【量子位 2025年12月9日讯】AI硬件赛道再迎重量级玩家。曾创办MosaicML（2023年以13亿美元售予Databricks）、Nervana Systems（2016年以超4亿美元售予英特尔）的连续创业者纳文·拉奥（Naveen Rao），其新创公司Unconventional AI于今日正式确认完成4.75亿美元种子轮融资，公司估值达45亿美元。这一融资规模不仅刷新全球种子轮融资纪录，更凸显资本对“后GPU时代”新型计算架构的迫切期待——拉奥此次的目标，是打造一台“能效堪比生物大脑”的AI专用计算机，破解当前AI算力高能耗、供应紧张的行业困局。
融资亮点：4.75亿仅是“首期款”，资本押注非GPU架构
此次融资的“非常规”之处，远超传统种子轮项目的边界，展现出AI硬件赛道的独特热度：
-
规模与估值双破纪录：4.75亿美元种子轮融资额，相当于多数AI初创公司C轮甚至D轮的融资规模；45亿美元的种子轮估值，更是远超行业平均水平（早期AI硬件公司估值多在1-5亿美元），直接跻身全球估值最高的种子阶段初创公司行列。据拉奥向彭博社透露，此次融资仅是其10亿美元募资计划的“首期款”，若全额完成，将成为AI硬件领域史上最大单笔融资。
-
顶级资本扎堆入场：本轮融资由 Andreessen Horowitz（a16z）与Lightspeed Ventures联合领投，Lux Capital、DCVC等知名风投跟投，此外还吸引了战略投资者参与——包括拉奥前东家Databricks，以及亚马逊创始人杰夫·贝佐斯（Jeff Bezos）个人投资。值得注意的是，拉奥本人也追加了1000万美元投资，以“自投+顶级资本背书”的组合，强化市场对其技术路线的信心。
-
资本逻辑：赌“后GPU时代”的破局者：当前全球AI算力需求激增，英伟达Blackwell芯片订单已排至2026年，且数据中心AI workload耗电量年均增长超30%，“能耗墙”与“供应瓶颈”成为行业双重痛点。Unconventional AI瞄准的“低能耗新型计算架构”，恰好切中资本对“非GPU替代方案”的期待，45亿美元估值本质是对“拉奥技术履历+新型架构潜力”的双重押注。
技术路线：模拟芯片+神经形态，复刻“大脑级能效”
作为拉奥第三次创业的核心方向，Unconventional AI的技术路线跳出传统数字计算框架，试图从“生物学”中寻找灵感，其目标是打造一台“20瓦级功耗、匹敌数据中心算力”的通用AI计算机：
-
核心突破：用物理特性替代数字计算：传统GPU依赖数字浮点运算处理AI任务，能耗高且存在“冯·诺依曼瓶颈”（数据存储与计算分离导致延迟）。拉奥团队计划采用“模拟/混合信号芯片”，直接在硅基物理层存储“概率分布”（而非数字数组），利用晶体管的物理特性（如电压、电流）完成神经网络计算——这一思路类似人类大脑通过神经元突触传递信号，理论上可将能耗降低1000倍。
-
两大技术支柱：神经形态动力学+模拟电路：
-
神经形态动力学：借鉴大脑神经元“脉冲式传递”机制，通过振荡器、热力学效应构建动态计算模型，让芯片像大脑一样“按需激活计算单元”，避免全链路通电导致的能耗浪费；
-
模拟电路设计：突破早期模拟计算机“无法规模化”的瓶颈，通过台积电先进工艺（具体节点未披露）制造高精度模拟芯片，计划推出的首款SOC（系统级芯片）将是“全球最大模拟芯片之一”，可直接复现神经网络行为，无需数字转换环节。
-
产品形态：从芯片到服务器，瞄准云厂商与超算中心：不同于聚焦边缘端的模拟芯片公司（如Mythic），Unconventional AI的目标客户是AWS、微软Azure等云厂商，以及科研机构超算中心。产品将以“芯片+服务器系统”一体化方案交付，预计2026年完成首款芯片流片（Tape-out），2027年实现规模化交付。
拉奥的“创业闭环”：从神经科学到AI硬件的25年探索
此次创业并非拉奥一时兴起，而是其25年技术积累的“终极实践”：
-
学术根基：从神经科学到AI芯片：拉奥拥有布朗大学神经科学博士学位，早年研究“大脑信息编码机制”，9岁起便痴迷于“神经网络如何模拟大脑”。这一学术背景贯穿其创业生涯——Nervana Systems首次尝试将神经形态技术落地芯片，MosaicML则通过软件优化降低大模型训练能耗，而Unconventional AI则是“软件思路+硬件架构”的终极结合，试图从底层解决AI能耗问题。
-
两次成功退出，积累生态资源：2016年将Nervana出售给英特尔后，拉奥主导了英特尔首款AI专用芯片研发，熟悉芯片量产流程；2023年MosaicML被Databricks收购后，他担任Databricks AI负责人，深入了解企业级AI算力需求。此次创业，前两次积累的“供应链资源（如台积电合作）”“客户需求认知”“资本关系”均成为重要支撑——例如Databricks的投资，未来可能转化为首个大客户订单。
-
行业痛点驱动：3-4年将面临“算力能耗危机”：拉奥在X平台（原Twitter）多次预警，按当前算力需求增长速度，全球能源供应将在3-4年内无法支撑AI workload扩张。他在接受a16z采访时直言：“我们用数字计算机构建AI，但智能本质是随机且分布式的，为何要用高精度数字技术去处理？模拟计算才是更高效的路径。”
行业影响：非GPU架构竞争升温，2027年或迎“生死局”
Unconventional AI的入局，将进一步激化“后GPU时代”的架构竞争：
-
竞争对手加速布局：目前英特尔Hala Point、Rain AI、Spinn Cloud等公司均在神经形态计算领域发力，但尚未推出大规模商用产品；中国北京大学团队也已研发出基于RRAM技术的模拟芯片，声称能效比英伟达GPU高100倍。Unconventional AI凭借“拉奥光环+4.75亿启动资金”，有望成为首个实现规模化交付的玩家。
-
对英伟达的潜在冲击：短期来看，Unconventional AI的技术尚处于研发阶段，难以撼动英伟达在AI训练芯片的主导地位；但长期若其“1000倍能耗降低”目标落地，将直接冲击云厂商的算力采购决策——若同等算力下能耗成本仅为GPU的1/1000，云厂商可能逐步将部分工作负载迁移至模拟芯片，形成“GPU+模拟芯片”的混合算力架构。
-
人才争夺白热化：目前Unconventional AI已开启大规模招聘，重点吸纳模拟芯片设计、混合信号电路、神经形态算法人才，薪资水平较行业平均高出30%-50%。拉奥在采访中透露，团队已集结麻省理工学院副教授Michael Carbin、斯坦福大学助理教授Sara Achour等顶尖学者，核心技术团队规模超50人。
按照规划，Unconventional AI将在2025年第二季度推出开发者套件（含模拟加速卡与SDK），2026年第一季度完成首款“脑级能效”SOC流片，2027年实现商业化交付。对于拉奥而言，这既是一次技术冒险——模拟芯片规模化难度远超数字芯片；也是一次“自我证明”——此前Nervana芯片因英特尔战略调整未能大规模落地，此次能否用“生物学灵感”改写AI硬件格局，2027年将见分晓。
