【系统时间注入】当前北京时间：2026-09-15 10:43 CST

2026年9月14日，一家成立才两年的荷兰AI芯片初创公司，完成了欧洲AI基础设施领域迄今规模最大的一笔A轮融资。

Euclyd，总部位于荷兰，创立于2024年，CEO Bernardo Kastrup。在CNBC独家披露的细节中：三星（Samsung）联合EQT管理的Scaleup Europe Fund、Somerset Capital Partners和荷兰国家基金Innovation Industries，共同领投了这笔€200M（约2.31亿美元）的A轮融资。

这个投资人名单本身就是一份声明。

当全球最大内存制造商之一的三星，欧洲最重要的主权技术基金，和一家刚成立2年、芯片尚未量产的公司同时出现在同一张投资表上——押注的不是某一个芯片公司的成功，而是一个更大问题的答案：AI推理时代，基础设施的权力会从Nvidia手中转移到哪里？

Nvidia的困境：从训练垄断到推理博弈

要理解Euclyd这笔融资的意义，首先要理解Nvidia在2026年面临的处境。

2022年到2025年，Nvidia凭借CUDA生态和GPU架构优势，在AI训练市场建立了近乎绝对的垄断。A100、H100、B200——每一代芯片都拉开了与竞争对手的差距。Nvidia一度成为全球市值最高的公司，被称为”AI时代的军火商”。

但AI进入大规模部署阶段后，市场结构发生了根本性转变：

训练是少数人的游戏，推理才是全民战争。

训练（training）是让模型学习的阶段，主要由少数超大型AI实验室（Anthropic、OpenAI、Google DeepMind）和头部云厂商执行，规模有限。而推理（inference）是AI模型投入实际使用的阶段——每一次用户发送消息、搜索引擎返回答案、医生获取诊断辅助——背后都是一次推理请求。

随着AI应用从聊天工具扩展到搜索、编程助手、医疗影像分析、金融风控，每天的推理请求量以数十亿次计算，而且仍在指数级增长。2026年，全球AI推理消耗的算力已经超过训练。

问题在于：Nvidia的GPU是为训练设计的。在推理场景中，GPU的大量晶体管处于闲置状态——它们是为大规模并行矩阵运算设计的，而推理往往是批量较小、延迟敏感的工作负载。GPU能做推理，但不是最高效的方式。

与此同时，Nvidia的定价反映的是训练市场的稀缺性溢价，不是推理市场的效率逻辑。H100单卡价格在2025年峰期超过3万美元，B200更高。对于需要部署数万块芯片做推理的超大型数据中心，能源成本和芯片成本已经成为限制AI应用规模化的核心瓶颈。

这就是为什么出现了一批专注推理芯片的挑战者。

Euclyd的核心主张：从架构根源解决能效问题

Euclyd并不是第一个挑战Nvidia推理垄断的公司。2026年，这条赛道已经相当拥挤：

  • Positron AI：$875M融资，估值$50亿，专注推理专用硅
  • Groq：LPU（Language Processing Unit）架构，已在部分场景商用
  • OpenAI自研”Jalapeño”芯片：2026年8月宣布”行业领先的速度和效率”
  • Google TPU、AWS Trainium/Inferentia、Meta MTIA：超大型科技公司各自的自研路线

Euclyd在这个拥挤赛道中的差异化定位是：专注企业自托管推理场景，从处理器和内存架构的根本上重新设计。

Kastrup在CNBC采访中的表述清晰：”AI是经济增长、科学发现和国家竞争力的基础，但除非我们从根本上改变其下面的基础设施，否则它的潜力将受到限制。”

Euclyd的技术路线是设计一套与GPU完全不同架构的推理芯片系统，包括处理器和配套内存架构（而非仅仅在GPU上做推理优化）。具体技术参数尚未完全公开——毕竟芯片要到2028年才进入市场。

但商业模式已经清晰：

轨道一：物理机架系统销售。向企业客户销售完整的物理机架（physical rack systems），用于自托管（self-hosted）AI推理。这针对的是那些因安全合规、数据主权要求无法将推理工作负载送往公有云的客户——欧洲金融机构、医疗系统、政府机构和国防。

