Delos Data 融资突破 1 亿美元，挑战 Nvidia 的 AI 网络模式

随着这家由 Intel 前员工创办的初创公司推进面向混合芯片 AI 推理的网络，Delos Data 融资已突破 1 亿美元。这笔资金使 Delos 能够围绕一个颇具挑战性的前提开发芯片、服务器和软件：未来的 AI 集群将包含不止一种加速器架构，而网络必须让这些组件像一个协调统一的系统那样协同运行。

这一前提挑战了令 Nvidia 成为许多早期 AI 部署默认供应商的垂直整合模式。Nvidia 将 GPU、NVLink 连接、交换机、网络设备、软件和机架级设计整合在一起。相比之下，Delos 希望基础设施运营商能够连接不同的加速器、内存系统、存储设备、线缆、交换机及物理拓扑。

眼前的较量并不只是 Delos Data 与 Nvidia 的竞争，而是灵活性与成熟平台之间的竞争；后者的整合能力降低了部署风险。Delos 必须证明，异构 AI 网络能够提供相当的性能，同时不会变得更难部署、调优或维护。

Delos Data 融资支持完整网络栈

这笔融资让 Delos Data 从一项架构提案，转变为打造替代性 AI 互连栈的认真尝试。

Delos 于 2026 年 9 月 15 日宣布本轮融资。这家总部位于 Palo Alto 的公司表示，已从 Matrix、Playground、Socratic Partners 以及 Capricorn 的 Technology Impact Fund 募集逾 1 亿美元。

Matter Venture Partners、IAG、DYNAMIQ 和多位科技业高管个人也参与了投资。公司未披露估值，也未按传统融资阶段说明本轮融资。

根据公司发布的融资公告，这笔资金将用于产品开发，以及扩充其硬件和软件工程团队。Delos 正利用这笔融资推出一系列以 Nonstop AI 为名的产品。

首席执行官 Ed Doe 和首席技术官 Dan Daly 在 Intel 任职多年后共同创办了 Delos。他们的背景之所以重要，是因为网络芯片需要的不只是吸引人的架构图。供应商还需要芯片设计专长、系统软件、验证能力，以及覆盖漫长硬件供应链的合作关系。

Delos 将其产品组合划分为三个层级。Nonstop AI Cluster 覆盖集群架构、可观测性和故障管理。Nonstop AI Server 则为更大型系统内部的处理器和其他组件提供纵向扩展连接。

Nonstop AI Data Interface 是其芯片层。Delos 表示，它将通过一个低延迟域连接 GPU、定制加速器、CPU、内存和存储。

其 MoXI 参考架构定义了这些部件应如何协同工作。参考架构是一套经过测试的系统蓝图，涵盖组件之间的关系以及运行该设计所需的软件。

这一广度使 Delos Data AI 网络的目标不止于独立的网络接口卡。公司希望影响运营商如何设计集群、连接设备、检测故障和管理数据流动。

Delos 声称，其数据接口可实现十倍更低延迟和十倍更高效率。其产品资料还提到，采用共封装 chiplet 实现时，带宽可超过每秒 30 太比特。

这些数据仍属公司声明。Delos 尚未公布足够的独立基准测试，供买家在不同工作负载、故障条件或功耗范围内比较完整系统。

该公司于 2026 年 5 月的 Computex 上演示了运行 AI 工作负载的集群软件。该演示证明 Delos 已拥有可运行的技术，但并未证明其具备大规模就绪能力或量产经济性。

因此，这笔融资改变的是投入规模，而非举证责任。Delos 现在拥有可观的资本基础，用于工程开发、客户试点和芯片研发。它仍需将这一基础转化为可部署的产品。

这一要求构成了本文的核心张力。灵活的互连方案只有在能够跨越其承诺支持的多样化环境，提供可预测性能时才有价值。

AI 推理正让网络变得更重要

AI 基础设施正从统一的训练集群，转向必须服务于多样、不可预测且日益具备智能体特征工作负载的推理系统。

训练大型模型强调在相对稳定的一组加速器之间持续进行计算。工作负载可以运行数天或数周，运营商可以围绕这项预定任务优化集群。

推理则不同。模型投入服务后，它处理来自用户、应用程序和 AI 智能体的请求。流量可能快速变化，而延迟会直接影响用户体验。

智能体 AI 又增加了一层复杂性。智能体可能调用多个模型、检索数据、使用工具，并在返回答案前重复这些步骤。每一次转换都会增加计算、内存、存储和网络资源之间的数据移动。

