全球分銷將快速推理擴展到更大的規模。這些合作如果能順利執行，Cerebras接下來三年的收入基本不用愁。04.多位核心高管曾任AMD副總裁截至今年4月17日，Cerebras高管與董事資訊如下：其聯合創始人兼CEO Andrew Feldman畢業於史丹佛大學，曾在2012年以3.57億美元將伺服器創企SeaMicro賣給AMD，隨後擔任AMD副總裁兼總經理。另一位聯合創始人Sean Lie畢業於麻省理工學院，自2022年4月起擔任Cerebras CTO，曾擔任AMD資料中心伺服器解決方案首席硬體架構師。Cerebras COO Dhiraj Mallick也畢業於史丹佛大學，曾擔任英特爾資料中心事業部架構副總裁、AMD副總裁兼伺服器解決方案部門總經理。2025年，Cerebras提供給Andrew Feldman的總薪酬為1175萬美元，給Sean Lie的總薪酬為1157萬美元。05.結語：“非GPU”企業起勢，火拚AI推理市場AI晶片行業正在發生一個有趣的變化，越來越多的公司選擇用“非GPU”的路徑，跟輝達爭奪AI推理市場的地盤。輝達斥資200億美元買走技術授權和大部分團隊的Groq，以及即將上市的Cerebras，都屬於這一陣營。Cerebras強調自家產品的核心優勢，是在需要即時響應的場景裡推理速度快，遠超輝達GPU。但輝達堅不可摧的護城河是軟體生態，是全球開發者和企業經年累月積累的程式碼、工作流、工具鏈。Cerebras的硬體再快，要在生態層追趕輝達，仍是一場長跑。 (智東西)

英特爾CEO陳立武是其董事長。芯東西2月25日報導，2月24日，英特爾宣佈向美國AI晶片獨角獸SambaNova的超過3.5億美元，E輪戰略融資注資，具體金額未披露。同時，SambaNova推出其第五代AI晶片SN50，號稱這是“唯一一款能夠提供智能體AI所需速度和吞吐量的晶片”，最高速度達同類晶片的5倍，經多芯互連可支援的單模型參數規模達10兆、上下文長度達1000萬個token。據SambaNova披露，與Blackwell B200 GPU相比，SN50的最大速度是其5倍，智能體推理的吞吐量是其3倍以上，這在Meta的Llama 3.3 70B等一系列模型上得到充分體現。據外媒報導，在此之前，英特爾曾討論過以約16億美元收購SambaNova，但談判最終破裂。不過雙方均未回應過此事。SambaNova由多位史丹佛大學教授在2017年創立，在2021年融資後估值達到50億美元。其董事長是英特爾CEO陳立武。英特爾曾多次投資SambaNova。在最新公告中，SambaNova與英特爾宣佈達成了一項多年戰略合作計畫，旨在提供高性能、高性價比的AI推理解決方案，打造下一代異構AI資料中心，整合英特爾至強處理器、英特爾GPU、英特爾網路和儲存及SambaNova系統，以釋放數十億美元的推理市場機遇。消息公佈後，英特爾在美東時間周二股價漲超5%。01. 5倍算力、4倍網路頻寬，能支撐10兆參數大模型SN50晶片基於SambaNova的可重構資料流單元（RDU）架構，超低延遲可提供即時響應，能支援數千個並行AI會話，並通過更高的硬體利用率降低了每個token的成本。每塊晶片的算力提高到第四代SN40L的5倍，網路頻寬提高至4倍。SambaRack SN50將16塊SN50晶片組合在一起，可運行多達10兆個參數、1000萬個token的超大模型。互連的SambaRack可通過每秒數TB的互連速度連接多達256塊晶片，從而縮短首次token生成時間，並支援更大的批處理規模，因此可以部署具有更高吞吐量和響應速度的模型。SambaRack的功耗平均僅需20kW，可在現有的風冷資料中心中運行。這為運行gpt-oss等模型的推理服務提供商帶來了總擁有成本（TCO）優勢，其節能效果是B200 GPU的8倍。SN50將於2026年下半年開始發貨。軟銀集團將成為首家在日本下一代AI資料中心部署SN50的客戶。02. 基於資料流、三層記憶體架構，跑大模型時更快更高能效SambaNova團隊認為，智能體需要智能、預測性和彈性的基礎架構，要實現可行智能體，硬體必須能夠即時適應突發性工作負載，在專家模型之間無延遲切換。