英国芯片公司Fractile估值半年涨6倍-知了AI

英国 AI 推理芯片公司 Fractile 宣布完成 7.2 亿美元 C 轮融资，投后估值 70 亿美元——距离上一轮融资仅过去半年，估值涨了超过 6 倍。本轮由 Thrive Capital、Founders Fund、Lightspeed 和 Redpoint 联合领投，谷歌旗下 CapitalG、贝莱德等参投，英国主权 AI 基金和英国商业银行也代表政府入了股。

这家成立于 2022 年的公司押注的不是通用芯片，而是大模型推理中对延迟最敏感的生成环节：把 DRAM 内存直接叠在计算芯片上方，用更短更密的垂直连接缩短取数路径。首批芯片和系统计划 2027 年交付，一场围绕”更快的生成”的硬件战争正在升温，而 Fractile 已经站上了发令线。

半年估值涨 6 倍的融资清单

先把数字摆清楚。Fractile 今年 5 月完成 2.2 亿美元 B 轮融资，由 Accel、Factorial Funds 和 Founders Fund 联合领投，当时估值约 11 亿美元；本次 C 轮融资总额超过 5 亿英镑（约 7.2 亿美元），投后估值 70 亿美元，约为半年前的 6.4 倍。英国政府方面表示，本轮融资是推动本土 AI 硬件能力的关键举措，AI 国务大臣纳拉扬称之为”对英国技术的重大信心投票”，并直言长期以来英国的顶尖科学想法创造的技术和财富落在了别处，”我们决心改变这一状况”。

投资方名单里既有 Thrive Capital 这样的顶级机构，也有 CapitalG、DST Global、Elad Gil、贝莱德、Bain Capital Ventures、T. Rowe Price 等一长串名字。政府资金与市场资金同轮进入，反映了这类硬科技资产的特殊属性：周期长、投入大，但一旦成功，卡位价值极高。公司同时计划三年内在英国投入 1 亿英镑，扩展伦敦和布里斯托的业务并建设硬件工程设施。

团队与创业故事

Fractile 由 Walter Goodwin 和宋宇航共同创办，2022 年 5 月在英国注册。Goodwin 曾在牛津大学研究人工智能与机器人，现任 CEO；宋宇航是牛津大学计算机科学博士，曾任公司首席技术官，2024 年离开后现任南京大学人工智能学院准聘副教授。公司目前为数据中心开发推理芯片、机架和配套软件，总部在伦敦、开发中心在布里斯托。

创业路线也有过一次转向。团队最初试图用片上 SRAM 把数据放在计算单元旁边，但 2023 年底到 2024 年间，他们开始担心这套设计跟不上模型和上下文的增长——一款 700 亿参数的稠密模型，仅权重就要占约 70GB，还要为上下文缓存留空间，SRAM 根本装不下。于是团队转向堆叠 DRAM 路线，与存储厂商和逻辑芯片制造伙伴一起重新设计内存与计算芯片的连接方式。这次转向现在回头看是关键一步，但它也意味着两年的早期投入需要重新验证。

为什么是推理芯片

AI 算力分两段：训练是一次性投入，推理是持续消耗。随着推理模型和自主智能体普及，模型每次回答前要”想”很久，生成阶段的算力需求呈爆发式增长。而生成环节的瓶颈恰恰不在计算，而在内存——芯片需要不断读取模型权重和上下文缓存，取数速度决定了出字速度。批处理可以提高吞吐，却会拉长单次请求的响应时间，延迟敏感的场景等不起。

主流方案是用 HBM 高带宽内存与计算芯片并排封装，通过硅中介层传输数据。Fractile 改变了堆叠方式：把 DRAM 直接放到逻辑芯片上方，用更短更密的垂直连接并行传输。CEO 古德温估算，首代芯片访问内存的带宽有望达到 GPU 访问 HBM 时的约 20 倍。他同时强调，这是内存带宽的预期，不等于模型生成速度也能提高 20 倍——实际效果还取决于计算、跨芯片通信和软件调度。这种主动给自己预期”打折扣”的表态，在融资热潮里反而显得可信。