等待数据的处理器会持续耗电，却无法完成有用工作。Intel 前首席执行官、Playground 合伙人 Pat Gelsinger 在 Reuters 的报道中直言不讳地描述了这一问题：若缺乏有效通信，昂贵的处理器可能在闲置时持续消耗能源。

正是这种闲置时间，让网络成为 AI 系统设计中的战略组成部分。当数据到达过慢，或拥塞中断协同工作时，更快的加速器也无法产出预期性能。

这些系统的构成也在变化。Nvidia GPU 仍是 AI 基础设施的核心，但运营商如今拥有更多选择。AMD 销售 Instinct 加速器，云计算公司则为特定工作负载部署自行设计的处理器。

Cerebras 采用另一种路线，推出晶圆级处理器。其他公司则提供推理加速器、光连接、网络处理器和内存扩展产品。

即便是 Nvidia，如今也支持包含非 Nvidia 处理器的系统。其 NVLink Fusion 产品允许定制 CPU 和加速器接入 Nvidia 的机架级基础设施。

这种多样性为 Delos 创造了机会。该公司并不需要每家运营商都放弃 Nvidia GPU；它只需要足够多的买家重视一种能力：无需每次都重建周边网络，便可组合不同组件。

Delos 表示，推理需要专为推理设计的互连方案，而不是从高性能计算或训练领域沿袭而来的方案。这是一个明确的定位声明，但这种差异仍需要实际证据支撑。

训练和推理都需要高带宽、低延迟以及可靠的集合通信。两者的流量模式不同，但成熟供应商也能够更新现有网络架构以应对这些差异。

因此，Delos 必须证明的不只是技术相关性。它还必须表明，其以工作负载为先的方法，相比改造成熟基础设施能够带来可衡量的运营优势。

压力主要落在建设大型推理服务的数据中心运营商身上。固定平台能够简化采购和部署，但也会将架构选择集中于一家供应商。

灵活网络承诺提供更强的议价能力，并改善获得专用处理器的机会。但它也要求运营商整合更多组合，并接受一个较年轻的支持生态系统。

这是长期基础设施决策。互连选择会影响服务器设计、软件工具、维护实践以及未来的加速器采购。部署之后再作调整，成本可能十分高昂。

Delos 押注于运营商愿意接受短期的整合工作，以保留长期的组件选择权。Nvidia 则押注于协调一致的平台将继续比不受限制的灵活性更有价值。

Delos Data AI 网络让灵活性与整合能力正面交锋

Delos 销售的是架构自由，而 Nvidia 销售的是拥有成熟部署路径的协调平台。

Nvidia 的地位首先源于其对加速器的控制。随后，其网络技术通过与处理器及软件共同优化的栈连接这些加速器。

这种整合能够减少不确定性。买家知道哪些组件被设计为协同工作、哪些工具负责监控它们，以及由哪家供应商承担性能问题。

Nvidia 也扩大了其路线。NVLink Fusion 让超大规模云服务商和芯片开发商能够将定制 CPU 或加速器连接到 Nvidia 的纵向扩展网络架构和机架设计。

这一举措削弱了“Nvidia 只支持封闭、全 Nvidia 系统”的简单论点。客户可以加入定制处理器，同时保留 Nvidia 的网络、管理软件和更广泛的基础设施。

