Axelera AI 融資逾 2.5 億美元：歐洲史上最大 AI 半導體投資

2026 年 2 月 24 日，總部位於荷蘭恩荷芬（Eindhoven）的 AI 晶片新創公司 Axelera AI 宣佈完成逾 2.5 億美元的新一輪融資，由荷蘭深科技投資機構 Innovation Industries 領投。這筆交易不僅使 Axelera AI 自 2021 年 7 月創立以來的累計融資總額突破 4.5 億美元，更創下了歐盟 AI 半導體公司有史以來獲得的最大單筆投資紀錄。在全球 AI 晶片市場仍由美國巨頭主導的格局下，這家來自歐洲的新創正以截然不同的技術路線和市場策略，向業界證明：邊緣 AI 推理的未來，未必只能由矽谷定義。

融資詳情與投資者陣容

此次融資的投資者陣容橫跨金融、科技與產業投資等多個領域，展現了市場對 Axelera AI 技術路線和商業模式的廣泛認可。領投方 Innovation Industries 是荷蘭最活躍的深科技投資基金之一，長期專注於半導體、光子學和精密工程等恩荷芬科技生態系統的核心領域。其參與不僅帶來了充裕的資金，更為 Axelera AI 打開了荷蘭乃至歐洲高端製造業和研究機構的深層網絡。

新進投資者中，全球最大資產管理公司貝萊德（BlackRock）的加入尤為矚目。貝萊德管理超過 10 萬億美元的資產，其參與 AI 半導體初創的早期融資，反映了機構資本對這一賽道的戰略性看好。另一位新投資者 SiteGround Capital 的進入，則進一步豐富了 Axelera AI 的資本結構。與此同時，三星催化基金（Samsung Catalyst Fund）、Bitfury 以及意大利國家風投基金 CDP Venture Capital 等既有投資者繼續追加投資，彰顯了對公司發展軌跡的持續信心。

三星催化基金的持續參與尤其值得關注。作為全球頂級晶圓代工廠商之一，三星既是 Axelera AI 的財務投資者，也是其潛在的製造合作夥伴。事實上，Axelera AI 目前同時與台積電（TSMC）和三星合作進行晶片製造，這種「雙軌」代工策略不僅分散了供應鏈風險，也讓公司在製程選擇和產能分配上擁有更大的靈活性。在全球晶圓代工產能持續緊張的背景下，這是許多初創晶片公司難以複製的競爭優勢。

Metis 晶片：重新定義邊緣 AI 算力

Axelera AI 的核心技術與商業價值，集中體現在其旗艦產品 Metis AI 晶片上。這款晶片的性能參數令人印象深刻：在僅約 10 瓦的功耗下，Metis 能夠實現每秒 214 萬億次運算（214 TOPS）。要理解這一數字的意義，可以做一個簡單的對比——NVIDIA 的數據中心級 AI 加速卡動輒消耗數百瓦功率，而 Metis 在不到其百分之五的功耗預算下，就能在邊緣場景中提供足夠的推理算力。

這種極致的能效比並非來自簡單的工程優化，而是源於一項根本性的架構創新：數位記憶體內運算（Digital In-Memory Computing，D-IMC）。傳統的處理器架構遵循馮·紐曼（von Neumann）設計，數據需要在記憶體和處理器之間反覆搬運，這一過程消耗了大量的能量和時間——在 AI 推理工作負載中，數據搬運所消耗的能量甚至可以超過實際計算本身。D-IMC 架構的核心思路是將計算直接嵌入記憶體陣列中，讓數據「就地」完成運算，從根本上消除了數據搬運的瓶頸。

值得強調的是，Axelera AI 選擇的是「數位」記憶體內運算，而非類比（analog）方案。類比記憶體內運算雖然理論上能效更高，但在精度控制、良率和可重複性方面面臨嚴峻挑戰。數位方案犧牲了一小部分理論效率，但換來了與現有半導體製造流程的完全兼容性，以及穩定可靠的運算精度——這對工業和國防等要求極高可靠性的應用場景而言至關重要。

「我們從一開始就不是在做一款雲端晶片的『縮小版』。Metis 的每一個電路設計決策，都是圍繞邊緣場景的功耗、散熱和尺寸限制從零開始做的。」——Axelera AI 技術文獻中反覆強調的設計哲學。

