OLIX 融资 3.12 亿美元，挑战通用 AI 芯片

OLIX 在以 33 亿美元估值融资 3.12 亿美元后进入 Google News，尽管该公司目前尚无可商用的机架产品。这家成立两年的英国芯片初创公司称，其首套系统将在 2027 年下半年交付客户。因此，投资者资助的是一种架构理念，而非已得到验证的产品业务。

这一理念挑战了主导人工智能基础设施的通用处理器。OLIX 表示，大模型之所以浪费能源和时间，是因为单一处理器承担了推理中的许多不同阶段；推理是训练完成的模型生成答案的过程。其提出的替代方案，是通过光互连将这些阶段分配给专用芯片。

这让 OLIX 站在了大多数现代 AI 数据中心采用的、以 GPU 为核心的设计的对立面。Nvidia 仍是最主要的参照对象，但这场竞争并不止于一家供应商。云服务运营商已经围绕通用加速器，在软件、网络和设施方面进行了大量投入。OLIX 必须证明，不同的机架架构能带来足够的价值，值得客户为此调整整套体系。

这笔融资也带有国家政策层面的意味。英国希望在为 AI 提供动力的硬件领域拥有更多本土影响力，而关键制造环节仍集中在海外。政府支持可以带来资本、测试能力和早期需求，但无法让一款未经验证的芯片自动具备竞争力。

OLIX 的融资为客户尚无法测试的产品提供资金

这笔融资为 OLIX 构建其系统争取了时间，但并不能证明该系统能否如其宣称般运行。

OLIX 于 2026 年 8 月 3 日宣布本轮融资。该公司表示，Fundomo、Arm 和 Hudson River Trading 参与了融资。Netflix 联合创始人 Reed Hastings 也以天使投资者身份参与其中。

现有支持者 Hummingbird Ventures、Crane、Plural、Creandum、Phoenix Court 和 Transition 均增加了投资承诺。OLIX 未在公告中披露领投方，也没有透露各参与方的具体出资额。

此次 B 轮融资距 OLIX 据报道以超过 10 亿美元估值融资 2.2 亿美元约六个月。此前的融资已让这家初创公司跻身英国融资规模最大的半导体新秀之列。新一轮融资使其在首次向客户交付产品前的估值升至 33 亿美元。

OLIX 还任命 Stanford 名誉教授 Nick McKeown 加入董事会。McKeown 是软件定义网络、OpenFlow 和 P4 编程语言的共同发明者。他此前共同创办了被 VMware 收购的 Nicira，以及被 Intel 收购的 Barefoot Networks。

这项任命支持了 OLIX 的机架级理念，因为网络处于其设计的核心。将模型拆分至众多处理器，只有在数据能在这些处理器间流动而不严重损害性能或效率时才可行。McKeown 的加入带来了相关经验，但并不构成对产品的独立验证。

Matt Briers 已加入公司担任首席财务官。Briers 曾担任 Wise 的 CFO 长达九年，并帮助公司登陆伦敦证券交易所。此次任命表明，OLIX 正在搭建大型硬件企业所需的财务组织。

这笔资金将用于支持芯片开发、光子技术、编译器软件、制造承诺和客户交付。OLIX 正在伦敦、布里斯托尔、奥斯汀、多伦多和旧金山招聘。这种地域布局使其能够接触多个工程人才市场，同时保持其英国根基。

最重要的时间点是 2027 年下半年。OLIX 表示，届时其 DX-1 加速器将交付首批客户。在此之前，客户和投资者只能依据模拟结果、原型机、编译器进展和制造里程碑进行评估，而非量产结果。

这一时间安排构成了本文的核心张力。其估值反映了市场通常对重要基础设施供应商抱有的预期，而运营层面的证据仍更像是一项雄心勃勃的开发计划。

为什么 OLIX 认为 AI 数据中心需要一条生产线

OLIX 押注于：相比让通用处理器重复执行同一类任务，推理作为一系列协同阶段运行会更高效。

训练完成的 AI 模型在处理请求并生成输出时执行推理。推理模型使这一阶段的要求更高，因为它们可能在给出答案前生成许多中间 token。token 是模型处理或生成的文本小单位。