GPU擅長AI模型訓練，但AI推理是資料移動和記憶體最佳化方面的挑戰，需要不同的架構方法。為了執行AI推理，GPU必須多次冗餘地呼叫片外記憶體，每次記憶體呼叫都會增加處理延遲並消耗能量，會導致高功耗問題。在GPU上部署多個模型的標準方法是將模型載入到高頻寬記憶體（HBM）中，但GPU HBM資源稀缺且成本高昂。當工作負載需要一個未載入的模型時，系統必須解除安裝當前模型並獲取新模型，這個過程通常以秒為單位。即便使用vLLM的1級睡眠模式，喚醒一個小型模型也需要0.1到0.8秒。對於智能體所需的大型推理模型而言，這種喚醒時間會造成3到6秒的延遲。對於執行涉及5個不同模型的10步推理過程的AI智能體來說，這些延遲累積起來會達到30秒，導致即時智能體工作流程無法使用。SambaNova的RDU正是為解決這一問題而設計的。RDU將給定AI模型的計算圖對應到處理器上資料傳輸的最有效路徑。這種方法消除了冗餘的記憶體呼叫，可顯著降低延遲和功耗。與受限於單卡HBM容量的GPU不同，SN50 RDU採用獨特的三層記憶體架構，結合了片上SRAM、海量HBM和超高速SRAM。這種分層結構使晶片能承載最大的模型，支援在毫秒級時間內運行和切換多個模型。此外，借助SN50，輸入token可快取在記憶體中，從而減少預填充處理時間和請求的首token獲取時間（TTFT）。結合這些優勢，其記憶體架構非常適合作為智能體的快取，能夠更高效地處理任務。SambaNova還在SambaStack上推出了由RDU支援的可配置模型包，與傳統的GPU架構和vLLM等推理框架相比，這些模型包的切換速度更快。03. 與英特爾聯手，加速推出AI雲平台作為多年戰略合作的一部分，英特爾計畫對SambaNova進行戰略投資，以加速推出基於英特爾技術的AI雲平台。此次合作預計將涵蓋三個關鍵領域：（1）AI雲擴展：SambaNova正在擴展其垂直整合的AI雲平台，該平台基於英特爾至強處理器建構，並針對大語言模型和多模態模型進行了最佳化。該平台將提供低延遲、高吞吐量的AI服務，並由參考架構、部署藍圖以及與系統整合商和軟體供應商的合作關係提供支援。（2）整合AI基礎設施：將SambaNova的系統與英特爾的CPU、加速器和網路技術相結合，為推理、程式碼生成、多模態應用和智能體工作流提供可擴展的、可用於生產的推理能力。（3）市場推廣執行：通過英特爾的全球企業、雲和合作夥伴管道進行聯合銷售和聯合行銷，以加速AI生態系統的普及。據英特爾披露，此次合作是對英特爾現有資料中心GPU投入的補充，並不會改變其在AI領域的競爭戰略，英特爾將繼續加大對GPU智慧財產權、架構、產品、軟體和系統的投資，並強化其從邊緣到雲端AI戰略路線圖。04. 結語：AI推理市場迎來新組合隨著AI推理蓬勃發展，科技公司們都在尋求更高速度和效率、更低企業級AI部署成本的AI硬體基礎設施方案。許多雲端AI晶片創企都將自家產品的賣點放在了高能效上，既順應AI推理需求旺盛的趨勢，又能避開輝達強於AI訓練的鋒芒。通過合作，SambaNova可以借助英特爾的全球影響力擴大其AI處理器的規模，英特爾也增強了在AI推理領域的綜合實力。這將為日趨多元化的AI推理市場提供一個有競爭力的選擇。 (芯東西)

融資69億元，AMD參投。近日，美國AI晶片獨角獸Cerebras Systems宣佈完成10億美元（約合人民幣69億元）F輪融資，估值達到230億美元（約合人民幣1596億元）。本輪融資由Tiger Global領投，Benchmark、Fidelity Management & Research Company、Atreides Management、Alpha Wave Global、Altimeter、AMD、Coatue以及1789 Capital（合夥人包括小唐納德·川普）等機構跟投。成立於2015年的Cerebras，以餐盤大小的AI晶片而聞名。其晶圓級引擎3（WSE-3）晶片是全球最大、速度最快的AI晶片，體積是當前最大GPU的56倍，單位計算功耗卻遠低於同類產品，同時推理和訓練速度比競品快20倍以上。其晶片用於處理AI推理所需的順序執行、記憶體密集型工作負載。