邊緣優先策略：與雲端巨頭的本質差異

理解 Axelera AI 的市場定位，需要先理解 AI 晶片產業的一條重要分界線：雲端訓練/推理晶片與邊緣推理晶片，是兩個截然不同的設計問題。絕大多數獲得鉅額融資的 AI 晶片公司——包括 NVIDIA、AMD、甚至近期備受矚目的 Etched AI——主要瞄準的是數據中心場景，在那裡，充足的電力供應、完善的冷卻系統和寬裕的物理空間允許晶片以最大功率運行。

Axelera AI 走的是一條完全相反的道路。其「邊緣優先」（edge-first）策略意味着，Metis 晶片從架構設計階段就將嚴苛的功耗上限（通常低於 15 瓦）和散熱限制（無風扇、自然對流或有限的被動散熱）作為不可妥協的設計約束。這與那些先為數據中心設計高性能晶片、再透過閹割功能或降低頻率來適應邊緣場景的「自上而下」路線形成了鮮明對比。

這種設計哲學的優勢在實際部署中體現得尤為明顯。在工廠車間、零售門市、農場或軍事前線等場景中，AI 推理設備往往需要在密封的外殼中持續運行，沒有空調、沒有網絡中心的穩定電源，甚至可能面臨極端溫度和震動環境。一款在這些條件下仍能穩定運行的晶片，其價值遠超紙面上的 TOPS 數字。

Axelera AI 的邊緣優先策略也完美契合了 AI 產業的一個重要趨勢：推理工作負載正在從雲端向邊緣大規模遷移。隨着 AI 模型在工業、安防、零售等場景中的部署密度急劇增加，將所有推理請求傳回雲端處理不僅帶來了延遲問題，更產生了難以承受的數據傳輸成本和隱私風險。邊緣推理——讓 AI 在數據產生的地方就地完成運算——正成為越來越多企業的首選方案。

商業擴張：客戶數五倍增長的背後

技術的優越性最終需要通過商業化來驗證，而 Axelera AI 在這方面的表現同樣引人注目。公司在宣佈融資的同時透露，其產品已交付至第 500 位全球客戶手中，這意味着在短短 12 個月內，客戶數量實現了五倍增長。這一擴張速度在半導體初創公司中極為罕見——晶片產品通常需要漫長的認證和整合週期，客戶的導入速度遠慢於軟體產品。

Axelera AI 的客戶遍佈多個行業垂直領域，每一個都有其獨特的需求和痛點。在國防和公共安全領域，即時的影像分析和物件偵測能力對前線決策至關重要，而這些場景往往無法依賴雲端連接。在製造業，產線上的即時品質檢測需要毫秒級的推理延遲，任何將數據傳回雲端的方案都會造成不可接受的停機時間。在零售業，智能貨架管理、顧客行為分析和防盜系統都在向邊緣 AI 遷移。在農業科技領域，田間的作物監測和病蟲害識別需要在沒有穩定網絡覆蓋的環境中運行。在機器人領域，自主導航和物件操作的決策必須在本地完成，任何雲端延遲都可能導致碰撞或事故。

這種多元化的客戶基礎不僅分散了營收風險，更證明了 Metis 晶片架構的通用性——同一款晶片能夠透過不同的軟體堆疊適應截然不同的工作負載，這正是優秀平台型晶片的標誌。許多專用 AI 加速器只能高效處理特定類型的神經網絡模型，而 Metis 的 D-IMC 架構在卷積網絡、Transformer 和混合架構等多種模型上都表現出色。

全球推理市場：1,060 億到 2,550 億美元的增長機遇

Axelera AI 的融資時機精準地卡在了 AI 推理市場爆發的前夜。根據行業研究機構的數據，全球 AI 推理市場在 2025 年的規模約為 1,060 億美元，預計到 2030 年將增長至 2,550 億美元，年複合增長率接近 20%。這一增長軌跡的背後，是一個被市場長期低估的事實：AI 模型的推理成本在其整個生命週期中，是訓練成本的約 15 倍。

這個比例值得深入拆解。一個大型 AI 模型的訓練通常是一次性的（或數次迭代性的）工程，需要投入龐大但有限的算力。然而，一旦模型部署上線，它每天 24 小時、每週 7 天地處理用戶請求，持續消耗推理算力。隨着模型被越來越多的用戶和應用場景使用，推理成本會線性甚至超線性地增長。換言之，AI 產業的真正成本中心不在「創造智慧」的訓練階段，而在「運用智慧」的推理階段。

