5 月 29 日 TechCrunch 报道，韩国芯片初创 XCENA 以 5.7 亿美元估值完成 1.35 亿美元 B 轮融资，押注 AI 最大瓶颈已从计算转向内存带宽与能效。该公司认为，每一次 ChatGPT 查询背后，数据搬运延迟与功耗已成为规模化推理的核心制约。同一日，Groq 也在传出计划向现有投资者融资 6.5 亿美元，重点转向自有芯片驱动的推理云业务。
这一转向与过去两年 Nvidia 主导的“算力军备”形成鲜明对比。Nvidia 通过 CUDA 生态与大规模 GPU 集群锁定训练市场，而新兴玩家正瞄准推理阶段的真实痛点：内存访问瓶颈往往比峰值 FLOPS 更致命。XCENA 的路径类似 Cerebras 等专用架构玩家，通过硬件级优化降低每 token 成本，而非单纯堆砌算力。相比之下，传统云厂商仍在依赖通用 GPU，边际收益递减已现端倪。
根本驱动力在于企业落地从“演示”进入“规模化部署”。当模型参数与上下文长度持续增长，内存墙比算力墙更早到来。过去 18 个月，初创融资已从单纯追逐训练芯片，逐步分流至存储与互联赛道，这与 Anthropic、OpenAI 等闭源大厂高估值形成反差——后者仍靠 scaling laws 叙事吸引资本，前者则用实际效率证明差异化。
未来 6-12 个月，关键看这些内存优化方案能否在真实工作负载中验证 30% 以上能效提升。若成功，AI 数据中心资本开支结构将重塑，Nvidia 生态之外的玩家将加速分流需求；若进展缓慢，多元硬件叙事可能再次让位于规模优势，暴露“瓶颈转移”只是阶段性幻觉。
信源：https://techcrunch.com/2026/05/29/xcena-secures-135m-at-570m-valuation-betting-on-memory-as-ais-real-bottleneck/
