成立不到三年，首颗 AI 芯片进入量产，又拿下 1.3亿美元 B轮融资，Acrab 正在成为亚洲 AI 芯片市场里最值得关注的新贵之一。
据 DealStreetAsia 报道，这家总部位于新加坡的 AI 计算基础设施公司近日完成B轮融资，Vertex Growth 等机构参与投资。
完成本轮融资后，Acrab 累计融资已经超过 4.8亿美元。新资金将用于扩大产品产能、拓展技术生态，并加快下一代 AI 计算平台的研发。
Acrab 成立于2024年。不到一个月前，该公司刚刚发布 第一代端侧 AI 芯片 GΞLIX 1，以及搭载这颗芯片的 个人 AI 中心 Agent Box。首代产品已经开始客户导入，并进入规模化生产准备阶段。
对于一家芯片创业公司来说，这样的速度并不常见。
过去两年，AI 基础设施最确定、也最拥挤的故事几乎都发生在云端。
大模型越来越大，GPU 越来越贵，微软、谷歌、Meta、亚马逊继续加码数据中心，英伟达则站在这一轮算力扩张最核心的位置。
但 AI 不会永远只待在数据中心。
随着模型持续压缩、推理效率提升，PC、汽车、机器人以及更多智能终端能够承担的 AI 任务正在增加。
下一轮算力需求，也开始从“训练更大的模型”，向“让智能真正进入每一台设备”延伸。
Acrab 押注的，就是这部分正在增长的计算需求。
云端已经很挤，下一轮 AI 算力开始往端侧走
大模型时代的第一场基础设施战争，是一场典型的重资本游戏。
训练和运行更大的模型，需要更多 GPU、更高带宽和更复杂的数据中心。
随着模型规模不断上升，资金、供应链和工程能力都在迅速抬高门槛，云端算力越来越成为少数巨头能够长期参与的竞争。
相比之下，端侧 AI 过去承担的任务要轻得多。
拍照、降噪、语音识别等固定功能，一块 NPU 已经足以覆盖大部分需求，真正复杂的大模型推理仍然主要发生在云端。
但这两年，这个边界开始移动。
一方面，模型量化、压缩和推理优化不断推进，相同算力能够运行的模型越来越强；
另一方面，PC、汽车和机器人本身的内存、带宽和 AI 算力也在持续提升。
过去因为模型太大、设备算力不够，只能送到云端完成的任务，开始有条件留在本地。
Agent 又进一步放大了这种需求。
个人文件、长期记忆、日程、设备状态和实时交互，本身就产生在终端。
一个长期工作的 Agent，如果每读取一份文件、调用一次工具、更新一次状态都需要往返云端，不仅会不断累积延迟，推高 Token 账单，也意味着大量个人和设备数据需要持续上传。
随着 Agent 从偶尔问答转向全天候运行，按 Token 计费的云端模式给用户带来了难以持续的成本压力。
这并不意味着端侧会取代云端。
更可能出现的是新的分工：最复杂、最重的推理继续留在数据中心，而 高频、隐私敏感、需要低延迟和长期保持状态的任务，逐步向 终端 迁移。
这会直接抬高终端对 AI 算力的需求。模型能力越强，能够留在本地完成的任务越多；本地任务越复杂，对内存、带宽和计算性能的要求也越高。
硬件厂商已经开始为这种变化做准备。
AMD 提出 Agent Computer，高通和 NVIDIA 也开始把更完整的本地 AI 能力放进 PC 和边缘计算平台。
产品形态不同，但方向相近：下一轮 AI 基础设施竞争，不会只发生在越来越大的数据中心，也会发生在越来越强的终端上。
Acrab 选择的正是这个位置。
它没有进入已经高度拥挤的云端 GPU 战场，而是从一开始就依托大型服务器芯片系统经验，围绕端侧大模型和 Agent 设计计算平台，切入高端端侧 AI 服务器市场，押注 模型能力持续下沉后对端侧算力的长期升级需求。
这个技术门槛，也远高于传统消费电子产品。Acrab 将一支具备 大规模服务器芯片与系统软件经验 的团队，带入了传统3C团队难以触及的技术深水区。
Agent 起来之后，终端需要的不只是一块 NPU
端侧模型能力往前走的同时，AI 本身消耗算力的方式也在变化。
过去的大模型应用，大部分时候仍然是一问一答：用户给出输入，模型完成推理并生成结果，一轮计算随之结束。Agent 真正开始工作以后，一次请求却会被拉长成一条持续运行的任务链。
微软 Azure 研究团队近期发布的《Architectural Implications of Agentic AI Workflows》，正是在生产环境里观察到了这种变化。
研究发现，Agent 任务会不断在模型推理、工具调用和任务编排之间切换，反复跨越 CPU 与 GPU 边界；
与此同时，算力需求也不再像传统推理那样相对稳定，而是出现明显的等待、恢复和短时峰值。
这意味着，Agent 时代的端侧芯片不能只比一个 TOPS 数字。
