DeepX 融资令其估值翻四倍，但营收仍须跟上

DeepX 在新一轮融资中获得承诺，报道估值为 22 亿美元，约为其 2024 年估值的四倍。对于一家仍在将技术合作转化为商业营收的公司而言，这轮 DeepX 融资意味着一次非同寻常的重估。

据报道，这家韩国芯片设计公司正完成一轮至少 3000 亿韩元、约合 2.3 亿美元的 D 轮融资。今年晚些时候，还可能有更多投资者通过后续交割加入。报道称，在新资金进入公司前，其估值已达到 2.85 万亿韩元。

这一结果扭转了仅数周前围绕该交易的氛围。一些韩国金融机构曾暂停审核，而预期融资规模也较最初目标有所缩减。

私募投资者最终似乎愿意将 DeepX 的估值与融资更充足的韩国竞争对手 Rebellions 和 FuriosaAI 相提并论。不过，这一比较也揭示了交易背后的核心矛盾。

投资者正将 DeepX 定位为重要的端侧 AI 供应商，但其营收尚不足以支撑这一地位。它接下来的考验不是再发布一项基准测试成绩或合作公告，而是在商业规模上实现可重复部署。

DeepX 融资实际带来了什么变化

本轮融资为 DeepX 的芯片商业化争取了更多时间，但也提高了公司必须达到的标准。

最引人注目的数字是报道中的估值。DeepX 在 2024 年 5 月进行 C 轮融资时的估值约为 5.3 亿美元，该轮融资筹集约 8000 万美元。

根据报道中的 2.85 万亿韩元数据，新估值接近 22 亿美元。这意味着在约两年内增长超过四倍。

韩国交易媒体 Dealsite 报道称，截至 7 月中旬，DeepX 已基本完成主要投资条款的谈判。当时，机构审批和付款时间表仍在协调中。

据报道，首轮交割包含超过 3000 亿韩元的认缴承诺。DeepX 可以通过多次交割流程继续吸纳投资者，允许参与者在不同时间进入同一轮融资。

彭博社随后于 8 月 3 日报道了此次估值跃升。由于 DeepX 为非上市公司，完整交易文件及最终资本结构尚未公开披露。

因此，读者应区分经协商的私募市场估值与已经实际到账的现金。该估值反映了参与投资者接受的条款，但在所有交割完成前，最终融资仍可能发生变化。

本轮融资紧随 DeepX 在 2024 年完成的 8000 万美元融资。SkyLake Equity Partners 领投此前这笔投资，BNW Investment、AJU IB Investment 和 TimeFolio Asset Management 参与其中。

