### [这家芯片初创把计算搬进内存，1.35亿美元融资到手](https://www.willai.cc/article/859)

**Published:** 2026-05-29T15:51:18

**Author:** hiyoho

**Excerpt:** 每次你向ChatGPT提问，你的请求都会触发一场数据接力赛。信息离开内存，经过CPU预处理，传输到GPU进行繁重计算，然后再返回——而AI生成的每一个字，整个流程都会重复一遍。 瓶颈是结构性的。这意味着每一个请求中，数据都要经过行业中一些最

每次你向ChatGPT提问，你的请求都会触发一场数据接力赛。信息离开内存，经过CPU预处理，传输到GPU进行繁重计算，然后再返回——而AI生成的每一个字，整个流程都会重复一遍。

瓶颈是结构性的。这意味着每一个请求中，数据都要经过行业中一些最昂贵、功耗最高的芯片进行路由。这种低效正是**XCENA**试图解决的问题——这家在韩国和美国都设有办事处的初创公司，刚刚在B轮融资中筹集了**1.35亿美元**，估值达5.7亿美元。

> “几十年来，CPU和GPU都变得更智能了。内存从来没有。XCENA想改变这一点。”——创始人Jin Kim

### 把计算搬进内存

XCENA的芯片**MX1**通过CXL（计算快速链接）连接到CPU——本质上是处理器和内存之间的专用快车道——在数据需要离开内存模块之前就对其进行处理。它是把计算带到数据附近，而不是反过来。

该公司声称，以前需要**10台服务器**完成的工作，现在可能只需要**1台**就可以完成。

![XCENA MX1芯片原型](https://techcrunch.com/wp-content/uploads/2026/05/MX1P_CSB_REV20_-2_black.jpg?w=1024)

XCENA MX1芯片原型（图源：TechCrunch）

### 为什么是内存，不是算力？

XCENA的业务押注于一个论点，即”推理不仅是计算问题；它越来越是一个**内存扩展问题**。”

虽然GPU擅长矩阵乘法——AI模型训练背后的繁重数学计算——但周围的许多数据编排，包括预处理、KV缓存管理（存储之前的对话上下文的系统，这样模型就不需要重新处理它）、数据缓存，仍然在CPU上运行。XCENA的芯片在内存模块本身内直接处理这些任务。

* * *

### 创始团队来自三星和SK海力士

XCENA首席执行官Jin Kim于2022年与首席技术官Dohun Kim、首席产品官Harry Juhyun Kim共同创立了这家初创公司，三人都来自**三星和SK海力士**——这两家内存巨头为英伟达的GPU提供芯片。

本月，主导全球内存芯片市场的三家公司——三星、SK海力士和美光——市值首次都超过了**1万亿美元**。XCENA押注的是，AI基础设施正朝着以内存为中心的架构更广泛地转变。

### 竞争对手和差异化

XCENA最接近的竞争对手包括**Astera Labs**和**Marvell**，这两家纳斯达克上市公司都在研发下一代内存连接技术。

差异化因素在于知识产权。XCENA有**数千个核心**，每个核心都基于RISC-V构建并专门针对数据处理进行了优化。相比之下，Marvell的方法依赖少数几个通用核心。

* * *

### 时间表和挑战

MX1目前仍然是**原型**。大规模生产的芯片预计将在**2026年底**从三星的代工生产线下线，该公司预计从**2027年**开始产生收入。

XCENA的理想客户是每年在AI基础设施上花费数百亿美元的**超大规模企业**，即使内存效率有微小的提升，也可能意味着数亿美元的节省。

-   B轮融资1.35亿美元，估值5.7亿美元
-   累计融资总额达1.85亿美元
-   MX1芯片基于RISC-V开源架构
-   目标客户：超大规模AI基础设施运营商
-   量产时间：2026年底；收入预期：2027年

📎 原文来源：[TechCrunch — This chip startup just raised $135M on a bet that AI’s biggest bottleneck isn’t compute — it’s memory](https://techcrunch.com/2026/05/29/xcena-secures-135m-at-570m-valuation-betting-on-memory-as-ais-real-bottleneck/)

**Tags:** AI, AI基础设施, AI技术, AI芯片, AI融资, XCENA, 内存芯片

**Categories:** AI资讯

---