CPU、NPU、内存和软件环境需要一起工作，一台设备能不能长时间承载 Agent，越来越像一道系统题。
这与 Acrab CEO Ken Phua 的判断不谋而合。
他曾在 Arm UK 负责亚太应用工程并参与全球 IP 策略制定，之后担任 Arm China 联席CEO。
在他看来，AI 进入异构计算阶段后，执行效率不仅取决于 NPU，也取决于 CPU 与 NPU 能否顺畅协同。
因此，Acrab 最近发布的 AI 芯片 GΞLIX 1 不只强调 700TOPS 峰值算力。
统一内存、CPU 与 NPU 协同、Prefill（输入处理）和 Agent 编排，也被同时放进了产品设计里。
这套产品思路也写在了公司名称里。Acrab 取自 Agentic Compute、Reasoning、Action 与 Brain 的首字母，也来自天蝎座β星这一多恒星系统，寓意不同计算单元协同运行。
Acrab 还公布了一组长上下文测试。
在运行 Gemma 26B A4B 模型、4万 Token 上下文缓存和1万 Token 输入的条件下，GΞLIX 1 的平台 Prefill 速度达到 1416 Token/s，比业界领先的端侧 AI 计算平台快7倍。
值得一提的是，这组数据来自公司自测，实际表现还会受到模型加载、软件调度和具体任务影响，仍需第三方进一步验证。
但 Acrab 把 Prefill、统一内存和异构协同放在核心位置，也说明它瞄准的不只是模型能不能跑起来，而是长上下文和 Agent 任务真正进入终端之后，对整套计算效率的要求。
换句话说，Acrab 押的不是“端侧还需要一颗更快的 NPU”，而是当本地 AI 从一次推理走向长期工作，终端会需要一套新的计算底座。
从 GΞLIX 1 到 Agent Box，Acrab 开始走向量产
GΞLIX 的名字取意于“Helix（螺旋）”，公司借用 DNA 演化与适应的意象，表达这套计算平台支持 AI 持续演进、适应环境和进行长期规划的目标。
基于 GΞLIX 1，Acrab 还做了 Agent Box。
它被定义为 Personal AI Center，是一台可以直接放在桌面上的小型端侧 AI 设备，搭载 GΞLIX 1，可以在本地运行千亿参数级模型，并整合长期记忆、多模态交互、工具调用和 Agent 编排。
在发布会演示中，用户提出想为孩子制作一份太空主题礼物，Agent 提供创意、协助选择方案，再调用相关工具推进制作。
单个步骤并不复杂，难点在于一句自然语言能否被拆解成连续动作，任务状态能否在模型和工具之间持续传递。
这也是 Agent Box 比一台普通“本地大模型电脑”多出来的部分。
按照 Acrab 公布的信息，其软件平台覆盖本地大模型、优化后的 Runtime、开发工具和 Agent 编排。
Agent Box 既是一款完整设备，也承担着参考系统的作用：他们把 GΞLIX 1、模型和软件栈放进同一台机器，验证完整 Agent 任务能否在本地运行，再把这套能力复制到 AI PC、AI NAS、汽车、工业设备和机器人等不同终端。
对于 Acrab 来说，真正的商业空间并不只来自 Agent Box 本身，而在于 GΞLIX 1 以及背后的软件平台能否被更多设备厂商采用。
现在，这套平台已经开始 走向量产验证。
根据 Acrab 披露的信息，GΞLIX 芯片于2025年11月 完成流片，随后进入上电和系统验证。
据公司称，芯片上电后6小时内通过12项关键验证，并在24小时内启动 Linux 和 Android 系统。
今年7月，GΞLIX 1 和 Agent Box 正式发布，目前第一代计算平台已经开始客户导入，并推进规模化生产。
最新一轮1.3亿美元 B 轮，也正好发生在这个时间节点：首颗芯片已经做出，参考系统已经亮相，下一步是 扩大产品产能、拓展技术生态，并继续研发 下一代 AI 计算平台。
Vertex Growth 从 Acrab 早期阶段开始投资，并随着公司完成不同技术节点持续投入。投资方此前披露，GΞLIX 已经在部分要求较高的真实部署环境中完成验证，并正在推进首次行业采用和量产。
Acrab 成立不到两年，从芯片流片走到产品发布和客户导入，同时累计融资超过4.8亿美元，现在已经从技术验证走到了商业化验证的门口。
接下来真正需要看的，是 GΞLIX 1 会进入哪些量产设备，首批客户何时出现，以及这些项目能不能形成持续出货。
4.8亿美元给了 Acrab 继续押注端侧算力的筹码。
真正属于 Agentic AI 的计算平台，正在走向现实。
发表于 3 小时前
|
查看: 3|
回复: 0
