摘要： Axelera AI 在 2026 年 2 月 24 日宣布新一輪融資突破 2.5 億美元，公司稱這是歐盟 AI 半導體公司迄今最大投資。文章把資金與邊緣推理晶片連結，提到 Metis AIPU 以約 10 瓦提供 214 TOPS，開發中的 Europa 目標為 629 TOPS。
2026 年 2 月 24 日,總部設在荷蘭 Eindhoven 的 Axelera AI 公開了新一輪融資,金額突破 2.5 億美元;公司方面稱,這是歐盟 AI 半導體公司有史以來收到過的最大單筆投資。本輪由 Innovation Industries 領投,BlackRock 與 SiteGround Capital 以新投資人身分進場,Bitfury、CDP Venture Capital、歐盟 EIC Fund、比利時 SFPIM、Invest-NL、Samsung Catalyst Fund 等既有股東也繼續加碼。Axelera 成立於 2021 年,至今累計募資已跨過 4.5 億美元。
NVIDIA 幾乎掌握了資料中心 GPU 的全局,Axelera 卻挑了另一條路走:不碰訓練市場,把火力集中在邊緣裝置上的 AI 推理,靠效率而非絕對算力與人一較高下。Sifted 的報導更直接,把這輪融資定位成「挑戰 Nvidia」的籌碼。
把運算搬進記憶體:D-IMC 架構
Axelera 押注的技術核心是 D-IMC(digital in-memory computing,數位記憶體內運算):SRAM 被排成 crossbar 陣列,資料留在原本儲存的位置,就地參與運算。一般晶片最吃電的環節常常不是計算本身,而是資料得在記憶體與運算單元之間來回搬移;D-IMC 把這段路程整個拿掉,功耗自然壓得下來。
執行長 Fabrizio Del Maffeo 在新聞稿裡點出,資料中心已經撞上電力與冷卻的天花板,邊緣裝置面對的能源與頻寬限制又更加嚴苛——「推理成本在模型生命週期內是訓練的 15 倍」,效率本身就是商業模式。
產品布局:從 Metis 到 Europa
現階段的主力產品是 Metis AIPU:運算力每秒 214 兆次(214 TOPS),耗電約 10 瓦,鎖定倉儲機器人導航這類靠電池供電的場景。硬體提供兩種形態,一是最多可搭載 4 顆晶片的 PCIe 加速卡,二是單晶片版本的 M.2。軟體方面則是架在 Apache TVM 上的 Voyager SDK,並附上 Model Zoo,讓部署的摩擦再低一些。
下一代平台 Europa 仍在開發中:629 TOPS,較 Metis 翻一倍有餘,配上 8 個 AI core、16 個 CPU core 與 128 MB 記憶體。官方宣稱每瓦效能最高可達對手的 3 倍,內部測試也曾在電腦視覺工作負載上跑出每秒 13,168 幀。量產端則與 TSMC、Samsung 合作。
押注邊緣的道理
商業端的表現值得注意:Axelera 已將產品送到第 500 家全球客戶手上,產業遍及國防與公共安全、工業製造、零售、農業科技、機器人、安防、電信、航空與企業市場。這些場景有個共通點——資料不能或無需送往雲端:隱私法規、主權考量、延遲與頻寬成本,都把推理推向本地。
放到歐洲的脈絡看,這輪融資還帶著產業政策的分量:AI 算力長期由美、中兩強主導,歐盟如今首度出現募資達到此等規模的本土 AI 晶片公司,而且背後站著 EIC Fund、SFPIM、Invest-NL 等公共資本——「歐洲自己的邊緣推理供應鏈」總算不再只是句口號。
開發者該記住的三件事
三個實際影響。其一,邊緣推理的硬體選項愈來愈厚:10 瓦級、200+ TOPS、兼具 PCIe 與 M.2 形態的產品,讓視覺辨識、異常偵測這類工作負載能夠長期在本地運行,不必回雲端。其二,採用速度取決於軟體棧——Voyager 以 Apache TVM 為底,對已握有 TVM 工作流程的團隊來說,遷移成本近乎為零,這個方向押對了。其三,「推理成本 15 倍於訓練」值得每一位做 AI 產品的人放在心上:模型上市只是起點,長期成本結構由推理效率決定,而這正是專用邊緣晶片存在的理由。