OLIX 将数据中心描述为一座以 token 为产品的工厂。该公司认为，生成一个 token 涉及数百项对硬件要求各异的操作，但大多数已部署系统都在同一类通用加速器上执行这些操作。

这个类比很重要，因为实体工厂很少要求一台机器完成所有步骤。制造商会将生产划分为多个阶段，并为每个阶段配备专用设备。OLIX 希望将这种结构应用于模型推理。

其 X-1 平台将把一个模型分布在众多芯片上。每颗芯片专注于 token 生成中明确的一部分，由确定性编译器协调工作。编译器会将工作负载转换为指令，并安排硬件如何执行这些指令。

该公司将这种安排称为 token 生产线。这不同于仅仅在服务器中增加更多相同的加速器。OLIX 正在将芯片、光连接、编译器软件和完整机架作为一个系统进行设计。

DX-1 是该平台公布的首款芯片，目标是解码阶段，即模型选择并生成输出 token 的阶段。解码面临内存访问、低延迟通信和串行处理的复杂组合挑战。

OLIX 表示，DX-1 将模型数据存储在直接位于芯片上的静态随机存取存储器，即 SRAM 中。SRAM 的延迟低于距离处理器更远的存储器，但也会占用宝贵的芯片面积，因此容量和制造经济性构成重要约束。

该公司称，其设计避免使用高带宽内存和先进封装。高带宽内存通常称为 HBM，它将内存组件堆叠在处理器附近，以快速传输数据。HBM 已成为现代 AI 加速器的关键组件，同时有时也受到供应限制。

避免使用 HBM 或可减少对这一重要供应瓶颈的暴露。但这也意味着，OLIX 必须证明，其替代性内存方案能够支持具有商业意义的模型，而不会在其他方面带来不可接受的成本。

通信构成第二项挑战。OLIX 计划通过其所谓的“慢而宽”光互连在芯片之间传输数据。光连接通过光而非通过铜线传导的电信号来传输数据。

该设计旨在以较低能耗和延迟实现较高的总带宽。OLIX 表示，机架级协同设计使这种方法成为可能。这一主张取决于激光器、封装、网络、调度和热管理能否可靠协同工作。

这正是为何融资覆盖的远不止一颗处理器。缺少周边系统的专用芯片无法实现所提出的生产线。OLIX 必须让多项紧密连接的技术同时成熟。

其方案还假设，推理工作负载将足以证明专用化的合理性。模型架构变化迅速，因此优化得过于狭窄的处理器可能在实现规模化之前就已过时。OLIX 表示，每颗芯片都保留了灵活的计算资源，而非永久固化为某一种模型架构。

这一选择凸显了一个常见的权衡：更高的专用化程度可以提升效率，而更大的灵活性可以适应不断变化的软件。OLIX 需要兼具两者，才能在不失去自身优势的前提下击败通用硬件。

Google News 的关注并不能验证 OLIX 的性能主张

OLIX 公告中的数字是该公司设定的目标，而非经独立量产测试得出的结果。

OLIX 表示，对于拥有 1000 亿参数的模型，DX-1 可为每位用户提供每秒超过 10,000 个 token 的处理能力。该公司还声称，在大批量运行条件下，其每瓦输出吞吐量高于通用芯片。

这将代表极高水平的交互式性能。然而，OLIX 尚未发布足够的独立基准测试材料，供外部观察者复现这一结果。其公告也未说明比较所使用的是哪一套已出货系统。

该公司还称，其架构可扩展至包含 10 万亿或更多参数的模型。这是一项关于系统可寻址规模的架构主张，并不证明 OLIX 已为付费客户运行过这一规模的量产模型。

在推理领域，基准测试的背景条件至关重要。结果会随模型架构、数值精度、批处理大小、输入长度、输出长度、延迟目标、功耗测量方式和可接受的响应质量而变化。脱离这些条件，每秒 token 数的价值有限。

单用户速度和机架总吞吐量也可能推动系统朝不同方向优化。交互式应用更重视单用户低延迟，而云端经济性通常偏好将大量请求批处理，以维持昂贵处理器的高利用率。

OLIX 通过提及在大批量条件下运行的通用芯片，承认了这一张力。这家初创公司正将 DX-1 定位为同时服务交互性和吞吐量。独立测试需要证明，该系统能否在相同运行条件下实现两者。