DeepX 表示，这笔资金将用于支持量产以及下一代端侧大语言模型产品的开发。此后，公司已将首个商用芯片系列投入生产，并扩大了分销合作关系。

D 轮融资改变了这项工作的规模。半导体公司必须在部署带来稳定营收之前很久，就为芯片设计、软件开发、制造承诺、测试和客户支持提供资金。

额外资金可以帮助 DeepX 预留制造产能，并支持更多客户验证项目。它还可以为必要的软件开发提供资金，使一款不熟悉的处理器具备可用性。

但更高的估值也带来自身的约束。DeepX 现在必须拿出足够的商业证据，以支撑一个已接近韩国两大 AI 芯片初创企业的估值。

因此，这轮融资不只是一次信心投票，而是由私募资本资助的一道期限。

为什么投资者押注边缘 AI

DeepX 并非试图以更小规模复刻 Nvidia 的数据中心战略。它押注的是，AI 推理将扩展至实体设备之中。

推理是指使用训练完成的模型进行识别、分类、预测或生成输出的过程。DeepX 为在本地设备内执行这类工作设计神经处理单元，即 NPU。

这种方法通常被称为边缘 AI 或端侧 AI。设备无需将每一帧摄像头画面或每一条传感器读数都发送至远程服务器，而是在数据源附近处理相关数据。

这一模式之所以重要，是因为云端处理会带来成本和运营限制。工厂摄像头可持续产生视频，而移动机器人必须在不等待不可靠网络的情况下作出响应。

本地处理可以减少网络流量和延迟。它还可以让敏感图像留在设备内部，不过最终的隐私结果仍取决于完整的系统设计。

DeepX 的商用 DX-M1 加速器瞄准这一市场。根据该公司的芯片规格，它采用 INT8 数值精度时可提供每秒 25 万亿次运算能力。

INT8 使用 8 位整数表示模型数值，从而降低内存和计算需求。DeepX 列出的芯片及其 M.2 模块功耗介于 1 至 5 瓦之间。

这些数据使 DX-M1 处于与大型数据中心加速器不同的运行区间。其目标系统包括摄像头、工业计算机、机器人、零售设备和移动出行产品。

该公司称，该模块支持多种常见 AI 框架和格式，包括 PyTorch、TensorFlow、ONNX 和 Ultralytics。框架兼容性很重要，因为客户通常不希望围绕新芯片重建既有模型。

DeepX 还列出了对 Windows、多个 Ubuntu 版本、Yocto 和 Docker 的支持。这种广泛支持旨在减少不同工业系统中的集成工作。

不过，规格页面上的兼容性声明并不保证能轻松实现生产部署。客户仍必须测试模型转换、准确性、热性能、设备驱动程序和长期软件维护。

投资者似乎正是在这里看到了机会。AI 模型正从集中式聊天服务扩展至摄像头、机器人、车辆、家电和工业检测系统。

许多这类设备并不需要可用的最大模型。它们需要在严格的功耗、温度和响应时间限制内实现稳定推理。

DeepX 已围绕这一前提建立合作关系。今年 4 月，它宣布与 Hyundai Motor Group 的 Robotics LAB 合作开发用于物理 AI 的计算平台。

物理 AI 指的是通过机器在真实环境中感知并行动的模型。机器人需要在有限功耗预算内，将传感器处理与快速决策结合起来。

DeepX 还宣布与工业计算供应商 AAEON 达成量产合作。在 Computex 2026 上，该公司称其产品出现在超过 30 个合作伙伴展位中。

这一合作伙伴数量提供了有用的分销证据，但并不等同于终端客户采用。系统制造商展示的模块，仍可能处于长达数月的评估阶段。

投资逻辑假设，足够多的评估将转化为量产订单。如果这种转化发生，DeepX 就能进入数据中心处理器并非为之高效设计的市场。

如果转化依然缓慢，合作关系将带来曝光度，却无法产生该估值所要求的营收。

DeepX 与韩国融资更充足的 AI 芯片竞争对手之争

DeepX 的主要竞争并非与 Nvidia 直接比拼基准性能，而是与 Rebellions 和 FuriosaAI 争夺商业可信度。

三家公司都设计 AI 处理器，但并未追求完全相同的工作负载。Rebellions 和 FuriosaAI 更侧重于数据中心推理，而 DeepX 则专注于边缘设备和实体系统。

这种差异使 DeepX 避免了简单的芯片对芯片比较。但它无法避免在资本、工程人才、制造合作伙伴和客户关注度方面的竞争。

Rebellions 于 3 月完成 4 亿美元融资，报道估值约为 23.4 亿美元。根据一份融资报道，其累计融资额已达到约 8.5 亿美元。

该公司正利用这些资金从单个处理器扩展至完整系统。其 RebelRack 和 RebelPOD 系统将芯片、网络和软件打包为面向生产部署的基础设施。

FuriosaAI 则凭借 RNGD 处理器走上另一条数据中心路线。该芯片采用高带宽内存，瞄准大模型推理场景，在这里内存搬运可能成为主要瓶颈。

FuriosaAI 在据报道拒绝 Meta 的收购提议后也获得了国际关注。其融资和客户验证进一步加大了 DeepX 的压力，后者需要证明其边缘专精能够支撑规模同样庞大的业务。

私募市场估值使三家公司异常接近。韩国媒体报道将 Rebellions 估值置于约 3.4 万亿韩元、FuriosaAI 约 3 万亿韩元、DeepX 约 2.85 万亿韩元。