與需要在晶片和記憶體之間來回傳輸資料的GPU不同，WSE將所有運算都保存在晶片內部，從而消除了限制GPU推理能力的記憶體頻寬瓶頸。Cerebras上一輪融資是在2025年9月宣佈完成的11億美元（約合人民幣76億元）G輪融資，當時投後估值為81億美元（約合人民幣562億元）。相比當時，最新估值增長近184%。這也是Cerebras自2025年10月撤回其在美國IPO申請以來的首輪融資，凸顯了一個更廣泛的趨勢，即由於公開市場之外有充足的資本，企業會保持私有狀態更長時間。官網顯示，Cerebras之前的投資方還包括高通、台積電等晶片巨頭，以及OpenAI聯合創始人兼首席執行長Sam Altman、前OpenAI首席科學家Ilya Sutskever、Stripe前首席技術官Greg Brockman、前Facebook首席技術官兼Quora首席執行長Adam D'Angelo、英特爾首席執行長陳立武、前AMD首席技術官兼企業副總裁Fred Weber等知名個人投資者。Cerebras聯合創始人兼首席執行長Andrew Feldman聲稱，其硬體運行AI模型的速度比輝達的系統快數倍，並向Meta、IBM、Mistral AI等客戶提供遠端計算服務。據外媒本周報導，OpenAI正在尋找輝達的AI推理晶片替代方案，包括Cerebras、AMD和Groq。儘管OpenAI對替代方案持保留態度，但輝達還是與包括Cerebras和Groq在內的幾家研發大量使用SRAM晶片的公司接洽，探討潛在的收購事宜。此後，輝達與初創公司Groq簽署了授權協議，並吸納了該公司的大量晶片人才。這進一步提振了業界對AI晶片企業的熱情。Cerebras拒絕了收購，並與OpenAI達成了一項商業協議，該協議已於今年1月聯合公佈。OpenAI將採用部署750兆瓦規模的Cerebras晶圓級系統，為OpenAI客戶提供服務。該基礎設施將從2026年開始分階段建設，預計“持續到2028年”，並由Cerebras託管，屆時將成為全球規模最大的高速AI推理部署項目。知情人士向外媒透露，該協議價值超過100億美元（約合人民幣694億元）。根據聲明，Cerebras和OpenAI自2017年以來一直在探索合作的可能性，Cerebras上的大語言模型能比基於GPU的系統快15倍地響應。Cerebras在1月發佈的部落格文章中寫道，過去6個月，4家AI領域重要公司斥巨資，力圖提升推理速度，但他們都沒有選擇當前在AI領域佔據主導地位的輝達硬體。Google雖是輝達最大的客戶之一，但自主研發了Ironwood TPU，其推理速度是輝達GPU的4倍。Anthropic也投入數百億美元用於Google的TPU基礎設施建設。輝達斥資200億美元收購了AI推理晶片公司Groq的智慧財產權和頂尖人才。OpenAI剛剛從Cerebras獲取了價值750兆瓦的計算資源。這些收購和投資標誌著硬體向更新、最先進的AI最佳化硬體設計過渡的開始。 (FDA365電子論壇)

ElevenLabs不只是一家做音訊模型的公司。AI音訊賽道，衝出一家百億美元獨角獸！智東西2月5日報導，昨天，英國AI音訊獨角獸ElevenLabs宣佈完成5億美元的D輪融資，估值達110億美元。其估值較去年年初的33億美元，實現了超230%的飛速增長。ElevenLabs聯合創始人兼CEO Mati Staniszewski還透露，該公司已在考慮IPO事宜。本輪融資由紅杉資本領投。已參與ElevenLabs多輪融資的a16z追加4倍投資，ICONIQ追加3倍投資，這意味這兩家投資機構增大了在ElevenLabs的持股比例。▲Mati Staniszewski發文宣佈融資（圖源：X平台）ElevenLabs於2022年成立於英國倫敦，最初主要從事文字轉語音模型的開發，後來也陸續打造了語音轉文字模型、AI音效模型、AI配音模型、AI音樂模型等領域。該公司既向企業提供語音API服務，也為創作者和品牌提供音訊生成平台ElevenCreative，還通過ElevenAgents平台向企業提供AI語音客服服務。你甚至能在知名遊戲《堡壘之夜》裡找到由ElevenLabs生成的音訊。2025年底，ElevenLabs的ARR（年度經常性收入）已經超過3.3億美元。