软件兼容性带来了另一项验证要求。数据中心采购方不会孤立地购买处理器。他们依赖模型框架、可观测性工具、部署系统、安全控制措施以及成熟的工程实践。

Nvidia 的优势包括其用于加速计算的编程平台 CUDA，以及庞大的开发者和软件生态系统。替代硬件可能取得出色的组件基准成绩，却仍可能举步维艰，如果客户必须重写软件或管理陌生的系统。

OLIX 的确定性编译器旨在通过调度其机架间的工作来减轻这一负担。该公司尚未公开说明支持的模型格式、框架集成或迁移流程。这些因素将与原始芯片性能一样影响部署。

可靠性同样重要。与单芯片比较所暗示的情况相比，分布在众多专用处理器和光连接上的模型拥有更多协调节点。除非架构能够妥善处理故障，否则一次故障就可能降低整个推理服务的可用性。

制造仍是另一个悬而未决的问题。OLIX 表示，避免使用先进封装和 HBM 将帮助其在行业短缺背景下实现规模化。但该公司尚未公开披露其晶圆代工合作伙伴、制程节点、预期良率或产量。

对于一家需要保护技术和商业信息的私营芯片公司而言，这些信息缺失属正常情况。但它们仍限制了读者应从这笔融资中作出的推断。投资者可以接受公众无法审查的非公开证据。

因此，更负责任的解读应当保持有限：OLIX 围绕一项技术上连贯的方案，吸引了大量资本和经验丰富的参与者。但它尚未证明，其完整系统能在独立客户环境中实现这些主张。

Google News 的曝光可以放大融资轮次、估值和业绩数据，但无法弥合证据缺口。决定性信息将来自实际运行的机架、透明的工作负载，以及可重复的测量结果。

英国希望拥有本土 AI 硬件，但不打算建立孤立的供应链

政府支持可以让英国成为更好的首发市场，但主权 AI 仍依赖国际制造体系和全球客户。

英国政府已将算力基础设施列为战略重点。其 AI Hardware Plan 概述了一项涵盖研究、人才、采购、投资和国际合作的计划。

该计划将 OLIX 与 Fractile、Lumai、Oriole Networks 和 Salience Labs 一同列为英国 AI 硬件产业链的一部分。其中一些企业专注于处理器，另一些则涉及光子技术、网络或完整系统。

该战略包含超过 11 亿英镑的定向公共和私人支持，还提出建设一台价值 7.5 亿英镑的异构超级计算机，可组合不同类型的处理器。异构计算会将工作负载分配给适合特定任务的处理器。

在该计划中，预计将有 4 亿英镑用于支持专用芯片采购。初步的先进市场承诺旨在创造早期需求，随后将进行更大规模的硬件采购。这类采购可以为初创企业提供从实验室演示走向实际部署的路径。

根据该计划，政府设立的 5 亿英镑 Sovereign AI Fund 将优先关注算力。该基金可以投资企业，并将其与测试或部署机会连接起来。英国推出这一计划，是为了帮助本土 AI 企业扩大规模，而不完全依赖海外资本。

然而，本文审阅的公开文件并未明确显示 Sovereign AI Fund 是 OLIX 8 月 B 轮融资中被点名的参与方。OLIX 自身的公告列出了 Fundomo 及其他投资者，但没有提及该政府基金。

这一差异值得谨慎对待。OLIX 显然与英国主权 AI 硬件政策高度契合，也在政府规划中占据突出位置。但与某项政策保持一致，并不等同于确认参与某一轮具体融资。

英国更广泛的战略同样反对完全的技术孤立。硬件计划反复强调设计、制造和系统集成领域的国际合作。这反映了半导体生产的现实。

一家英国芯片设计企业可以将工程研发、知识产权和高附加值就业留在国内，但仍需要海外晶圆厂、设备供应商、材料、封装服务以及全球云客户。

Arm 同时展现了机遇与复杂性。该公司起步于英国，至今仍是全球芯片设计的重要力量，但其技术成功依赖于国际网络。在这一语境下，主权意味着影响力和获取能力，而不是对每一个生产环节的国内控制。