這一結構性特徵為專注推理的晶片公司創造了巨大的市場機會。訓練晶片市場由 NVIDIA 近乎壟斷，其 A100 和 H100 系列 GPU 憑藉強大的軟體生態系統（CUDA）建立了幾乎不可撼動的護城河。但推理市場的競爭格局遠未定型——推理工作負載的多樣性、對能效的極致要求，以及邊緣場景的碎片化需求，都為專用晶片公司創造了差異化競爭的空間。Axelera AI 正是瞄準了這一結構性機會。

競爭版圖：歐洲晶片新創的崛起

Axelera AI 的融資成績需要放在更廣闊的全球 AI 晶片競爭版圖中來理解。在美國，Etched AI 在 2025 年完成了高達 5 億美元的融資，其 Sohu 晶片專為 Transformer 模型推理而設計。在英國，Fractile 獲得了約 1 億英鎊的融資，同樣聚焦 AI 推理加速。這些大額融資共同指向一個清晰的趨勢：資本市場正在對「推理專用晶片」這一細分賽道進行大規模下注。

然而，Axelera AI 與這些競爭對手之間存在顯著的定位差異。Etched AI 的 Sohu 晶片採用的是 ASIC（專用積體電路）路線，針對 Transformer 架構進行了極致優化，但這也意味着它在非 Transformer 工作負載上的靈活性受限。Fractile 同樣瞄準數據中心場景。相比之下，Axelera AI 的 D-IMC 架構兼顧了效率和通用性，且明確定位邊緣場景——一個目前競爭遠不如數據中心激烈、但增長潛力同樣巨大的市場。

從歐洲產業政策的角度來看，Axelera AI 的成功融資也具有標誌性意義。長期以來，歐洲在半導體設計領域嚴重落後於美國和亞洲。儘管荷蘭擁有全球光刻機壟斷者 ASML，但在晶片設計和 AI 加速器領域，歐洲幾乎沒有能與 NVIDIA、AMD 或高通競爭的企業。Axelera AI 的崛起，以及這筆「歐盟 AI 半導體史上最大投資」的落地，為歐洲的半導體自主願景注入了一劑強心針。

「歐洲不缺頂尖的半導體研究人才和精密製造能力，缺的是敢於在前沿晶片設計上進行大額風險投資的決心。Axelera AI 的融資證明，這一局面正在改變。」——歐洲半導體產業觀察人士評論。

技術深潛：數位記憶體內運算的原理與優勢

要深入理解 Axelera AI 的技術護城河，需要對數位記憶體內運算（D-IMC）做更細緻的技術剖析。在傳統的處理器架構中，數據存儲在 DRAM 或 SRAM 記憶體中，運算則在獨立的算術邏輯單元（ALU）中進行。每一次運算都需要將數據從記憶體讀取到處理器，完成計算後再將結果寫回記憶體。這個過程被稱為「記憶體牆」（memory wall），是現代處理器性能和能效的最大瓶頸之一。

在 AI 推理工作負載中，這一瓶頸尤為嚴重。深度學習推理的核心運算是矩陣乘法和卷積操作，這些運算涉及海量的權重參數讀取。以一個中等規模的 AI 模型為例，一次推理可能需要讀取數億到數十億個權重參數，每個參數都要從記憶體搬運到處理器——這些數據搬運消耗的能量，往往是實際乘法和加法運算本身的 10 倍到 100 倍。

D-IMC 架構的解決方案是將基本的運算邏輯直接嵌入記憶體單元中。權重參數被預先載入記憶體陣列，當輸入數據到達時，乘法和累加操作直接在記憶體內完成，只有最終的運算結果需要被讀出。這一改變將數據搬運量降低了數個數量級，從而使功耗大幅下降。Metis 晶片能在僅 10 瓦功耗下實現 214 TOPS 的性能，D-IMC 架構是最核心的功臣。

選擇「數位」而非「類比」的實現方式，則是 Axelera AI 的另一個關鍵技術決策。類比記憶體內運算利用電壓或電流的連續變化來表示數值，理論上可以實現更高的運算密度和更低的功耗。但類比電路對製程偏差、溫度變化和老化效應極度敏感，導致運算精度難以保證。對於需要長期穩定運行的工業和國防應用而言，這是不可接受的風險。數位 D-IMC 在記憶體陣列中使用標準的數位邏輯進行運算，確保了結果的確定性和可重複性，同時仍然獲得了記憶體內運算在減少數據搬運方面的核心優勢。

