前谷歌TPU核心团队创立的AI芯片公司MatX宣布完成5亿美元（约合36亿元人民币）B轮融资。
该公司放弃了通用图形处理架构，专为大型语言模型（LLM）打造高吞吐、低延迟的专用芯片，声称性能有望达到同级别英伟达GPU的10倍。
在人工智能算力需求呈指数级增长的当下，挑战英伟达（Nvidia）绝对垄断地位的竞争正在从单纯的资本博弈向底层的架构创新演进。
资本阵容与估值跃升
本轮融资由量化交易巨头Jane Street和前OpenAI研究员Leopold Aschenbrenner创立的基金Situational Awareness领投。
参投方不仅包括Marvell Technology、Spark Capital（A轮领投方）以及Stripe的联合创始人Collison兄弟，知名AI学者Andrej Karpathy也参与了此次投资。
尽管MatX官方并未在此次融资中披露最新估值，但作为参考，其最直接的竞争对手Etched在近期完成同等规模的5亿美元融资时，估值已达到50亿美元。
考虑到MatX在2024年A轮融资（约1亿美元）时的估值已超过3亿美元，业内普遍预计其当前企业价值已达到数十亿美元级别。
核心技术路线：“做减法”的专属架构
MatX的底气很大程度上源于其创始团队的背景。CEO Reiner Pope曾负责谷歌TPU的AI软件开发，并主导了谷歌PaLM模型的软硬件效率优化；CTO Mike Gunter则是谷歌TPU硬件的首席设计师。
在技术路线上，MatX走了一条与英伟达截然不同的道路。英伟达的GPU本质上是通用计算平台，需要兼顾图形渲染、科学计算等多种任务。
MatX则采取了极端的“少即是多（Less is More）”策略，其正在研发的“MatX One”芯片剔除了所有非必要的计算模块，完全针对Transformer架构和大型语言模型（LLM）进行定制。
在过去几年的AI芯片领域，技术流派通常分为两派：以英伟达为代表的重押高带宽内存（HBM），解决大规模训练吞吐量问题；另一派则强调片上SRAM（静态随机存储器），主打低延迟推理。
MatX试图在同一颗芯片上融合这两者，通过创新的可拆分同步阵列结构，结合SRAM优先设计与HBM，旨在同时满足“训练级吞吐量”和“推理级低延迟”。
这也是MatX宣称其处理速度能达到现有英伟达GPU 10倍的核心技术支撑。
供应链布局与量产时间表
在半导体行业，设计出优秀的架构只是第一步，更为艰难的是流片与供应链保障。
获得此轮36亿元人民币的注资后，MatX的资金储备已足以支撑其在当前极度紧张的全球半导体供应链中争夺产能。
目前，MatX已与台积电（TSMC）建立合作关系，新资金将直接用于推进芯片的原型制作、锁定先进制程的制造产能以及抢购目前紧缺的内存等关键零部件。
官方预计，MatX One芯片将于2027年正式向全球AI实验室和数据中心发货。
各方评价
MatX 联合创始人兼CTO Mike Gunter：
“这次B轮融资让我们在资金规模上终于能与那些拥有深厚资源的巨头站在同一个竞技场上。更重要的是，这笔资金确保了我们能够获取极其宝贵的制造资源和关键的内存组件，这在当前产能受限的半导体供应链中是决定生死的一步。”
多数分析师对MatX的SRAM+HBM混合设计表示技术上的认可，认为这确实能够显著优化LLM的推理效率。
然而，业界依然保持谨慎乐观。分析指出，AI芯片的创业门槛极高，历史上有大量定制化芯片公司未能跨越量产和生态适配的鸿沟。
英伟达最强大的护城河不仅是硬件性能，更是CUDA构建的庞大软件生态。MatX能否在2027年顺利交出不仅硬件达标，且编译器、工具链等软件生态同样可用的产品，将是其成败的关键。
小编说：
挑战英伟达，是目前科技圈最昂贵也是最具野心的游戏。MatX的5亿美元融资证明了资本市场对“非CUDA生态专属AI芯片”的渴望依然强烈。
由前谷歌TPU核心团队操刀，从底层摒弃通用性，完全针对大模型做定制架构，在理论上确实能带来几何级数的能效比提升。
但这门生意的残酷之处在于，硬件的容错率为零，且流片成本极高。36亿元人民币的弹药，买到的是一张通往2027年高端算力牌桌的入场券。
MatX在硅片上所做的创新毋庸置疑，但要在两年后真正撬动英伟达的垄断地位，他们需要证明的不仅是芯片能被制造出来，还要证明开发者愿意将数千亿美元规模的模型代码迁移到他们的系统上。
往期推荐
Science Technology
