英国AI芯片创企Olix融资15亿：采用SRAM与光子学架构挑战英伟达

近日，一家颇为神秘的英国AI芯片初创公司Olix（前身为Flux Computing）引发了行业关注。根据外媒报道，这家由00后创办的公司已成功获得2.2亿美元（约合人民币15亿元）的融资，使其估值一举突破10亿美元（约合人民币69亿元），正式跻身独角兽行列。

Olix成立于2024年3月，总部位于英国伦敦，创始人James Dacombe今年仅25岁。除了这家芯片公司，他同时也是另一家脑监测创业公司CoMind的创始人兼CEO。CoMind是他在18岁时创立的项目，目前已融资1亿美元（约合人民币7亿元）。

瞄准AI推理市场，提出全新架构

Olix的业务核心并非训练，而是针对当下需求日益旺盛的AI推理场景。该公司正在研发一种旨在突破现有硬件瓶颈的新型AI芯片，目标是同时实现高吞吐量与低延迟的高交互性，以应对最为苛刻的AI推理工作负载。

其核心产品被称为光学张量处理单元（OTPU）。这是一款采用新型存储器与互连架构的光学数字处理器。Olix团队坚信，通过将SRAM架构与光子学技术相结合，能够在每兆瓦吞吐量和总体拥有成本（TCO）上超越当前基于高带宽内存（HBM）的主流架构，同时在交互性和延迟方面显著优于纯粹的硅基SRAM架构。

截至目前，Olix累计融资额已达2.5亿美元（约合人民币17亿元）。据知情人士透露，该公司希望最快在明年向客户交付首批产品。

反思当前AI芯片的固有瓶颈

Olix在其官方阐述中，对当前主流AI加速器（如GPU和TPU）的架构局限提出了尖锐的分析。他们认为，现有架构已接近物理极限，无法同时为每个用户提供快速（低延迟）的推理服务。

这种困境源于一个根本性的权衡：为了摊薄从HBM内存传输模型权重的能耗成本，并充分利用计算单元，系统必须对大量用户的请求进行批量处理。然而，大批量处理必然增加每个用户的等待时间（延迟），从而损害交互体验。

问题的核心在于推理性能越来越受限于数据传输，而非计算本身。尽管从HBM2到HBM3/HBM4的迭代在能效和带宽密度上有所提升，但要实现下一次质的飞跃可能需要近十年时间，并且依赖于更复杂、昂贵的制造工艺。HBM性能提升带来的能效收益正在边际递减。

同时，通过增大芯片封装尺寸来缩短数据传输距离的策略也即将触顶。从英伟达Hopper架构到Rubin Ultra，封装尺寸大约增长了4倍，再增长4倍将逼近晶圆级封装的物理极限。更大的封装虽能改善延迟，但无法消除固有的数据传输延迟，阿姆达尔定律的限制日益显现。

因此，以缓存命中/未命中时间衡量的数据传输延迟已接近极限，并逐渐成为每个生成token（如AI对话中的一个词）总延迟的主要组成部分。

Olix的设计哲学与破局思路

Olix团队认为，要打造一款能够同时提供高吞吐量和高交互性的硬件，必须从根本上同时解决大规模数据传输的效率和延迟问题。任何只优化其中一个维度的方案，都只是在调整权衡的斜率，而非打破权衡本身。

基于此，他们提出了三个关键的硬件设计原则：

1. 供应链独立性：新架构必须放弃高带宽内存（HBM）、先进封装等受限于现有巨头供应链的技术。初创公司难以在产能保障上与超大规模厂商竞争。
2. 软件兼容性：硬件必须能够无缝支持现有的AI模型，不应要求模型具备特殊算术能力或改用全新的神经网络架构。
3. 系统级协同设计：需要从传统的芯片级、光罩级设计思维，转向机架级的计算与数据传输协同设计，将其视为一个统一的系统。

Olix观察到，当前许多挑战者陷入了两种典型的失败模式：要么沿用“逻辑芯片-中介层-HBM”的老路，面临同样的交互性-吞吐量权衡；要么虽然意识到需要新范式，却未能跳出纯硅技术的局限性，无法彻底摆脱权衡。

行业观察与未来展望

Vertex Ventures普通合伙人、前Facebook基础设施高管Jonathan Heiliger对此评价道，AI推理需要对芯片制造方式进行彻底的重新思考，大规模重构系统级架构极其困难，而“James和他的团队执行速度，比拥有十倍资源的公司还要快。”

Olix的崛起也反映了英国在人工智能与半导体领域寻求突破的努力。目前，英国芯片公司的融资规模仍远落后于美国。另一家英国AI芯片创企Fractile日前也宣布，计划未来三年投资1亿英镑扩大本土业务。

随着大模型应用落地加速，推理需求呈现爆炸式增长，对专用、高效硬件的渴求也日益迫切。Olix以其独特的“SRAM+光子学”路径和年轻的创始团队背景，为这个高度集中、技术壁垒深厚的市场带来了新的变数。其产品能否如期交付并兑现性能承诺，将成为整个行业关注的焦点。关于这类前沿芯片技术的更多讨论与资讯，也欢迎在技术社区进行交流。