新架构芯片公司，缘何赢得全球资本押注？lg...

他不做GPU，却被资本疯抢！他说三年内要超越英伟达！

今年 2 月，一份规模 15 亿美元的投资协议，从沙特阿拉伯启程，跨越上万公里抵达美国加州山景城，递到了 AI 芯片企业 Groq 创始人手中。仅仅 6 个月后，又一笔 6 亿美元的新融资主动找上门来。

如今，在大洋彼岸， “非 GPU” 芯片公司接连斩获巨额资本注入。这一幕，让国内紧盯英伟达、执着于 “中国版英伟达” 叙事的 “GPU 学徒” 们难掩羡慕。

事实上，国内的“非GPU”芯片公司，也早已被政策性和产业资本默默押注。我们更看重“技术的前瞻性和稀缺性！”一家国内大厂的投资负责人坦言。一场 AI 芯片技术演进的 “派系之争”，正越演越烈。

大洋彼岸的英伟达 “挑战者”：非 GPU 阵营崛起

当前，AI 芯片赛道正清晰分化为两大技术派别：

一派是 “共享式集中计算架构”，以英伟达 GPU 为绝对代表，凭借成熟生态长期占据市场主导；

另一派则是 “创新数据流架构”，涵盖谷歌、特斯拉及一众独角兽芯片企业推崇的 “分布式数据流架构”和“可重构数据流架构”，凭借 AI 计算中的独特优势，正成为一级市场资本聚焦的新焦点。

开篇提及的 Groq，正是美国非 GPU 阵营的典型代表。一年前，它还以 28 亿美元估值完成 6.4 亿美元 B 轮融资；今年，最新一轮 6 亿美元融资落地后，其估值已逼近 60 亿美元。据 Groq 公开数据，其自研的数据流式处理器（LPU） 在推理速度上比英伟达 GPU 快 10 倍，成本却仅为后者的 1/10。公司创始人 Jonathan Ross 更公开放话：“将在三年内实现对英伟达的超越。”

Groq 并非个例。一批走非 GPU 路线的新架构芯片企业，正以惊人速度成长。

源自斯坦福大学的 SambaNova，凭借自研可重构数据流芯片，已跻身 AI 芯片领域估值最高的独角兽行列 ——5 年内估值飙升至 50 亿美元。其产品可支持 5 万亿参数大模型训练，8 芯片配置的性能可达英伟达 H100 的 3.1 倍，而总拥有成本仅为后者的 1/10。商业模式上，SambaNova 提供 “芯片到模型部署” 的全栈解决方案，客户名单中不乏阿贡国家实验室、劳伦斯利弗莫尔国家实验室、埃森哲等知名机构与企业。

谷歌自研的 TPU 芯片同样属于数据流芯片，至今已迭代多代云端产品，广泛应用于谷歌云服务器及自有大模型的训练与推理。今年 7 月，业界传出关键消息：AI 巨头 OpenAI 开始采用谷歌 TPU 支撑 ChatGPT 的推理运算，以优化成本结构。这则动态被解读为 “数据流阵营崛起的重要信号”，标志着非 GPU 架构已获得头部企业的实际认可。

新架构芯片：构建国产算力的长期壁垒

国内 AI 芯片市场，如今也呈现 “GPU 与非 GPU 架构并行发展” 的格局。

从技术路径确定性、软件生态适配度来看，GPU 架构无疑是 “最快落地的国产替代选择”：过去一年，沐曦、摩尔线程等国产 GPU 企业相继启动 IPO；行业龙头寒武纪今年股价飙升，进一步带热了 GPU 赛道的资本关注度。短期内（未来 6-12 个月），生态完善、技术优势突出的 GPU 企业，仍是科技资本重点布局的标的。

但如果将投资周期拉长至 1 年以上，GPU 赛道之外，具备创新架构的企业，才更有可能为国产算力构建真正的竞争壁垒。这些企业虽未上市、尚未进入二级市场的广泛讨论，但凭借战略价值与商业潜力，已成为政策性资本、产业资本的 “重点关注对象”。

