Positron AI的$875M豪赌：用「消费级内存」打破英伟达AI推理垄断，7个月估值翻4倍意味着什么？

2026年9月10日，AI推理芯片初创公司Positron AI宣布完成8.75亿美元融资——Series C与Series C-1合并轮，投后估值50亿美元。

7个月前，这家公司的估值还不到12亿美元。

这不只是一个融资数字。这是整个AI基础设施产业格局正在悄然重写的信号弹。当卡塔尔主权财富基金、Netscape创始人Jim Clark和老牌VC NEA同时出现在同一张投资者名单上，有必要认真思考：这些人究竟在赌什么？

一张名单，揭示了什么

这轮融资的投资方阵容，本身就值得逐字拆解：

NEA——硅谷老牌顶级VC，投资历史包括Salesforce、WebMD、Groupon。它的出现，意味着这个赛道已经从「深科技圈自嗨」进入了「主流风险投资看得懂的机会」。

Andra Capital——专注深科技和半导体的中后期基金，历史投资包括多家台积电供应链企业。它在芯片领域的尽职调查能力是圈内公认的。这个机构的参与，代表了「技术路线经过了硬核验证」这个信号。

Atreides Management——对冲基金跨界领投，代表着「做多AI基础设施」已不再只是VC的专利。传统对冲基金进入私募一级市场，通常意味着他们认为短期内这个公司就可能有流动性事件（IPO或被收购），时间窗口已经可见。

卡塔尔投资局（QIA）——主权财富基金入场，体量与视野都不同寻常。卡塔尔一直在AI基础设施层面密集布局，此前已通过主权基金参股多个AI芯片和数据中心项目。主权财富基金的特点是：它们不追求快速退出，而是在战略层面布局未来10-20年的技术基础设施。QIA此次入场，某种程度上是在为卡塔尔的「数字化国家基础设施」做提前布局。

Jim Clark——Netscape创始人，押注了1994年「互联网将成为基础设施」，在当时是少数派判断，后来成了共识。现在，他出现在「AI推理将成为下一个基础设施」的赌桌上。这种押注不只是情怀，而是他见证过基础设施「从精英走向普惠」全过程的特定判断模式在发挥作用。

Positron AI在赌什么：技术路线详解

公司位于内华达州雷诺（Reno）——不是硅谷，不是德克萨斯。这个地理位置选择本身就是一种战略：更低的运营成本、更靠近西部数据中心集群（内华达州是美国西部数据中心密度最高的州之一）、远离Bay Area的人才竞争和成本漩涡。

Positron AI的核心技术押注，可以用一句话概括：

AI推理的瓶颈不是算力，而是内存带宽。而「高带宽内存」（HBM）的垄断，正是英伟达现在定价权的真正来源。

理解这个判断需要一些背景：

当前AI推理流程（即用训练好的模型回答用户问题）的主要性能瓶颈，不在于浮点运算能力（FLOPS），而在于将模型权重从内存搬到计算核心的数据传输速度——也就是「内存带宽」。当一个LLaMA-3 70B或Claude Opus 4.6这样的大模型在运行推理时，芯片90%以上的时间都在等待内存把数据传过来，而不是在做真正的矩阵运算。

英伟达的H100/B200之所以昂贵，有相当大一部分原因是使用了SK Hynix或三星的HBM（高带宽内存）。这种内存带宽极高（H100的HBM3带宽为3.35 TB/s），但价格也极高，且供应链高度集中——全球只有SK Hynix、三星、Micron三家能生产HBM，其中高端HBM产能极为稀缺。

Positron AI的下一代芯片「Asimov」（以科幻作家、机器人三定律提出者艾萨克·阿西莫夫命名），采用的是一个反直觉的技术路线：使用普通DRAM（也就是消费级PC和服务器里使用的内存，而非HBM），通过芯片架构层面的创新来弥补带宽差距。

具体来说，这个创新涉及两个方向：

  • 内存并行度的极致优化：通过在芯片内部设计更多的内存控制通道，同时读取大量DRAM颗粒，在带宽总量上接近HBM的效果，尽管单颗粒带宽远低于HBM。
  • 访存模式的特化设计：针对LLM推理的特定数据访问模式（权重矩阵的顺序读取而非随机读写），设计专用的prefetching和缓存策略，减少实际的带宽需求。