它们的营收状况与这些估值相比则远不均衡。Electronic Times 报道称，Rebellions 去年实现 320 亿韩元营收。

同一报道显示，FuriosaAI 营收为 57 亿韩元，DeepX 为 33 亿韩元，并警告称三家公司之间存在营收估值鸿沟。

这些数字应谨慎看待，因为三家公司均为非上市公司，且半导体合同的收入确认方式可能不同。即便如此，它们仍提供了衡量执行差距最清晰的公开指标。

DeepX 的报道估值相当于其最近一次报告年度营收的 800 多倍。对于一家年轻的芯片公司而言，这一比率并非有用的稳态估值模型。

但它显示了投资者已在交易中计入多少未来增长。DeepX 必须从小额订单和验证项目，转向跨产品线的重复部署。

Rebellions 面临同样广泛的挑战，但其起点是更高的报告营收和更多得多的累计融资。FuriosaAI 同样拥有进入企业数据中心的清晰路径。

DeepX 的应对方式是专精化。低功耗加速器可以进入无法容纳数据中心卡、大型冷却系统或持续云端连接的产品。

这一路线会形成分散的客户基础。DeepX 可能需要同时支持摄像头制造商、机器人公司、工业计算机供应商和车辆项目。

如果客户能在许多设备中复用同一芯片，碎片化可能成为优势。但如果每位客户都需要不同的模型和运行环境，它也可能成为昂贵的支持负担。

这正是竞争问题超越峰值性能的原因。DeepX 需要一个软件和分销体系，能够服务大量较小规模的部署，而不会让每份合同都变成定制工程项目。

评估这些供应商的客户应关注所支持的模型、转换可靠性、部署工具、生命周期承诺，以及在自身工作负载下测得的功耗。

营销对比无法替代这种验证。大额融资同样不能。

估值未能证明什么

DeepX 的融资证明投资者接受了新的条件，但并不能证明商业需求会达到预期规模。

最有力的质疑首先来自 DeepX 的财务表现。韩国媒体报道称，其去年合并营收为 33 亿韩元，净亏损为 589 亿韩元。

对于一家刚进入量产阶段的半导体创业公司而言，这样的亏损并不令人意外。芯片研发需要在大规模出货开始前投入大量资金。

但这种失衡仍值得关注，因为 DeepX 的估值在尚未有公开证据显示营收实现相应增长前就已上升。投资者押注的是未来采用，而非已建立的盈利基础。

融资过程也曾遭遇阻力。7 月，《首尔经济日报》报道称，原计划融资规模已从 6000 亿韩元缩减至 3000 亿至 4000 亿韩元之间。

据报道，多家金融机构暂停或终止了投资审查。其中一个顾虑是，在 AI 市场波动期间，DeepX 提出的估值显得偏高。

国家成长基金迟迟未作决定，也增加了不确定性。若这只国家支持的基金参与，可能会降低部分相关金融机构的资本需求。

之后，私人需求似乎推动该轮融资进入首轮交割。报道称，现有投资者支持了这一估值，而与 BNW、TimeFolio 和 Shinhan 有关联的机构也与该融资有关。

这一结果具有意义，因为私人承诺无需直接获得国家资金配对，也能体现投资信心。不过，这并不能抹去此前的犹豫。

这次融资缩水表明，投资者对于合适的价格与时机存在分歧。成功交割记录的是参与者的决定，而非整个市场的一致判断。

DeepX 目前可获得的大部分产品性能证据也由公司自行掌控。其网站声称，在特定基准测试条件下，其产品较替代处理器具备显著能效优势。

公司披露了部分测试细节，包括模型精度、软件版本、接口和主机硬件。这种透明度有助于读者理解测试结果。

但仍必须在更广泛的模型范围内开展独立测试。边缘工作负载会因摄像头分辨率、批处理规模、模型架构、内存访问方式和精度要求而变化。

一款处理器可能在某个目标检测模型上表现良好，却在另一种工作负载中遇到困难。即使原始吞吐量看起来很强，模型转换也可能改变精度。

功耗主张同样需要结合语境理解。芯片功耗、模块功耗和完整系统功耗是不同的测量指标。

工业采购方必须将主机处理器、内存、存储、网络和散热纳入考量，也必须在预期环境条件下测量持续性能。

供应是另一项风险。DeepX 采用无晶圆厂模式，即自行设计处理器，但依赖外部合作伙伴制造。

这一模式在半导体行业的大部分领域都很常见，但仍会使公司面临晶圆供应、封装产能、零部件交期和地缘政治干扰等风险。

软件则构成更艰难的长期挑战。Nvidia 的优势并不局限于处理器速度。

开发者已经多年使用其编程工具和优化库。替代芯片必须提供足够的经济价值，才能证明改变部署工作流程是合理的。

DeepX 正试图通过通用框架、模型转换工具和硬件合作关系来降低这种摩擦。其与 Ultralytics 的合作，对于使用 YOLO 模型的计算机视觉开发者尤其相关。