自成立以來，ElevenLabs已完成五輪融資，累計融資總額達到7.81億美元。輝達此前曾參與ElevenLabs的C輪融資。輝達創始人兼CEO黃仁勳稱，ElevenLabs打造了世界上最好的語音AI產品，他主動向輝達團隊推薦了ElevenLabs。如今，黃仁勳在各類大會上以虛擬卡通形象出現時，就會用ElevenLabs的工具來復刻自己的聲音。▲黃仁勳與Mati Staniszewski（圖源：輝達）從融資規模、收入增長到資本陣容，ElevenLabs已經穩穩位居全球AI音訊賽道的第一梯隊。這樣一家成立不到4年、卻能在競爭激烈的語音AI領域中快速拉開身位的公司，顯然不只是踩中了風口那麼簡單。它背後的創業起點、關鍵選擇，以及對產品與市場的理解，值得深度拆解。01. 上線6個月拿下百萬使用者靠社交媒體實現爆發式增長ElevenLabs的兩位聯合創始人Mati Staniszewski和Piotr Dabkowski都來自波蘭。受到童年時觀看的那些配音糟糕的美國電影的啟發，他們決定打造一款AI工具，來解決這一問題。在創業之前，Mati Staniszewski曾在瀏覽器公司Opera、投資與技術供應商貝萊德以及資料智能上市公司Palantir任職。而Piotr Dabkowski自畢業後，就一直在Google擔任軟體工程師，直至2022年與Mati Staniszewski一同創業。初出茅廬的ElevenLabs究竟能給這個行業帶來什麼變化？在2023年投資ElevenLabs之際，a16z的投資人Bryan Kim闡述了他對ElevenLabs潛力的理解。Bryan Kim認為，儘管語音轉文字技術已經存在了數十年，但它未能發揮全部潛力。大多數合成語音缺乏吸引人的語調和發音，缺乏個性感，而高端的人工錄製語音服務雖然存在，但冗長的製作流程和高昂的成本使得這項技術在大多數即時和互動場景中難以實現。ElevenLabs的出現，就是要滿足這些場景對高品質語音的需求。2023年1月，ElevenLabs首次推出了語音設計和克隆產品，並對現有的文字轉語音模型進行了顯著改進。之後還陸續推出多款文字轉語音模型，擴展多語言支援，甚至拿下了一些已故知名演員的聲音版權，進行克隆並對外提供商業化服務。上線6個月後，ElevenLabs已積累超過100萬註冊使用者，創作了總計時長超過10年的音訊內容。2024年11月時，其使用者數量已經超過3300萬。2025年，其ARR邁過了1億美元大關。在2025年6月的一場採訪中，ElevenLabs的增長負責人Luke Harries透露，該公司能實現如此快速的增長，背後主要有兩大驅動力。一方面，ElevenLabs的基礎模型能力不斷迭代，在表現力、真實感上不斷提升。ElevenLabs認為，語音模型與其他AI模型不同，規模和資料量不是最重要的決定因素，反而是模型架構發揮著重要作用。領導ElevenLabs研究工作的聯合創始人Piotr Dabkowski憑藉自己的影響力，招募到了多位世界頂尖的語音AI研究員，該公司已在模型架構上取得一些突破。不過由於他們打造的是閉源模型，外界無從知曉這些改進究竟在那些方面。▲Mati Staniszewski（左）與Piotr Dabkowski（右）另一方面，ElevenLabs還很擅長市場行銷工作。該公司懂得如何利用社交媒體的力量，還通過舉辦駭客松比賽、製作另類Demo等方式破圈，實現爆發式增長。而在企業客戶方面，ElevenLabs認為在企業級市場應該採用自下而上的打法，也就是先從消費級和開發者切入，在建立名聲和信任後，大型客戶自然會來。02. 公司重心已成語音智能體創始人竟不看好音訊模型未來不過，ElevenLabs並不想把自己限定在音訊模型這一狹窄的賽道，該公司瞄準的是更大的市場。在一場與TechCrunch錄製的播客中，Mati Staniszewski稱，ElevenLabs想解決的根本問題，是人類與科技產品如何互動的問題，這是他們一直以來開發產品的主線。最初，ElevenLabs打造了文字轉語音模型，讓科技產品中的語音聽起來更像人。但要打造真正優秀的體驗，光有逼真的人聲是不夠的，AI還需要能夠生成聲音、音樂，並具備對語音的理解力。