如果这个路线成立，Asimov的成本结构将比使用HBM的竞品低40-60%，而推理吞吐量可能达到英伟达H100的60-80%。

这是一个「够用但便宜得多」的价值主张。在推理成本已经成为AI公司财务模型中最重要变量的当下，这个主张有着极大的市场空间。

7个月，估值翻4倍：背后的加速度

2026年2月，Positron AI完成了上一轮融资，估值约在11-12亿美元区间。

2026年9月，投后估值50亿美元。

7个月，涨幅超过300%。

这个速度，在AI应用软件赛道并不罕见，但在硬件芯片领域是相当惊人的。硬件公司的估值通常受到更严格的约束：你需要有实际的流片记录、客户采购意向、可验证的产品路线图，投资人不会轻易给硬件公司「梦想倍数」。

那么，驱动这7个月估值爆发的因素是什么？

供给侧：英伟达的「推理溢价」已成市场共识

过去18个月，整个AI行业最重要的结构性转变，不是模型能力的提升，而是推理成本成为商业化核心瓶颈这一判断从小圈子共识变成了行业公开共识。

训练一个大模型，可以花数亿美元，但只做一次。而推理——每次用户对话、每次API调用、每次实时分析——是持续的成本支出。当OpenAI的ChatGPT日活用户超过2亿、Anthropic的API每分钟处理超过150亿tokens，推理成本已经成为所有AI商业化公司的P&L（利润损益表）中最敏感的变量之一。

OpenAI曾公开披露，在GPT-4时期，每次对话的推理成本约为0.001-0.005美元，而彼时的用户付费远远无法覆盖这一成本，公司长期处于大额亏损运营状态。到了2026年，随着模型性能的提升和使用场景的深化，推理需求的体量已经远超2023年，问题不但没有消失，反而在规模上进一步放大。

英伟达当然完全明白这一点。H100（售价3.5万美元）、B200（售价超过5万美元）、以及即将到来的Blackwell Ultra的定价策略，都建立在「我的芯片是你唯一的推理选择」这一隐含假设上。

这也意味着：任何能在推理成本上提供10%、20%、30%节省的替代方案，都有极大的商业价值。而50%的成本节省，将是颠覆性的。

需求侧：主要AI公司和云厂商已在主动培育替代供应商

更值得关注的是，一个过去不太被公开讨论、但现在越来越明显的现象：顶级AI公司和云服务商，正在主动培育英伟达之外的芯片供应商生态。

这不是因为英伟达产品不好，而是供应链战略的基本原则：单一供应商的议价能力过强，会让整个行业的成本结构处于不确定状态。

微软CTO Kevin Scott在2026年初的Build大会上表态最为直接：「我们需要一个健康的半导体生态系统，健康的定义是：至少有3个相互竞争的选择。」谷歌自研了TPU（张量处理单元），亚马逊有Trainium和Inferentia，Meta在用MTIA（Meta Training and Inference Accelerator）。

但这些内部自研芯片都有一个共同点：它们是各家公司的内部资产，不对外销售。对于依赖云服务的中小AI公司、做垂直AI应用的SaaS创业公司、以及正在尝试AI转型的传统企业来说，他们需要的是一个「可采购的英伟达替代品」——而这个市场目前几乎是真空的。

Positron AI出现在这个时间节点，填补的正是这个真空。

竞争图谱：Positron AI在哪个位置

理解Positron AI的市场定位，需要把它放在整个AI推理芯片竞争生态中来看：

Groq：使用LPU（语言处理单元），以极低延迟著称。GroqCloud提供的公共推理服务曾以超过每秒500 tokens的速度运行开源模型，远超典型的GPU服务器速度。但Groq的架构是「纯计算、外挂内存」，这在某些大模型场景下反而会产生带宽瓶颈；加上完全定制化的内存堆叠方案，量产成本居高不下。

d-Matrix：同一周内出现在媒体视野中，但选择了完全不同的战略路径——接入英伟达NVLink Fusion生态，将自己的Raptor XPU与英伟达的数据中心系统直接集成，预计2027年上市。这代表了一种「共生」战略：利用英伟达生态做分发，在特定推理场景（低延迟实时推理）上提供差异化价值，而不是正面竞争。