需求端已经有人为”快”付钱了

Fractile 的生意不是空中楼阁，模型厂商已经开始为生成速度单独定价。Anthropic 11 月 9 日发布的 Claude Fable 5.2 提供快速模式，输入输出单价都是标准模式的两倍，换来最高 2.5 倍的生成速度；OpenAI 的实时编程模型 Codex-Spark 采用 Cerebras 硬件，生成速度超过每秒 1000 个 Token；Etched 已向简街资本交付首台机架，后者测试后领投了 7 亿美元融资。据彭博社报道，Anthropic 还与 Fractile 达成了约 2.5 亿美元的初步采购安排。

这些信号共同指向一个新市场：为延迟敏感的生成环节单独建硬件。程序写代码要等模型吐结果，客服机器人要抢响应时间，智能体批量执行任务时速度就是吞吐量——凡是”人在等机器”的场景，快就是钱。速度从体验指标变成了收入指标，这是本轮推理芯片热潮最本质的商业逻辑。

对比维度	Fractile	传统 GPU 加速器	片上 SRAM 方案
内存位置	DRAM 垂直叠在逻辑芯片上	HBM 并排封装经中介层连接	计算单元旁的片上缓存
内存带宽	宣称约为 GPU 的 20 倍	当前基准	极高但容量受限
容量适配	可容纳大模型长上下文	依赖多卡拆分模型	700 亿参数模型装不下
软件生态	自研编译器与运行时	CUDA 生态成熟	需定制接入
交付时间	2027 年首批交付	已量产	部分已商用
代表玩家	Fractile	英伟达等	Groq、Cerebras 等

专用芯片的两条路线之争

把镜头拉远，推理芯片的竞争已经分成两个阵营。一个是独立替代路线：用自己的芯片和机架整套替换 GPU 集群，Etched 已向简街资本交付机架并在其数据中心运行；另一个是嵌入协同路线：专用芯片不替换 GPU，而是接管流水线里最吃延迟的那一段——英伟达今年把采用片上 SRAM 的 Groq LPX 纳入 Vera Rubin 平台，在协同方案里 GPU 负责输入处理和注意力计算，LPX 接手生成阶段对延迟敏感的运算；d-Matrix 也计划把堆叠 DRAM 的加速器接入英伟达的机架生态。

Fractile 走的是前者，但它对自身的定位很清醒：芯片只是一环，还要有编译器把模型运算映射到硬件、有运行时协调多芯片执行、有机架提供互连供电散热。古德温说，客户通常要用三到五年摊销一台机架，而模型负载在这期间还在变化，所以部分运算能力必须留给软件调整——这也是 Fractile 把首款产品直接做成机架的原因。这是专用芯片对抗”模型迭代快于芯片开发”这个死结的解法。

不同设备接力推理还带来一个新工程问题：缓存怎么传。输入阶段留下的上下文缓存要在设备之间搬运，国内月之暗面与清华团队开发的 Mooncake 系统就专门做这件事，把输入处理和生成分开部署，利用多种存储介质存放并复用缓存，实际部署后集群处理请求的能力提升了翻倍级别的幅度。这类系统级创新说明，推理加速的竞争早已超出单颗芯片的范畴。

中国的同类探索

国内也有公司沿垂直集成和近存计算路线推进，但阶段和定位各不相同。东方算芯 7 月发布晶圆级混合键合的 DF1000，128 卡集群已在客户侧承担实际训练任务，曾连续运行 72 小时；算苗科技把八层存储晶圆叠到云端推理逻辑晶圆上，6 月流片；网易孵化的谦合益邦瞄准云游戏高并发场景，堆叠四层 DRAM 的芯片已回片点亮；微纳核芯的三颗芯片已投片，预计 2027 年初送客户测试。

这些团队的共同教训是：把内存叠到处理器上，需要存储、逻辑和封装团队在芯片定型前就共同决定接口、供电与散热；不同芯片接力推理时，还要软件提前设计好缓存如何传递。竞争不只发生在单颗芯片内部，而是整条系统工程能力的比拼——这恰恰是评估这类公司时最容易忽视、又最致命的一环。