上海思朗科技，源自中国科学院自动化研究所，今年初获得宁德时代创始人曾毓群旗下溥泉资本领投的 D 轮融资。其核心竞争力在于自主研发的代数运算处理器（MaPU）架构—— 通过指令集与体系结构的底层重构，实现了算力效率的显著突破。

脱胎于清华大学可重构实验室的清微智能，更以 “资本市场稀缺的股东阵容” 展现出强大资本号召力。据公开信息，清微智能已累计完成多轮融资，更获得国家大基金二期（国家级半导体产业投资基金，行业风向标）入股，这无疑是对其可重构计算架构的高度认可。此外，中关村科学城科技投资、北京政府引导基金等国有资本也纷纷入局。产业资本方面，商汤、蚂蚁、兆易创新等产业及技术资本已抢先“上车”。

在资本市场中，“高原创性、高门槛、低同质化” 的项目向来稀缺。但除了技术层面的创新性，资本还会关注新架构在商业化上的“成绩单”。综合商业化因素，清微智能无疑是国内非GPU架构AI芯片领域的领军企业。

2024 年底，其基于可重构计算架构研发的TX8 系列 AI 芯片正式量产；搭载该芯片的 REX1032 训推一体服务器，单机算力可达 4 PFLOPS，支持万亿参数大模型部署。目前，清微智能已在东北、浙江、北京等多省份落地千卡级智算中心，并在金融、能源、教育等行业完成服务器部署。

此外，清微与同属清华系企业的智谱华章并称为清华AI双子星，在“芯片 + 大模型” 协同上，正在重构国产 AI 生态。对标智谱华章的估值（200亿元），清微智能作为硬件底座，以及在国产替代赛道中的战略协同价值，其市场潜力受到广泛关注。

最新发布的Deepseek V3.1 模型需要 UE8M0 浮点支持时，清微技术团队 72 小时完成适配，这种技术的响应速度，正是一级市场估值持续走高的核心逻辑。

央媒也对国产新架构芯片给予高度认可。称其为“高阶国产替代赛道的长期主义样本”，还指出，清微在中国算力版图中占据举足轻重的地位，

，而 “国家队 + 产业链” 的投资结构，更充分体现了市场对其技术路线的信任。

突破 “追赶者陷阱”：中国算力的 “新能源时刻”

从 “0 到 1” 的创新，从无捷径可走。与选择 “成熟架构本土化” 的 GPU 企业不同，深耕可重构数据流等新架构的企业，面临着更大的技术挑战与市场风险：

单卡算力：国内领先的非GPU架构的单卡算力已接近英伟达主流产品，但与最新产品仍存在一到两代差距，需要通过综合成本和集群算力来平衡差距。

资金层面：创新架构需要更长的验证周期与更高的研发投入。据行业数据，一款新型架构芯片从研发、量产到生态建设，通常需要 3-5 年，研发和建设投入往往超 10 亿元，且研发难度和失败风险都要高于传统架构；

生态层面：创新架构需突破算法适配、工具链完善等多重障碍 —— 客户迁移成本高，不愿为 “缺乏生态支持的架构” 买单，算法厂商也不愿为 “小众芯片” 投入适配资源，形成 “先有鸡还是先有蛋” 的博弈困境。对于创新技术，生态适配、迭代和培育建设始终是一项长期、复杂的系统性工程，至少需要3-5年才能缓解新架构芯片相较GPU架构生态薄弱的困境。

虽然新架构这条路比传统 GPU 架构艰难，但其可能带来的技术突破与产业价值，远超 “跟随式方案”。蚂蚁集团投资部相关负责人曾表示，在评估前沿科技项目时，“技术的前瞻性和稀缺性（非同质化）”是最核心的考量指标。清华大学五道口金融学院讲席教授鞠建东将 “跟随式发展” 称为 “追赶者陷阱”——“沿着领先者设计好的路径渐进发展，最多只能达到领先者已完成的成就，永远无法实现赶超。”

正如当年比亚迪毅然押注纯电技术、笃定前行，最终成为中国汽车产业 “追赶变引领” 的排头兵 —— 那些曾嘲笑 “新技术” 的 “跟随派”“复制党”，最终在时代更迭中淡出视野。对于中国算力产业而言，新架构芯片的探索，或许正是突破 “追赶者陷阱”、走出差异化之路的关键所在。