Cerebras：用晶圆级芯片（Wafer-Scale Engine）做超大规模模型推理，是目前实验室验证过的性能最强的非英伟达方案。但Cerebras的定位是超高端市场——一块Cerebras CS-3的价格和英伟达DGX系统相当，且主要服务于国家实验室和超大型企业客户。

Etched：为Transformer架构专门设计的ASIC，官方数据显示在Transformer推理上比英伟达快20倍。但这个优化是有代价的：它只能跑Transformer，一旦架构演进（比如SSM/Mamba架构的崛起），芯片就会面临适用性危机。

在这个图谱中，Positron AI的定位是：中高端推理、通用性好、成本大幅低于英伟达。不追求极限速度，但追求「足够快+足够便宜+可量产」的平衡点——这个定位如果成立，可能是上述几个方向中最大的市场空间。

为什么推理芯片市场如此重要：数字说明一切

在理解Positron AI的战略价值之前，先看一个关键背景数字：

英伟达CEO黄仁勋在2026年9月高盛科技大会上预测：到2030年，全球AI基础设施投资将达到3-4万亿美元。

这个数字的绝大部分，将是推理，而非训练。

目前的行业估算是：训练基础设施和推理基础设施的投资比例，已从2023年的60:40（训练为主），逐步转向2026年的约40:60，并将在2028年前进一步移向30:70。也就是说，在未来5年内，AI基础设施的主体需求将是推理算力，不是训练算力。

以2030年3.5万亿美元估算，推理基础设施的需求大约是2-2.5万亿美元。英伟达不可能独占这个市场——历史上没有任何单一芯片厂商能在2万亿规模的市场维持超过60%的份额。

这才是为什么Positron AI值50亿美元、为什么卡塔尔主权财富基金会入场的真正逻辑：在一个2万亿美元的市场里，哪怕只占1%，也是200亿美元的营收机会。

为什么推理基础设施的民主化是必然趋势

Positron AI给下一代芯片起名「Asimov」，这个选择耐人寻味。

艾萨克·阿西莫夫是科幻文学中机器人主题最重要的奠基者之一。他的「机器人三定律」（不得伤害人类、服从命令、保护自身，优先级递减）是整个现代AI安全讨论的思想源头。「Positron」（正电子）这个公司名本身，也来自阿西莫夫的机器人系列小说——小说中的机器人大脑就是正电子脑（Positronic Brain）。

这个命名选择，暗示了Positron AI对自己使命的理解：他们不只是在做芯片，而是在构建「负责任的AI推理基础设施」——让AI推理能力大规模、低成本、可持续地运行，而不只是服务于少数超级计算中心和资本雄厚的大企业。

某种意义上，这是一个民主化宣言：Asimov的芯片，是阿西莫夫的机器人三定律对AI推理时代的翻译——AI算力应该为所有人服务，而不只是为有钱人服务。

第三层洞察：「推理民主化」的真正受益者

大多数报道停在「英伟达有竞争了」这一层。第二层是「芯片替代带来推理成本下降」。但真正值得思考的是第三层：

推理成本下降，首先改变的不是大型AI公司，而是中间层创业公司。

OpenAI、Anthropic、Google Gemini这些顶级公司：它们有足够的议价能力，甚至在自研芯片。推理成本对它们当然重要，但不是生死攸关的。

真正被高推理成本困住的，是数以千计的「AI应用层」创业公司：

  • 用GPT/Claude API做垂直行业SaaS的公司，推理成本占COGS（销售成本）的40-60%，导致规模越大亏损越大
  • 做实时AI分析的工业、医疗、金融应用公司，因为推理延迟和成本，只能用更小的模型，牺牲了效果
  • 在地级市、县级政府做AI政务应用的集成商，客单价有限，现有GPU方案根本算不过来账

如果Positron的Asimov芯片真的能把推理成本降低50%，这不是5%的优化——而是商业模式「从不可能变成可能」的临界点。

一个做医疗影像诊断的AI公司，目前每张影像的AI分析成本是0.02美元，医院愿意付的价格是0.03美元，毛利只有33%，支撑不了足够的销售和研发投入。如果成本降到0.01美元，毛利变成67%，商业模式完全不同。

这才是Jim Clark这类经历过互联网「从精英到大众」全过程的投资人在押注的东西。互联网带宽的民主化，造就了视频流媒体；云计算的民主化，造就了SaaS；AI推理的民主化，可能造就——没有人现在能完整描述，但一定是一个量级上完全不同的AI应用生态。