该公司还扩大了 DX-M1 对小型语言模型的支持。这拓宽了其可覆盖的工作负载，但也增加了一层软件层面的预期。

每项新能力都必须在未来 SDK 版本中保持稳定。工业客户通常要求多年支持，而非只在演示周期内可用。

因此，DeepX 必须同时证明三件事：其芯片必须高效运行，软件必须持续易用，供应链必须提供可预测的产量。

这一估值假定，该公司能够在资金更充裕的竞争对手填补机会窗口前解决这三项问题。

决定这场押注是否成功的三个信号

订单、重复量产以及独立测得的性能，将决定 DeepX 的估值反映的是一家真实企业，还是仅仅一个颇具前景的平台。

第一个信号是 Series D 融资的最终交割。投资者应关注实际到账的资金规模、具名参与者，以及已报道估值是否发生变化。

若初始承诺超过 3000 亿韩元，DeepX 将获得充足的运营空间。若后续融资规模扩大并接近公司此前目标，将加强这样一种判断：私人需求已取代迟迟未到位的国家支持资金。

较小的最终交割规模并不会否定 DeepX 的技术，但会表明投资者在当前估值下的热情存在上限。

第二个信号是订单能否转化为重复出货。这比再增加一份正在测试 DeepX 硬件的公司名单更为重要。

半导体认证需要时间，因为客户必须验证性能、可靠性、软件兼容性和供应能力。对于汽车和工业设备而言，这一过程尤其严苛。

DeepX 需要的是能完成评估、导入设计并进入生产的客户。导入设计意味着客户已为某款产品选定该组件，但并不保证最终出货量。

重复采购将证明该芯片的价值不止于试点项目，也会揭示 DeepX 能否在不承担过高定制成本的情况下服务客户。

公司与 Hyundai 机器人集团的合作提供了一个具体检验。若能在机器人中实现量产部署，将在真实的运动、传感器和散热约束下验证其低功耗论点。

AAEON 及其他工业合作伙伴提供了另一条路径。它们的系统能够将 DeepX 模块部署在工厂、零售场所、交通设备和智慧城市基础设施中。

最有力的证据将是具名产品、明确的出货日期和可量化的规模。营收增长应当随这些部署而来，而不是作为预测先于它们出现。

第三个信号是独立技术验证。买家需要以自身模型、精度目标、系统功耗和运行条件进行可比较的测试。

DeepX 报告称其具备 25 TOPS 的 INT8 性能，以及 1 至 5 瓦的芯片功耗范围。这些规格描述的是理论能力和预期功耗表现，并非普遍适用的应用性能。

独立结果应测量端到端吞吐量、延迟、精度、转换成功率和持续功耗，也应比较完整系统，而非孤立的加速器。

这些证据将强化 DeepX 关于边缘专用化能够形成可防御替代方案的论点。若结果较弱或不一致，客户就有理由继续留在成熟平台上。

因此，未来数月的重要性将超过估值头条。DeepX 已获得足够的投资者支持来继续建设，但也已消耗了其叙事空间中的很大一部分。

其已披露的订单和量产合作关系显示，公司正超越实验室原型阶段；而其营收基础则表明，这一进展仍处于非常早期。

开发者应关注 SDK 是否能够在无需人工干预的情况下支持更多生产模型。硬件买家则应要求生命周期承诺、供应保障和针对具体工作负载的测量数据。

企业管理者应追踪重复订单，而非合作伙伴数量。在长期评估期间，一个可搜索的工程知识库也可帮助团队保留基准测试结果、集成决策和供应商主张。

DeepX 的融资之所以重要，是因为它让一家专注边缘计算的芯片设计公司获得了接近韩国数据中心竞争者的估值。但这并未决定哪条路径将创造更大的市场。

该公司如今必须将低功耗推理转化为可重复部署。在将 22 亿美元估值视为商业验证前，应关注最终交割、具名量产客户和独立基准测试。

对于正在评估边缘 AI 的团队而言，眼下的行动很明确：使用计划用于生产的确切模型、功耗限制和环境条件测试 DeepX 硬件。测试结果将比融资头条说明得更多。