Delos 提出了不同的重心。其架构将数据路径视为稳定层，而计算组件则围绕它不断变化。

Daly 告诉 Reuters，没有人知道智能体 AI 基础设施的最终架构。他认为，Delos 仍可提供一种在选定组件之间更快移动数据的方式。

这种不确定性支撑了 Delos 的论点。云运营商可能为一种模型部署 GPU，为另一种模型部署定制加速器，并使用 CPU 进行数据准备或编排。

不同推理任务的内存和存储需求也可能不同。长上下文模型需要大量内存容量，而检索系统则会反复访问索引和已存储内容。

将这些资源作为一个域连接起来的网络，可能提升利用率。运营商可以让硬件更贴合每个阶段，而非强迫所有阶段都使用同一种处理器。

Delos 将这种面向混合配置的设计称为 MoXI。该名称体现了硬件、模型、物理连接、交换机和网络拓扑的混合。

其实际吸引力在于选择权。运营商可以采用新的加速器，而无需替换周边架构，也不必让整个集群承诺使用该供应商偏好的网络架构。

不过，整合带来的好处并不会体现在带宽规格中。Nvidia 可以协调固件、驱动程序、集合通信库、交换机、处理器和管理软件。

这种协调有助于工程师诊断性能放缓。当一家供应商控制更多技术栈环节时，能够相互推诿性能故障的组织就会更少。

Delos 必须在其无法控制的组件之间重建这种运营清晰度。因此，其可观测性软件和故障检测能力与接口芯片同样重要。

该公司表示，其集群架构支持无感故障检测。在这一语境中，无感意味着在不中断工作负载的情况下检测和处理故障。

这一能力很重要，因为大型集群包含许多潜在故障点。网络链路、端点、线缆或软件服务都可能中断同步处理。

然而，容错还需要服务器、驱动程序、应用程序和编排系统的协同。Delos 无法仅凭一份芯片规格就实现系统韧性。

该公司的全栈战略正视了这一问题，但也增加了 Delos 必须完成、验证和支持的技术量。

这正是本轮融资的意义超越其金额本身的原因。Delos 并非在为某一个小型组件融资，而是在尝试同时构建芯片、系统、软件以及客户支持组织。

Nvidia 已花费多年时间构建其平台和开发者生态。Delos 必须提供足够的灵活性，才能让客户有理由选择一家尚不成熟的供应商，同时又无需由客户自行拼装解决方案。

开放标准为绕开 Nvidia 开辟了另一条路径

Delos 并非唯一一家推进异构 AI 基础设施的企业，而开放的行业标准既可能成为盟友，也可能形成竞争路径。

UALink Consortium 的成立旨在为 AI 加速器创建开放的纵向扩展互连。纵向扩展网络连接的是紧密协同计算域内的处理器，在这里，延迟和内存访问至关重要。

该联盟于 2025 年 4 月发布首份公开规范。其初始设计支持在一个 AI pod 内连接多达 1,024 个加速器。

2026 年 4 月，该组织宣布新增覆盖 chiplet、可管理性和网络内计算的内容。网络内计算允许网络组件在数据通过网络结构传输时执行特定操作。

UALink specification 为加速器供应商提供了 Nvidia 专有 NVLink 环境之外的共同基础。这一目标与 Delos 关于组件选择的主张相契合。

AMD 也通过其 Pensando 产品推动基于 Ethernet 的 AI 网络。其 Pollara 400 网络接口卡支持 400-gigabit Ethernet，面向加速器之间的通信。

AMD 更新的 Vulcano 800 产品将这一方式扩展至 800-gigabit 连接。该公司表示，这一设备可为每块 GPU 提供最高 2.4 terabits per second 的横向扩展带宽。