Mati Staniszewski認為這是該公司從成立以來到2025年上半年的最大重心。但事實上，Mati Staniszewski認為音訊模型這條賽道本身並沒有什麼前景：“這一賽道或許在未來1-2年內仍是成立的，但再過幾年，這項技術就會完全商品化（Commoditized）”。如今，ElevenLabs還在造模型的原因是，短期內它還是提升AI音訊產品質量的最好方式。但隨著這項技術日趨成熟、易於獲取，成為可大量採購的“標準件”，音訊模型或許會成為廣泛的底層基礎能力，而非核心競爭優勢。於是，在2025年下半年，Mati Staniszewski帶領ElevenLabs進行了一項重要的戰略調整，如今，ElevenLabs的首要任務是幫助企業部署對話智能體，並能以新的方式與使用者、客戶互動。Mati Staniszewski判斷，隨著智能體、對話智能體和語音智能體的興起，使用者可以與裝置交談了，但要讓這些智能體真正產生價值，就需要將大量資訊和知識庫帶入智能體內部，使其能夠與現有系統整合。整合後，這些產品還需要具備可測試、可評估、可監控的特點，這樣才能獲取企業級客戶的信任。這些智能體的主要應用場景，其實就是AI語音客服。ElevenLabs的智能體是多模態的，可以理解口頭或書面輸入，像人類一樣傾聽、閱讀並與客戶互動。企業還可對這些智能體進行定製化，在ElevenLabs提供的可視化工具中打造出對話流，精確定義這些智能體該如何與客戶互動。▲ElevenLabs的智能體產品（圖源：ElevenLabs官網）這一戰略決策，讓ElevenLabs得以在企業級市場進一步攻城略地。如今，在語音智能體賽道，他們的一些大客戶包括Cisco（思科）、Meta、Salesforce等等，而在音訊創作領域，迪士尼、Epic等影視與遊戲製作公司都在使用其產品。反映到ARR上，ElevenLabs在做出這一戰略轉向後，ARR增速明顯加快。2025年初，ElevenLabs達到1億美元ARR時，用時為20個月，而緊接著跨越2億美元ARR大關僅用時10個月。2026年初，當ElevenLabs宣佈實現3.3億美元ARR時，距離他們達成2億美元ARR的時間僅為5個月。03. 主打AI模型+產品不猛堆算力與資料語音AI賽道，並不缺乏優秀的模型。中國的MiniMax、阿里、海外的Google、OpenAI等公司都曾打造優秀的語音產品，那麼，ElevenLabs的差異化優勢在那兒？就像軟體和硬體的結合才是蘋果公司的魔力一樣，Mati Staniszewski認為，AI模型與產品的結合才能發揮最大價值。ElevenLabs雖然也會研究一些前沿方向，比如開源視訊模型與語音模型的結合，但他們更重視的始終是打造更好的產品，不會像競爭對手那樣訓練一些計算密集或資料密集的模型。同時，Mati Staniszewski還認為ElevenLabs具備更高的專注度，他們直接專注於解決人類與電腦進行語音互動的問題，該公司的願景是獨立於競爭對手們所做的事情之外的。拿到新融資後，ElevenLabs的首要目標是推動其智能體產品的發展。未來幾天，他們很快會推出適用於智能體平台的全新對話模型，能更快、更準確地理解和表達感情。如今，ElevenLabs已經是一家擁有400名員工的公司了，與其他估值相近的AI創企相比，這已經幾乎可以算是大公司了。ElevenLabs正在倫敦、紐約、舊金山、華沙、都柏林、東京、首爾、新加坡、班加羅爾、雪梨、聖保羅、柏林、巴黎和墨西哥城等地開展國際擴展，並配備本地化的市場推廣團隊，這對該公司旗下的語音AI業務而言，尤其重要。04. 結語：模型服務於產品成ElevenLabs突圍思路回頭看ElevenLabs的成長路徑，它並沒有走一條堆參數、拼算力的傳統模型公司路線，而是始終圍繞一個更底層的問題推進：語音和音訊，究竟在真實世界裡如何被使用。而在戰略層面，他們又足夠清醒地判斷出“音訊模型終將商品化”，果斷將重心轉向對話智能體與企業場景。這是一種“產品先行、模型服務於產品”的打法，讓ElevenLabs在語音AI這個擁擠的賽道中擁有了差異化的特點。而這或許也是頭部企業和頂級風投，願意重金押注ElevenLabs的關鍵。 (智東西)