对买算力的企业意味着什么

对正在采购算力的企业来说，多一个选项总是好事，但也要保持冷静：Fractile 的带宽优势是封装层面的预期，实际生成速度的提升还取决于计算、跨芯片通信和软件调度；首批 2027 年交付的芯片，性能与可靠性都要等真实负载验证。务实的策略是延续当下趋势——关键路径用成熟 GPU 保稳定，把延迟敏感、大批量的生成任务试点给专用硬件，用数据说话再决定份额。

Anthropic 的做法提供了一个参考样本：先预订机房容量，等模型需求更明确时再选择芯片，团队还借助 AI 工具在约三天内让一款模型的输入处理在新硬件上达到可用性能——对长期使用成熟生态的团队而言，底层算子移植的成本正在被 AI 工具快速降低，这意味着更换硬件的门槛比过去低得多。

更大的图景是：当英伟达一家独大的格局被”系统级创新”撬开缝隙，推理成本曲线有望加速下探。模型厂商为速度付费的每一美元，最终都会转化为下游应用的响应体验。这场内存叠上芯片的硬件豪赌，无论谁赢，消费者都将是受益方；而 Fractile 能否把 70 亿美元的估值变成真金白银的订单，2027 年见分晓。

给硬件创业者的三面镜子

Fractile 的融资故事，给同一赛道的创业者提供了三面镜子。第一面是叙事的镜子：它从头到尾只讲一件事——生成的瓶颈在内存，把内存搬近计算就能赢。一个足够窄、足够技术、可被工程验证的命题，比”做下一代 AI 芯片”这种宽泛叙事更容易拿到顶级机构的支票。第二面是转向的镜子：从 SRAM 转向 DRAM 堆叠，等于推翻自己两年前的技术路线，但团队用对模型增长的预判说服了自己和投资人。硬科技创业里，敢于修正路线的团队比固守初心的团队活得久。第三面是生态的镜子：芯片、编译器、运行时、机架一起做，产品形态一步到位到系统级——这既是资源消耗的深坑，也是对客户负责的必要投入。

对观察者来说，还有一个值得跟踪的指标：英国政府在这轮融资里的角色。主权基金参股本土芯片公司，配合三年 1 亿英镑的投入计划，是典型的”国家队陪跑”打法。如果 Fractile 在 2027 年如期交付并拿到标杆客户，这套模式会被更多欧洲国家复制；如果跳票，欧洲 AI 硬件的信心修复又要多等一个周期。

资金投向哪里：一份拆解

7.2 亿美元听起来庞大，摊到硬科技公司的支出表上其实并不奢侈。芯片设计端，一款新架构从 RTL 到流片的工程团队成本以亿美元计；首批机架的制造与测试、编译器与运行时的软件团队、伦敦与布里斯托的硬件工程设施扩建，每一项都是吞金兽。对照同行：英国政府披露公司三年内投入 1 亿英镑扩建工程能力，C 轮资金的主力大概率投向芯片量产链路——流片费用、封装产能预订和首批机架的交付成本。换言之，这笔钱买的是”把论文变成机房里能跑的设备”这最后一公里的确定性。

从投资人的视角看，70 亿美元估值对应的隐含预期是：推理专用硬件在 2028 年前后形成百亿美元级市场，而 Fractile 占据其中一席。这个赌注的赔率结构很典型——输则归零，赢则十倍。政府资金的参与为 downside 提供了一定缓冲，也让”英国造芯片”有了国家级背书的叙事。接下来 18 个月的里程碑很清晰：流片、点亮、首批客户实测数据，每一步都会被市场拿放大镜检验。

观察这类公司还有一个朴素但有效的指标：招聘节奏。硬件公司的扩张最先体现在岗位表上——封装工程师、编译器工程师、现场应用工程师的数量变化，往往比公关稿更早反映项目的真实进度。如果未来几个季度这些岗位持续扩张、团队规模从几十人走向数百人，说明资金正在转化为交付能力；反之则要警惕估值的空气成分。