横向扩展网络连接更大规模的服务器或机架群。它在传输距离、管理和拥塞方面的要求，与紧密耦合域内部的纵向扩展通信有所不同。

Delos 希望从运营方的视角缩小这一区别。其材料描述了一个统一的数据移动域，跨越不同物理技术中的计算、内存和存储。

这一目标可与 Ethernet 或 UALink 等标准互补。Delos 表示，其架构可兼容多种协议、交换机、线缆和拓扑结构。

标准能够降低对单一供应商的依赖，但并不会自动造就优化完善的产品。企业仍需具备芯片、固件、软件、测试和完整系统能力。

Delos 可以将自己定位为实施层，使多项标准能够协同使用。它还可以为现有标准尚未覆盖完整系统的领域提供技术。

不过，开放标准也可能削弱 Delos 的差异化优势。如果大型供应商推出具有广泛支持的互操作产品，买家可能会偏向这些产品，而非一家创业公司更具雄心的架构。

AMD 已将加速器、网卡、CPU 和机架级设计整合在一起。Broadcom、Marvell、Astera Labs 以及其他成熟的半导体公司也在销售互连技术。

Nvidia 也正通过 NVLink Fusion 向合作伙伴开放其环境中的部分能力。其合作伙伴名单包括处理器设计商、半导体供应商、光学专业厂商和电子设计公司。

因此，Delos 面临来自两个方向的压力。占主导地位的一体化平台可能使其灵活性显得不再必要；成功的开放标准则可能让大型供应商也能提供类似的灵活性。

该公司的机会存在于这两种结果之间。基础设施仍然足够碎片化，因而会产生集成问题；同时，尚无开放替代方案消除了对系统级协调的需求。

Delos 必须将这一暂时的窗口转化为客户部署。该公司的设计需要足够早地落地，在竞争生态趋于稳定之前影响采购决策。

其关于协议独立性的主张同样需要仔细审视。支持一种协议，可能意味着基础兼容，也可能意味着在生产工作负载下提供可预测的性能。

买家需要看到跨不同加速器、交换机、内存系统和故障场景的结果。单一优化演示无法验证面向混合配置的架构。

这一竞争背景使 Delos Data 的融资成为一个有意义的信号，但并非最终结论。投资者所资助的是一种可能性：AI 基础设施将持续保持异构，且难以协调。

性能主张仍需独立证明

Delos 面临的最大风险并非数据移动是否重要，而是其优势能否经受真实工作负载、组件多样性和商业部署的考验。

该公司宣称可实现十倍更低的延迟、十倍更高的效率和十倍更快的推理。它还描述了支持规模高出一千倍集群的服务器连接能力。

这些都是重大的主张。其价值取决于基准线、工作负载、系统配置、软件成熟度和测量方法。

与通用网络相比的延迟，所说明的问题不如与经过充分调优的 AI 网络进行比较那么多。效率也可能指功耗、硬件利用率、带宽使用率或系统成本。

Delos 尚未发布一套广泛的独立基准测试，以证明这些优势。因此，其主张应被视为产品目标和公司自行报告的测量结果。

有力的评估应在多种架构上比较相同的推理工作负载，并报告端到端延迟、每秒 token 数、加速器利用率、能耗以及故障恢复情况。

评估还应将网络改进与系统其他部分的变化区分开来。更多内存、不同的批处理方式或调整后的模型软件，都可能影响推理性能。

异构测试尤为重要。Delos 的核心价值主张依赖于来自不同供应商的处理器与基础设施组合。

仅限于单一加速器系列的基准测试无法证明这一价值。客户需要看到跨 GPU、定制加速器、CPU、内存设备和存储路径的证据。

软件构成另一项风险。硬件可以提供带宽和延迟能力，但应用程序需要能够高效利用这些能力的库和调度器。

AI 框架已经面向成熟的通信系统进行优化。支持一种新架构可能需要改动驱动程序、集合通信库、编排工具和性能监控软件。

Delos 表示，其产品包括全栈可观测性。这一软件必须能够识别不同供应商组件之间的延迟发生位置。

仅有仪表板还不够。工程师需要可执行的信息，将网络症状关联到线缆、交换机、端点、软件进程或工作负载模式。

制造构成另一项独立挑战。先进网络芯片需要晶圆制造产能、封装、验证和可靠的组件供应。

Delos 所描述的共封装接口将紧邻未来的加速器。此类集成要求在这些处理器进入量产前便与芯片设计商开展合作。

这会形成漫长的销售和开发周期。客户必须足够早地信任 Delos，才会将其技术纳入新的处理器或服务器设计。

这家创业公司还必须在部署后支持运营方。数据中心买家期待固件维护、安全更新、更换流程和可预测的产品路线图。

超过 1 亿美元可提供可观资源，但半导体开发会迅速消耗资金。多款芯片产品和系统项目可能需要在获得可观营收前进行进一步融资。

融资公告并未披露具名的量产客户，也未披露采购承诺、出货量、制造合作伙伴或普遍可用的产品日期。

这并不意味着 Delos 缺乏客户接洽。基础设施公司在设计仍处于开发阶段时，往往会在保密协议下开展工作。

但这意味着读者应区分投资者信心与客户验证。融资轮表明投资者接受了机会与风险，并不意味着市场已选择该产品。

该公司关于到 2030 年 AI 推理需求将增长 300 倍的预测，同样值得谨慎看待。Delos 将这一预测作为其论据的一部分，但该公告并未提供透明的独立方法论。