轨道二：IP授权。向希望开发自己芯片的公司授权Euclyd的技术IP。这是一条经过ARM验证的路：不需要自己做全栈芯片，而是成为推理芯片架构的”底层标准”，收取IP授权费。

目标时间线：2028年开始向市场交付物理芯片系统；2030年服务数千家企业客户。

三星的战略算计：不想永远仰赖Nvidia铁三角

理解三星为什么出手，需要先看三星在当前格局中的尴尬处境。

三星是全球最大内存芯片制造商之一，在DRAM和NAND市场与SK海力士并列，是领先的晶圆代工厂（Samsung Foundry）之一。在AI芯片热潮中，三星理论上应该是最大受益者。

但现实远比这复杂。

在高带宽内存（HBM）赛道——这是AI训练芯片最关键的内存类型——SK海力士因为早于三星量产HBM3E，牢牢绑定了Nvidia的主供应链。Nvidia的旗舰GPU（H100/B200）首先采用SK海力士的HBM，三星长期处于二线供应商地位。

在晶圆代工方面，台积电（TSMC）在3nm以下先进制程上保持技术领先，三星Foundry在高端市场份额持续被压缩。

这意味着：在以Nvidia为核心的现有AI基础设施价值链中，三星的地位比外界想象的更边缘。三星需要找到一条不经过”Nvidia-TSMC-SK海力士”铁三角的路，在AI基础设施的下一轮格局中找到自己的核心位置。

Euclyd提供了这样的路径。

正如Kastrup所说：”三星可以在资金以外以多种方式帮助我们。他们是全球最大的内存制造商之一。他们深懂工程、系统、供应链，拥有极为广泛的网络。”

这句话翻译过来是：如果Euclyd的推理芯片路线走通，三星的内存技术（或许包括为Euclyd定制的新型内存架构）将成为这条新供应链的底层支撑，而三星Foundry将成为Euclyd芯片的制造方。

三星押注的是：在推理芯片赛道布下一枚战略棋子，以换取在下一轮AI基础设施格局重排时的主动权。

欧洲的版图野心：同日两笔投资揭示的主权技术战略

与三星并列领投的EQT旗下Scaleup Europe Fund，在同一天（2026年9月14日）也参与了Tandem Health（欧洲医疗AI原生操作系统）的€86.5M B轮融资。

这个巧合不是偶然。

Scaleup Europe Fund由欧盟委员会与欧洲投资基金（EIF）共同出资设立，明确目标是支持欧洲AI独角兽的成长，防止欧洲关键AI基础设施全面依赖美国或中国技术。

同日投资Euclyd（AI芯片/基础设施层）和Tandem Health（医疗AI应用层），揭示了欧洲战略的垂直整合逻辑：从芯片到应用，建立一个不完全依赖美国巨头的欧洲AI技术主权栈。

这是一个比单笔融资更重要的信号：欧洲已经不满足于”购买美国AI技术”，开始系统性投资于”制造欧洲AI技术”。

市场语境：推理芯片的”寒武纪大爆发”

Euclyd的€200M融资，是一场更大的”推理芯片寒武纪大爆发”的最新章节。

2026年，几乎每个月都有重大推理芯片相关事件。先是Positron AI（$875M，2026-09-11），专注推理专用硅，估值$50亿——距今仅3天。然后是Euclyd（€200M，2026-09-14）。夹在中间，OpenAI在8月宣布自研推理芯片”Jalapeño”已达”行业领先速度和效率”；亚马逊宣布2026年底商用第三代Trainium；谷歌2026 Google I/O发布TPU v6 Trillium（推理效率提升4.7倍，据报道）。

但表面上的热闹背后，不同路线有不同逻辑——理解这个分层，才能理解Euclyd为什么有机会：

超大型科技公司（Google/AWS/Meta）自研芯片，目的是垂直整合降成本，不对外销售。OpenAI自研，目的是降低对Nvidia的依赖，主要自用。这两条路线，都不解决”大型企业客户想要自托管推理但没有能力自研芯片”的问题。