對香港的啟示與機遇

Axelera AI 的成功融資和快速商業化，對香港的科技產業和投資界提供了多層面的啟示和實質性的機遇。

智慧城市與邊緣 AI 部署

香港正在大力推進智慧城市建設，從智能交通管理到公共安全監控，從環境監測到樓宇自動化，這些應用場景無一例外地需要大量的邊緣 AI 推理能力。Axelera AI 的 Metis 晶片所代表的超低功耗、高性能邊緣推理方案，恰恰是香港在高密度城市環境中部署 AI 系統的理想技術選擇。在香港炎熱潮濕的氣候和空間極度有限的城市環境中，低功耗、無風扇的邊緣 AI 設備比傳統方案更具實用價值。

供應鏈與製造業連接

Axelera AI 與台積電和三星的雙軌代工合作模式，為香港作為亞洲科技供應鏈樞紐的角色提供了新的思考維度。香港的金融和物流基礎設施可以在歐洲 AI 晶片公司拓展亞太市場的過程中發揮關鍵的中介作用。隨着全球半導體供應鏈的重組和多元化趨勢加速，香港有機會成為連接歐洲晶片設計公司與亞洲製造和終端市場的重要節點。

投資與融資生態

BlackRock 參與 Axelera AI 的融資，反映了全球頂級機構投資者對 AI 半導體初創公司的認可。香港作為亞洲首要的國際金融中心，其基金管理、私募股權和風險投資生態系統正在積極尋求 AI 領域的投資機會。歐洲 AI 半導體公司的崛起，為香港投資者提供了除美國和中國大陸之外的第三條投資路徑，有助於投資組合的地理多元化。

此外，香港的大學和研究機構——包括香港大學、香港科技大學和香港中文大學——在 AI 和半導體研究方面具有相當實力。Axelera AI 的技術路線（記憶體內運算）恰好是這些機構的活躍研究方向之一。加強與歐洲前沿晶片公司的學術合作和人才交流，有助於香港在全球 AI 半導體創新網絡中佔據更有利的位置。

「邊緣 AI 推理市場的爆發將創造巨大的價值鏈機會。香港需要在晶片設計生態支持、邊緣 AI 應用場景開發和跨境技術投資三個維度上同步佈局，才能在這波浪潮中最大化自身優勢。」——一位香港科技投資界人士分析。

前景展望：邊緣推理時代的序幕

Axelera AI 的逾 2.5 億美元融資，標誌着 AI 晶片產業的競爭正式進入了一個新階段。過去數年間，AI 晶片的敘事幾乎完全被「更大的模型、更多的 GPU、更龐大的數據中心」所主導。但隨着 AI 從實驗室走向真實世界的每一個角落——工廠車間、城市街道、農田和戰場——邊緣推理的重要性正在急劇上升。在這個轉折點上，一家來自荷蘭恩荷芬的初創公司，以獨特的記憶體內運算架構和堅定的邊緣優先策略，成為了這場變革的先鋒。

當然，挑戰依然艱鉅。軟體生態系統的建設是所有 AI 晶片初創面臨的最大難題——NVIDIA 的 CUDA 平台經過十多年的積累，擁有龐大的開發者社群和豐富的工具鏈，任何新進者都必須在軟體層面提供足夠的易用性，才能說服客戶從現有方案遷移。此外，隨着 AI 模型的規模持續增長，邊緣設備是否能跟上模型複雜度的提升速度，也是一個需要持續驗證的問題。

但市場的風向已經明確。1,060 億美元增長至 2,550 億美元的全球推理市場、推理成本是訓練成本 15 倍的經濟結構、以及邊緣場景對低功耗和低延遲的剛性需求，共同構成了 Axelera AI 的長期成長邏輯。在 500 位全球客戶的驗證、逾 4.5 億美元的資金儲備和 D-IMC 技術護城河的支撐下，這家歐洲新創具備了在未來數年內持續擴張的底氣。

對全球 AI 產業而言，Axelera AI 的崛起傳遞了一個重要信號：AI 晶片的未來不會是一家獨大的局面。不同的應用場景、不同的功耗和性能需求、不同的部署環境，將催生出多條並行的技術路線和多家具有競爭力的晶片公司。雲端有 NVIDIA 和 AMD 的主場，Transformer 專用推理有 Etched AI 的嘗試，而在邊緣 AI 推理這條至關重要的賽道上，Axelera AI 正在用實際的產品出貨和客戶增長，書寫屬於歐洲的半導體新篇章。