一家芯片初创公司筹集了1.35亿美元，认为内存而非计算能力才是人工智能的最大瓶颈

每当你向ChatGPT提问时，你的请求就会触发一场数据接力赛。信息从内存中提取出来，经过CPU进行预处理，传输到GPU进行密集计算，然后返回——而整个循环会随着AI生成的每一个单词而重复。

这一瓶颈是结构性的——它迫使每个请求都必须经过业内成本最高、功耗最大的芯片。正是这种低效率，促使在韩国和美国均设有办事处的初创公司XCENA致力于解决这一问题。 这家成立四年的公司开发了一款芯片，将处理能力置于更接近DRAM的位置——DRAM是存储处理器正在积极使用的数据的高速临时内存芯片——从而使常规数据任务能够直接在内存旁处理，无需在CPU、GPU和内存之间进行昂贵的往返传输。

如果这项技术能大规模应用，对AI基础设施成本的影响将十分显著——这也解释了投资者为何如此关注。XCENA刚刚在B轮融资中筹集了1.35亿美元，估值达5.7亿美元，使其累计融资总额达到1.85亿美元。

XCENA首席执行官金镇（Jin Kim）于2022年与首席技术官金道勋（Dohun Kim）及首席产品官金周贤（Harry Juhyun Kim）共同创立了该公司。这三人均来自三星和SK海力士——这两家存储巨头为英伟达的GPU提供芯片。“几十年来，CPU和GPU都变得越来越智能。 但内存却从未如此。XCENA希望改变这一现状，”金在接受TechCrunch采访时表示。 “近期内存价格及相关股票的上涨，预示着人工智能基础设施正朝着以内存为中心的架构发生更广泛的转变，”他补充道。（本月，主导全球内存芯片市场的三星、SK海力士和美光三家公司，各自的市值首次突破1万亿美元大关。）

金表示，XCENA的商业战略基于这样一个理念：“推理不再仅仅是一个计算问题；它越来越成为一个内存扩展问题。”

XCENA的MX1芯片通过CXL（Compute Express Link）——本质上是处理器与内存之间的专用快车道——连接至CPU，在数据需要离开内存模块之前就对其进行处理。它将计算带到数据所在之处，而不是反过来。 该公司表示，过去需要10台服务器才能完成的任务，现在仅需一台即可运行。

“虽然GPU在矩阵乘法（AI模型训练背后繁重的数学运算）方面表现出色，但周边的大部分数据处理工作——包括预处理、KV缓存管理（该系统用于存储之前的对话上下文，以便模型无需重新处理）以及数据缓存——仍然在CPU上运行。 我们的芯片直接在内存模块内部处理这些任务，”金表示。

自去年下半年以来，对内存解决方案的需求激增，该公司认为当前时机对其有利。

虽然金先生未透露具体名称，但与多家全球内存供应商的洽谈仍处于初期阶段。该公司的理想客户是每年在AI基础设施上投入数百亿美元的超大规模企业，对于这些企业而言，内存效率哪怕只有微小的提升，也能带来数亿美元的节省。

MX1目前仍处于原型阶段。量产芯片计划于2026年底前在三星代工厂下线，该公司预计将于2027年开始产生收入。

尽管神经处理单元（NPU）制造商们正竞相挑战英伟达在训练工作负载领域的地位，但XCENA却将目标锁定在支撑所有其他应用的内存密集型层面上。

XCENA最直接的竞争对手包括Astera Labs和Marvell，这两家纳斯达克上市公司均致力于开发下一代内存互联技术。金表示，Marvell是一家规模庞大、根基深厚且早已活跃于该领域的企业，但双方的关键差异在于知识产权。 “我们拥有数千个核心，”金说道。根据公开的规格参数，相比之下，Marvell的方案仅依赖于少数几个通用核心。

这些内核基于 RISC-V（一种开源芯片设计蓝图）构建，并专门针对数据处理进行了优化，每个内核都刻意设计得小巧且高效。 除了核心本身，XCENA还自主设计了内部内存层次结构、互连总线和DRAM控制器——这种程度的垂直整合，包括大型竞争对手在内的多数芯片公司通常都会外包。

总部位于首尔的风险投资公司Altinum和IMM Investment与Corstone Asia以及现有投资者SBI Investment和Mirae Asset Capital共同领投了本轮B轮融资。该公司在首尔郊外的科技中心板桥（Pangyo）和桑尼维尔（Sunnyvale）设有办事处，拥有90多名员工，目前正与国际投资者就追加融资进行洽谈。