晶片新創公司募得 1.35 億美元，押注記憶體（而非運算能力）才是人工智慧的最大瓶頸

每當您向 ChatGPT 提問時，您的請求便會觸發一場資料接力賽。資訊從記憶體中取出，經過 CPU 進行預處理，傳送至 GPU 進行密集運算，然後返回——而這個完整的循環會針對 AI 生成的每一個字重複一次。

這個瓶頸是結構性的——它迫使每項請求都必須經過業界中成本最高、耗電量最大的晶片。這項低效率的問題，正是總部位於韓國和美國的新創公司 XCENA 致力於解決的課題。 這家成立四年的公司開發了一款晶片，能將運算能力置於更接近 DRAM 的位置——DRAM 是用於儲存處理器正在主動使用的資料、速度快且具暫存性質的記憶體晶片——讓常規資料任務能在記憶體旁直接處理，無需在 CPU、GPU 和記憶體之間進行昂貴的往返傳輸。

若這項技術能大規模應用，對人工智慧基礎設施成本的影響將十分可觀——這也解釋了投資者為何如此熱切關注。XCENA 剛在 B 輪融資中以 5.7 億美元估值募得 1.35 億美元，使其累計融資總額達到 1.85 億美元。

XCENA 執行長金珍（Jin Kim）於 2022 年與技術長金道勳（Dohun Kim）及產品長金周賢（Harry Juhyun Kim）共同創辦了這家公司。三人皆曾任職於三星（Samsung）和 SK 海力士（SK Hynix）——這兩家記憶體巨頭正是為 NVIDIA GPU 供應晶片的供應商。「過去數十年來，CPU 和 GPU 都變得越來越聰明。 但記憶體卻從未如此。XCENA 希望改變這種現狀，」金金在接受 TechCrunch 採訪時表示。 「近期記憶體價格及相關股票的上漲，顯示人工智慧基礎設施正朝著以記憶體為中心的架構進行更廣泛的轉變，」他補充道。（本月，三星、SK海力士和美光——這三家主導全球記憶體晶片市場的公司——各自的市值首次突破一兆美元大關。）

金表示，XCENA 的商業策略奠基於這樣一個理念：「推論不再僅僅是運算問題；它越來越多地成為記憶體擴展問題。」

XCENA 的 MX1 晶片透過 CXL（Compute Express Link）—— 實質上是處理器與記憶體之間的專用快車道 —— 連接至 CPU，在資料還不需要離開記憶體模組之前就進行處理。它將運算帶到資料所在之處，而非反之。 該公司表示，過去需要 10 台伺服器才能處理的任務，未來可能僅需一台即可運行。

「雖然 GPU 在矩陣乘法（AI 模型訓練背後繁重的數學運算）方面表現出色，但周邊的大部分資料處理工作，包括預處理、KV 快取管理（該系統用於儲存先前的對話上下文，使模型無需重新處理）以及資料快取，仍由 CPU 負責。 我們的晶片直接在記憶體模組內部處理這些任務，」金表示。

自去年下半年以來，對記憶體解決方案的需求激增，該公司認為當前時機對其有利。

儘管金先生拒絕透露具體名稱，但與多家全球記憶體供應商的洽談仍處於初期階段。該公司的理想客戶是每年在 AI 基礎設施上投入數百億美元的超大規模雲端服務商，對這些企業而言，記憶體效率哪怕僅有微幅提升，也能轉化為數億美元的節省。

MX1 目前仍處於原型階段。量產晶片預計將於 2026 年底前從三星的代工生產線下線，該公司預期將於 2027 年開始產生營收。

儘管神經處理單元（NPU）製造商正競相挑戰 Nvidia 在訓練工作負載領域的地位，但 XCENA 則鎖定支撐所有其他環節的記憶體密集型層級。

XCENA 最直接的競爭對手包括 Astera Labs 和 Marvell，這兩家皆為納斯達克上市企業，目前正致力於開發下一代記憶體互連技術。金表示，Marvell 雖是早已活躍於同一領域的大型成熟廠商，但關鍵差異在於智慧財產權。 「我們擁有數千個核心，」金表示。根據公開規格，相較之下，Marvell 的方案僅依賴少數幾個通用核心。

這些核心基於 RISC-V（一種開源晶片設計藍圖）打造，並針對資料處理進行了專門優化，每個核心都刻意設計得小巧且高效。 除了核心本身之外，XCENA 還自行設計內部記憶體層級結構、互連匯流排以及 DRAM 控制器——這種程度的垂直整合，通常是多數晶片公司（包括規模更大的競爭對手）會外包的環節。

總部位於首爾的風險投資公司 Altinum 和 IMM Investment 聯手 Corstone Asia 以及現有投資者 SBI Investment 和 Mirae Asset Capital，共同領投了本輪 B 輪融資。該公司於首爾郊外科技樞紐板橋（Pangyo）及桑尼維爾（Sunnyvale）設有辦公室，員工總數超過 90 人，目前亦正與國際投資者就追加融資進行洽談。