风险面：这不是一件简单的事

8.75亿美元的融资，不等于成功已定。硬件芯片公司的风险，与软件公司有着数量级的差别。

技术验证风险：Asimov芯片目前仍在研发阶段。「用消费级内存实现高带宽推理」的理论可行性已有学术论文支持，但在实际量产的芯片上验证，是一件完全不同的工程挑战。热管理、信号完整性、良率控制，每一个环节都可能是致命的。

量产与供应链风险：即使技术路线完全可行，芯片量产也是地狱级难度的工程挑战。台积电的先进制程（3nm/2nm）产能极度稀缺，英伟达、苹果、AMD已经锁定了绝大部分优质产能。后来者不只是技术上的竞争，还有供应链优先级的排位争夺。

CUDA生态护城河：英伟达最深的护城河不是芯片本身，而是CUDA生态系统——数千万开发者、数百万个AI模型、无数框架都是基于CUDA编写和优化的。即使Asimov在性能和价格上都更有优势，「迁移成本」和「生态兼容性」仍然是巨大的采购摩擦力。

架构演进风险：AI模型架构仍在快速演进。Transformer架构统治了过去4年，但Mamba/SSM架构正在崛起，混合架构（如Jamba）也在被主流实验室尝试。针对Transformer推理优化的芯片设计，可能在3年后面临「针对的靶子已经移动了」的尴尬。

竞争响应风险：英伟达当然知道推理芯片有竞争者正在成长。B200 Ultra、Rubin架构都在路线图上，英伟达可能通过降价、增加软件绑定或加速发布新产品来压制竞争——而这些动作，对仍在量产爬坡中的Asimov来说，可能是毁灭性的时机打击。

估值50亿：如何理解这个数字

50亿美元的估值，放在整个AI芯片赛道中是什么位置？

英伟达目前市值在2.8-3万亿美元区间波动。AMD市值约2000亿美元。英特尔市值约900亿美元。这三家公司合计构成了AI芯片的传统格局。

新兴AI芯片公司中：Groq估值约28亿美元（2024年E轮），Cerebras估值约40亿美元（2024年IPO前估值），Etched在估值公开信息较少。Positron AI的50亿美元，已经是这个群体中最高的。

在这个背景下，50亿美元意味着什么？它意味着市场正在给予Positron AI「下一个十年可能成为英伟达推理部分的重要竞争者」这个叙事的溢价。

但需要清醒的是：这50亿美元是私募市场的估值，不等于公开市场认可。当Positron AI走向IPO或战略并购，这个估值是否可以维持，取决于Asimov芯片的实际表现——这一切都将在2027-2028年得到检验。

如果Asimov成功量产并在市场中获得重要份额，50亿只是起点。

如果Asimov遭遇技术挫折或英伟达的强力竞争反击，这50亿会成为一个昂贵的历史注脚。

投资这种阶段的公司，本质上是在为「可能性」付费。而这次融资告诉我们的，是目前有足够多的聪明钱认为这个可能性值得押注。

结语：当老钱遇见新战场

Jim Clark上一次做出真正正确的大判断，是在1994年。那一年，大多数人认为互联网是学术玩具，他却看到了「消费者需要一个更简单的方式进入网络」，然后创立了Netscape，拉开了整个互联网商业化的序幕。

现在，他再次站在一个「绝大多数人使用的东西，将需要完全不同的基础设施」的历史转折点前。

AI推理将是未来5-10年全球算力消耗最主要的形态。英伟达将继续是这个领域最重要的玩家。但「最重要的玩家」和「唯一的玩家」，是两件截然不同的事。

互联网时代，微软没有消失，但Linux、Apache、MySQL成为了开源世界的基础设施。英伟达不会输，但AI推理基础设施的多元化，在历史尺度上是必然趋势，而不只是一种可能。

Positron AI的8.75亿美元、卡塔尔主权财富基金的入场、以及一位77岁的互联网传奇再次押注——是对这个必然性的公开背书。

Asimov芯片能否真正打破英伟达的推理锁定，还需要时间和产品来验证。但有一件事已经可以确认：AI推理基础设施的「多元宇宙」已经在形成，Positron AI正在试图为自己争夺其中的一个关键位置。

这场战争，才刚刚开始。

参考来源：