这正是Euclyd看到的市场空白：欧洲金融机构、医疗系统、政府机构，有强烈的自托管推理需求（数据不出境、合规要求），有预算，但没有能力像Google一样自研芯片。Euclyd为这个群体提供一个”现成可用的非Nvidia推理基础设施”。

关键风险：量产工程的九死一生，以及历史的警告

坦白说出Euclyd最大的风险：这家公司的芯片尚未量产，2028年才计划进入市场。

推理芯片领域，有一个被遗忘的失败案例值得铭记：Intel Nervana。

2016年，英特尔以$408M收购了专注深度学习的芯片初创Nervana Systems，目标是用Nervana神经网络处理器（NNP）在AI训练市场挑战Nvidia。两年后，英特尔量产了Nervana NNP-T1和NNP-I推理芯片。结果是：到2020年，英特尔宣布关闭Nervana产品线。原因是软件生态的迁移成本极高——客户没有动力从CUDA迁移到英特尔的Nervana框架，即使推理性能数字更优。

这个故事的教训不是”挑战者不能成功”，而是：硬件指标只是入场券，软件生态才是真正的护城河。

Euclyd的应对策略是：绕开软件生态竞争，专注于CUDA不强制要求的场景——企业自托管推理（self-hosted inference）。在这个场景中，客户的首要考量是安全合规和数据主权，而不是与现有CUDA工作负载的兼容性。他们愿意为全新的软件栈投资，因为他们本来就没有打算用公有云。

但这是否足够？还有几个风险需要正视：

  • TSMC晶圆排单：台积电先进制程产能排队可能长达数年，2024年成立的Euclyd不在优先序列，量产时间线面临不确定性
  • 2028年市场锁定风险：Positron AI（$875M融资）已在先，2028年之前，如果其他推理专用芯片公司已经在自托管推理市场形成客户黏性，Euclyd的市场窗口将大幅压缩
  • IP授权路线的不确定性：ARM的成功是建立在移动计算时代RISC架构的整体胜利上。推理AI芯片市场是否能出现一个类似ARM的标准架构，目前尚无定论

Kastrup自己也承认：”Euclyd的系统尚未在商业化部署中规模验证。”

投资人押注的逻辑是：在推理芯片赛道，总有2-3家公司会在未来5年跑出来。而Euclyd的技术路线差异化、三星的供应链背书、欧洲主权资本的支持和€200M的资本充裕度，给了它足够高的赔率——即便面对这些风险。

第三层洞察：范式转变期，谁在历史上跑赢了？

三十年前，计算机CPU架构从CISC向RISC转变时，涌现了一批新公司——ARM、MIPS、Alpha。英特尔凭借x86生态的护城河维持了市场份额，但在移动计算时代被ARM彻底超越。

今天，AI芯片正在经历类似的架构范式转变：从”通用GPU做推理”到”专用推理架构”。

历史规律表明：在每一次架构范式转变期，现有领导者的护城河会被局部侵蚀，而那些从设计之初就针对新范式优化的挑战者，往往能在细分市场建立独特优势。ARM在移动计算场景成为了”CPU标准”，而不是在PC市场击败英特尔。

Euclyd的赌注类似：不是要在GPU训练市场击败Nvidia，而是在企业自托管推理这个Nvidia覆盖效率最低的细分市场，成为新的”推理基础设施标准”。

三星的参与意味着，这个赌注有了内存供应链层面最关键的一个背书。

这场游戏远未结束，但每次架构范式转变，都需要一个Euclyd这样的赌注作为起点。

参考资料

  1. Samsung backs Nvidia AI chip rival in $230 million funding round as GPU alternatives boom — CNBC, 2026-09-14
  2. AI inference startup Positron raises $875m at $5bn valuation — MSN/FT, 2026-09-11
  3. OpenAI Jalapeño chip announcement — CNBC, 2026-08-26
  4. Stockholm’s Tandem Health raises €86.5 million for European healthcare AI — EU Startups, 2026-09-14