Graphcore 提供了一个更具警示意义的历史参照。这家英国 AI 芯片公司在 SoftBank 于 2024 年收购它之前，曾筹集大量资本并开发出其 Intelligence Processing Unit。它的经历表明，要将创新型芯片转化为持久的替代平台有多么困难。

OLIX 正以不同方式应对这一问题。它专注于推理，而非试图以一种加速器覆盖所有 AI 工作负载。它还采用机架级设计，并将光通信视为系统的核心部分。

政府可以通过成为早期买家或资助独立验证来提供帮助。这类支持能降低年轻企业的市场风险，却无法消除技术风险、制造风险或实现有竞争力经济性的需求。

公共采购也带来其自身的问题。买方必须区分支持本土能力与接受低性能产品。如果公共系统成为 OLIX 的早期部署场景，透明评估将至关重要。

最强的政策成果不应是一个受保护的国家供应商，而应是一家在经可信测试后赢得全球客户的英国企业。这将创造本土能力，而不会让持续支持成为其主要竞争优势。

Nvidia 是参照点，但真正的对手是以 GPU 为中心的基础设施

OLIX 必须击败的是一套既有系统，而不只是推出一颗规格诱人的处理器。

Nvidia 主导着讨论，因为其加速器、网络产品和软件支持覆盖了 AI 市场的大部分领域。然而，OLIX 的主要对手不止是 Nvidia，而是数据中心早已围绕其建设起来的通用架构。

超大规模云服务商多年来一直在为大型加速器集群优化设施。他们围绕这些系统开发了调度工具、冷却系统、网络拓扑、模型库和运营流程。

这一既有基础为现有硬件带来了显著的经济保护。新机架提供的不能只是小幅效率提升；它还必须补偿买方的集成工作、运营不确定性，以及依赖年轻供应商的风险。

OLIX 的专用化方案或许能在推理领域打开明确缺口。训练大型模型需要适应不断变化的操作和海量并行工作负载的灵活性；生产环境中的推理则越来越看重可预测的成本、低延迟和高效的 token 生成。

推理模型强化了这一机会，因为它们在给出最终答案前会生成更多 token。随着 token 需求增长，微小的效率差异可以在大型集群中被放大。因此，数据中心运营商有强烈动力考察新架构。

其他初创企业也通过不同路径得出了类似结论。Fractile 正在开发面向推理的芯片和系统。Cerebras 使用晶圆级处理器，而 Groq 则通过确定性架构强调低延迟推理。

云服务商也在设计自己的加速器。Google 拥有 Tensor Processing Units，Amazon Web Services 提供 Trainium 和 Inferentia，Microsoft 则推出了 Maia。这些企业可以针对内部工作负载调优芯片，并通过自身云平台部署。

OLIX 不能依赖“Nvidia 没有挑战者”的想法。它进入的是一个已经在尝试专用处理器、定制云芯片、光网络和机架级设计的市场。它的优势必须来自这些组件如何协同工作。

Arm 的参与又增加了一层含义。Arm 向整个半导体行业授权处理器设计和相关技术。其投资能够带来战略可信度，但并不保证 OLIX 会成为重要客户或合作伙伴。

Hudson River Trading 带来了运营对延迟敏感计算系统的经验。这一背景与性能工程相关，但该项投资并不能独立验证 OLIX 的 AI 基准测试结果。

竞争考验将发生在工作负载层面。买方会将 OLIX 机架的总成本和服务质量，与现有集群进行比较。这一计算包括硬件、电力、冷却、软件工作、运行时间和利用率。

模型可用性将影响结果。如果 OLIX 仅支持狭窄的一组架构，客户可能会将其用于稳定、高吞吐量的工作负载。如果其编译器能够快速适配，平台便可覆盖更广泛的市场。

客户也会考虑供应保障。Nvidia 的产品可能供应紧张，但该公司拥有大规模制造关系和成熟的支持渠道。OLIX 必须以远少于前者的已部署系统建立相当的信心。

这家初创企业的完整机架方案让其能够更好地掌控性能，同时也使公司需要对更多产品环节负责。芯片、激光器、网络、编译和系统运营，都会成为对客户承诺的一部分。

这正是 33 亿美元估值背后的反转。OLIX 认为，将一项通用任务拆分为专用阶段能够创造效率；但这样做也增加了在客户真正看到这项效率前必须可靠协同工作的组件数量。