随着 AI 服务获得更多用户并处理更多任务，推理需求显然正在增长。但将这种活动转化为网络采购，取决于模型效率、硬件改进、利用率和服务经济性。

高效模型可以在硬件增长不成比例的情况下处理更多请求。反之，智能体系统可能会为每个用户可见请求生成更多内部计算。

该投资逻辑建立在第二种效应占主导地位的基础上。Delos 预计，推理复杂度的增长速度将快于效率改进降低基础设施需求的速度。

这很合理，但并非必然如此。该公司必须为一个不断变化的市场进行建设，同时其芯片还要经历漫长的开发周期。

三个信号将显示 Delos 能否实现突破

下一阶段将通过客户证据、独立性能结果以及与新兴互连生态系统的整合来衡量。

第一个信号是具名的量产客户。超大规模云服务商、AI 实验室、服务器制造商或大型企业部署所带来的验证，将超越融资轮本身。

最有力的公告会说明已部署的工作负载和组件组合，也应明确客户使用的是 Delos 芯片、服务器、集群软件，还是完整技术栈。

有限的软件试用所提供的证据，不如生产集群。即使大规模出货仍需数个季度，获得芯片设计导入也将具有重要意义。

客户身份还将揭示 Delos 的初始市场。超大规模云服务商能够定制基础设施并承受集成工作；企业买家通常需要更完整且获得支持的系统。

在其中一类客户中取得成功，并不会自动转化为另一类客户的成功。Delos 广泛的产品组合表明，它希望服务多个层级，但早期聚焦至关重要。

第二个信号是独立基准测试。Delos 需要可复现的结果，覆盖延迟、吞吐量、利用率、能耗和故障恢复。

最有价值的测试将比较完整系统，而非孤立链路。它们应包括智能体推理模式，其中模型、内存、工具和存储数据之间存在不规则通信。

基准测试还应展示在拥塞和组件故障下的性能。Delos 将韧性置于其品牌核心，因此平稳恢复必须变得可衡量。

若结果证实在混合硬件上取得显著收益，将强化该公司的架构论点。仅在单一优化配置上取得有限收益，则会削弱这一更广泛的主张。

第三个信号是生态系统采用。Delos 必须展示其技术如何与 UALink、Ethernet、加速器路线图、光学组件和服务器设计交互。

UALink Consortium 提供了一个有用的参考点。其进展将表明开放的纵向扩展生态系统能够以多快速度实现商业可用。

如果 Delos 的产品能够在落实新兴标准的同时，提升其可管理性、韧性或覆盖范围，公司就有机会成为赋能型供应商。随着更多厂商加入这一生态系统，Delos 也将从中受益。

如果相关标准在没有 Delos 参与的情况下走向成熟，更大的半导体公司可能会吸收同样的机会。届时，Delos 需要拿出更清晰的性能或软件优势。

Nvidia 的回应也是这一信号的重要组成部分。扩大 NVLink Fusion 合作伙伴关系，可能让客户在不离开 Nvidia 基础设施平台的前提下，拥有更多处理器选择。

这将在应对灵活性顾虑的同时，保留一体化模式。Delos 则需要在独立性、工作负载性能或整体系统效率上展开竞争。

因此，Delos Data AI 网络是一场针对架构不确定性的押注。该公司认为，未来的推理集群仍将保持混合、动态的形态，并且难以实现互连。

其创始人已筹集到足够资金，可通过真实硬件检验这一论点。他们选择的市场中，既有经验丰富的半导体供应商，也有实力强大的平台所有者。

对开发者而言，最终结果将影响哪些处理器能够协同工作，以及应用在不同基础设施上的性能能否保持一致。更好的互连技术能够降低延迟，而不必让每一次改进都依赖于更大的加速器。

企业买家应关注利用率，而不应只看标称带宽。当灵活网络能够提升已部署处理器的有效产出，并保留未来的采购选择时，它才真正具备价值。

基础设施团队还应审视运营复杂性。当故障变得更难诊断，或软件需要持续调优时，组件选择的价值就会受到限制。

Delos 现在需要发布证据，证明其架构能够带来这些实际成果。具名客户、对比基准测试以及标准整合，将比又一次产品宣称提供更有力的判断依据。

这轮超过 1 亿美元的融资确保 Delos 能够进入赛场，但并未解决灵活 AI 基础设施与 Nvidia 协同平台之间的竞争。

答案将从已部署的系统中浮现。值得关注的是，Delos 能否让混合芯片推理像一台可靠的计算机一样运行，而非一组彼此等待的高速组件。