AI最大瓶颈竟是内存？芯片创业公司获1.35亿美元融资

AI计算的隐藏瓶颈：内存而非算力

当您向ChatGPT提问时，数据会经历一场复杂的接力赛：信息从内存出发，经过CPU预处理，再传递给GPU进行密集计算，最后返回结果——这一过程会为每个生成的词重复一次。这种结构性的瓶颈意味着每次请求都需要通过行业中最昂贵、最耗电的芯片进行路由，效率极低。这正是XCENA这家韩美合资创业公司试图解决的问题。

XCENA的内存优化方案

XCENA成立于2022年，由三星和SK海力士的前员工共同创立。他们设计了一款芯片，将计算能力更贴近DRAM（动态随机存取存储器，即处理器正在使用的高速短期内存），使常规数据操作在内存附近完成，无需在CPU、GPU和内存之间进行昂贵的数据往返。

如果这一技术能够规模化应用，将对AI基础设施成本产生显著影响，这也解释了投资者对公司的热情。XCENA最近完成了1.35亿美元的B轮融资，估值达到5.7亿美元，总融资额达到1.85亿美元。

内存-centric架构的崛起

XCENA首席执行官Jin Kim在采访中表示：“CPU和GPU多年来一直在变得更智能，但内存从未跟上。XCENA希望改变这一现状。”他补充道：“最近内存价格的上涨和相关股票的升值，表明AI基础设施正朝着内存-centric架构转变。”（本月，全球三大内存芯片供应商——三星、SK海力士和美光——首次各自市值突破万亿美元。）

XCENA的核心论点是：“推理不仅是一个计算问题，它越来越成为一个内存扩展问题。”其芯片MX1通过CXL（计算 express 链接）与CPU连接，在数据离开内存模块之前进行处理，实现了“将计算带到数据旁”而非传统方式。公司声称，原本需要10台服务器运行的任务，现在可能只需1台即可完成。

技术突破与市场潜力

“虽然GPU在矩阵乘法（AI模型训练的核心数学运算）方面表现出色，但周围的数据编排工作，包括预处理、KV缓存管理（存储先前对话上下文的系统，避免模型重复处理）和数据缓存，仍由CPU处理。我们的芯片直接在内存模块内处理这些任务。”Kim解释道。

自去年下半年以来，内存解决方案的需求激增，XCENA认为时机对其有利。公司已与多家全球内存供应商进行初步洽谈（Kim未透露具体名称）。其理想客户是每年在AI基础设施上花费数十亿美元的超大规模企业，即使是微小的内存效率提升也可能意味着数亿美元的节省。

产品进展与竞争格局

MX1芯片目前仍处于原型阶段，预计2026年底前在三星的晶圆厂投入大规模生产，公司预计2027年开始产生收入。

虽然神经处理单元（NPU）制造商正竞争挑战英伟达的训练工作负载，但XCENA的目标是所有这些工作负载下方的内存密集型层次。其主要竞争对手包括纳斯达克上市公司Astera Labs和Marvell，这两家公司都在研发下一代内存连接技术。Kim表示，虽然Marvell是大型成熟企业，但XCENA的差异化在于知识产权：“我们有数千个核心。”相比之下，Marvell的公开规格显示其依赖少数通用核心。

这些核心基于RISC-V开源芯片设计蓝图，专为数据处理优化，每个核心都刻意保持小巧高效。此外，XCENA还设计了内部内存层次结构、互连总线和DRAM控制器——这种垂直整合程度是大多数芯片公司（包括大型竞争对手）通常外包的。

本轮融资由首尔风险投资公司Atinum和IMM Investment联合领投，Corstone Asia及现有投资者SBI Investment和Mirae Asset Capital参与。该公司在首尔 Pangyo（首尔郊外的技术中心）和 Sunnyvale设有办事处，员工超过90人，并正在与国际投资者洽谈额外融资。

关注微信号：智享开源 ，及时了解更新信息。

原文链接：https://techcrunch.com/2026/05/29/xcena-secures-135m-at-570m-valuation-betting-on-memory-as-ais-real-bottleneck/