三个信号将决定 OLIX 是否配得上 Google News 的热度

下一阶段取决于独立验证、制造执行，以及客户是否会采用新机架架构的证据。

第一个信号是详细且可复现的基准测试。OLIX 应明确说明模型、精度、批量大小、输入和输出长度、延迟目标、机架功耗以及对比硬件。来自独立实验室或具名客户的结果，会比又一项公司自测估算更具分量。

可信测试将强化 OLIX 关于专用化同时提升交互速度和单位功耗输出的主张。若基准测试范围狭窄，且缺少系统级功耗或软件背景，核心问题仍将悬而未决。

英国计划中的 Scaling Inference Lab 提供了一条可能路径。这项硬件计划将政府支持与真实环境验证相结合。公开的评估结果可帮助客户区分架构潜力与营销宣传。

第二个信号是朝着 2027 年下半年首次交付推进的制造进展。在此之前，OLIX 应达成芯片完成、可运行样品、机架集成和客户认证等里程碑。

半导体开发中的延迟很常见，因为一个缺陷就可能需要再进行一次流片周期。光学组件和完整系统集成还会增加更多依赖。若只有进度更新而没有可运行硬件，将削弱外界对交付目标的信心。

量产经济性将与技术完成度同样重要。该设计避免使用 HBM 和先进封装，意在降低供应限制。投资者和客户仍需要证据证明，SRAM 容量、芯片面积、良率和光学组件能够形成有竞争力的机架成本。

第三个信号是与前沿模型开发商、云服务商或大型企业的具名部署。客户必须愿意将一项重要的推理工作负载迁移到该系统上。仅有研究试用不足以证明商业需求。

最有力的采用证据将结合客户名称、明确的工作负载、部署规模和测得的运营结果。这将表明 OLIX 能够跨越专用架构与生产服务之间的鸿沟。

政府采购合同将带来有价值的需求，尤其是在其经过透明技术评估的情况下。私有云客户则会发出不同信号，因为这意味着该系统能在商业采购标准下竞争。

读者也应关注现有厂商如何回应。Nvidia、超大规模云服务商和其他加速器公司仍在持续改进推理软件、内存系统、网络和处理器设计。OLIX 在建设的同时，其目标也在不断变化。

这很重要，因为一家初创企业可能实现最初的工程目标，却仍然错失市场。如果通用系统的改进速度快于预期，买方可能会选择软件连续性，而非架构专用化。

这轮融资为 OLIX 提供了以罕见规模进入这场竞争的资源。它可以作出制造承诺、招募多个工程学科的人才，并在营收到来之前构建完整系统。

这笔资金并不意味着结果已成定局。半导体初创企业会在客户能够评估成品之前很久就消耗大量资本。高估值可能会加大压力，迫使企业在产品证据尚未充分时就追逐大市场。

对开发者和企业买家而言，眼下的启示并不是围绕 OLIX 重新设计部署方案，而是关注随着推理工作负载扩张，推理基础设施是否会变得更加专业化。

评估 AI 系统的团队应保留有关模型、延迟要求、输出量和运营成本的信息。一个可搜索的工程知识库可帮助团队在新的硬件选项出现时留存这些决策。

OLIX 已明确提出其竞争主张：Token 生成需要的是一条生产线，而不是一台更大的通用机器。其融资表明，投资者认真看待这一主张。政府政策则表明，英国希望该公司及其同行取得成功。

下一阶段的证据必须来自硬件。在将这一估值视为验证之前，应关注可复现的基准测试、制造里程碑，以及具名的量产客户。

Google News 已为 OLIX 的 3.12 亿美元融资带来了关注。到 2027 年下半年，该公司必须交付更难实现的成果：一套能够改变客户成本核算的可用机架。