XCENA 融资 1.35 亿美元：押注 AI 瓶颈不在算力，而在内存

背景

随着生成式 AI 的爆发，数据中心的基础设施成本成为行业关注的焦点。每当用户向 ChatGPT 等模型发起提问时，背后都触发了一场激烈的“数据接力赛”。数据需要从内存（Memory）出发，经过 CPU 进行预处理，再传输至 GPU 进行高强度计算，最后结果还要回传。这一过程对于 AI 生成的每一个单词都要重复一次。

这种架构导致了严重的结构性瓶颈：每一次请求都必须经过行业内最昂贵、功耗最高的芯片进行路由。这种低效性正是 XCENA 这家拥有韩国和美国办公室的四年期初创公司试图解决的核心问题。XCENA 设计了一种新型芯片，将计算能力置于更靠近 DRAM（动态随机存取存储器，即处理器正在主动使用的快速短期内存）的位置，从而允许常规数据操作在内存附近直接处理，避免了 CPU、GPU 与内存之间昂贵且耗时的往返传输。

近期，全球内存芯片市场格局发生巨变。主导全球内存市场的三星（Samsung）、SK 海力士（SK Hynix）和美光（Micron）今年首次市值均突破万亿美元大关，内存价格及相关股票的上涨也印证了 AI 基础设施正从“以计算为中心”向“以内存为中心”的架构转变。

核心内容

XCENA 刚刚完成 1.35 亿美元的 B 轮融资，估值达到 5.7 亿美元，使其累计融资总额达到 1.85 亿美元。此次融资由首尔的风投机构 Altinum 和 IMM Investment 领投，Corstone Asia、SBI Investment 和 Mirae Asset Capital 等现有投资者跟投。公司目前在全球拥有 90 多名员工，办公地点位于首尔附近的板桥（Pangyo）科技枢纽以及美国 Sunnyvale。

创始团队背景 XCENA 由 Jin Kim 于 2022 年联合创立，CTO 为 Dohun Kim，CPO 为 Harry Juhyun Kim。这三位联合创始人均来自三星和 SK 海力士，这两家巨头是供应 Nvidia GPU 芯片的内存供应商。Jin Kim 指出：“几十年来，CPU 和 GPU 都变得越来越智能，但内存从未改变。XCENA 旨在改变这一现状。”

技术原理：MX1 芯片 XCENA 的核心产品是 MX1 芯片。该芯片通过 CXL（Compute Express Link，计算快速链接）连接到 CPU。CXL 本质上是处理器与内存之间的专用快速通道。MX1 的设计哲学是“将计算带到数据面前，而不是将数据带到计算面前”。

• 数据处理位置：传统架构中，GPU 擅长矩阵乘法（AI 模型训练背后的重数学运算），但大量的数据编排工作（包括预处理、KV 缓存管理、数据缓存等）仍由 CPU 处理。XCENA 的芯片直接在内存模块内部处理这些任务。
• KV 缓存管理：KV 缓存系统用于存储之前的对话上下文，防止模型重新处理历史数据。MX1 直接在内存端管理这一过程。
• 效率提升：公司声称，以往需要 10 台服务器才能完成的任务，现在可能只需一台服务器即可运行。

竞争格局与差异化 虽然 NPU（神经网络处理单元）制造商正在竞相挑战 Nvidia 在训练工作负载中的地位，但 XCENA 瞄准的是位于所有架构之下的、对内存密集型的底层层。

• 主要竞争对手：包括 Astera Labs 和 Marvell（两家均为纳斯达克上市公司），它们都在致力于下一代内存连接技术。
• 技术优势：Jin Kim 表示，与 Marvell 相比，XCENA 的差异化在于知识产权。Marvell 的方法主要依赖少量通用核心，而 XCENA 拥有数千个核心。
• 架构细节：这些核心基于 RISC-V（一种开源芯片设计蓝图）构建，并针对数据处理进行了优化。每个核心都刻意保持小巧高效。此外，XCENA 还自主设计了内部内存层次结构、互连总线和 DRAM 控制器。这种垂直整合程度是大多数芯片公司（包括较大的竞争对手）通常外包出去的。

商业化进程 目前 MX1 仍处于原型阶段。计划于 2026 年底在三星晶圆厂实现量产芯片的出货，公司预计从 2027 年开始产生收入。XCENA 正在与几家全球内存供应商进行早期阶段的对话（Jin Kim 拒绝透露具体名称）。其理想客户是每年在 AI 基础设施上花费数百亿美元的超大规模云服务商（Hyperscalers），因为在这些场景中，内存效率的微小提升就意味着数亿美元的节省。

关键要点

• 融资情况：XCENA 完成 1.35 亿美元 B 轮融资，估值 5.7 亿美元，累计融资 1.85 亿美元。
• 核心痛点：AI 推理不仅是计算问题，更是内存扩展问题。现有的 CPU-GPU-Memory 往返架构效率低下且成本高昂。
• 解决方案：推出 MX1 芯片，利用 CXL 技术将计算能力嵌入内存模块，实现“计算靠近数据”。
• 性能预期：据称可将原本需要 10 台服务器的负载缩减至 1 台，显著降低基础设施成本。
• 技术路线：基于 RISC-V 架构，拥有数千个专为数据处理优化的小型核心；具备高度的垂直整合能力（自研内存层级、总线、控制器）。
• 团队背景：创始团队来自三星和 SK 海力士，深谙内存供应链与 AI 硬件需求。
• 时间表：MX1 目前为原型，计划 2026 年底量产，2027 年产生收入。
• 目标客户：主要面向年投入数十亿美元 AI 基础设施的超大规模云服务商。

意义与影响

XCENA 的崛起标志着 AI 基础设施竞争焦点的转移。过去几年，市场狂热主要集中在 GPU 和 NPU 等计算单元上，试图通过提升算力来突破 AI 模型的性能极限。然而，随着模型规模扩大和推理需求激增，“内存墙”（Memory Wall）问题日益凸显。XCENA 的融资成功表明，投资者开始认可“内存中心架构”（Memory-centric Architectures）在解决 AI 扩展性瓶颈中的关键作用。

从行业影响来看，XCENA 的技术路径可能重塑 AI 数据中心的成本结构。对于超大规模云服务商而言，如果 MX1 能在量产中兑现其效率承诺，将带来巨大的运营成本（OpEx）节约。此外，XCENA 采用的 RISC-V 架构和高度垂直整合的设计，也为芯片行业提供了一种不同于传统 x86 或 ARM 生态的新范式，即通过专用化、细粒度的核心设计来优化特定工作负载（如数据编排和缓存管理），而非单纯追求通用算力的堆砌。

随着三星、SK 海力士和美光市值突破万亿，内存厂商在 AI 产业链中的话语权正在增强。XCENA 作为连接内存与计算的桥梁，其后续量产进度及客户采纳情况，将成为观察 AI 基础设施从“算力驱动”向“存力驱动”转型的重要风向标。