2026 年 2 月 24 日，AI 晶片新創公司 MatX 宣布完成 5 億美元 B 輪融資——半導體產業史上規模最大的 B 輪。由前 Google TPU 核心工程師創辦的 MatX，推出專為大型語言模型（LLM）設計的 MatX One 晶片，宣稱在 LLM 工作負載上達到現有 GPU 約十倍的性能。消息傳出當日，Nvidia 股價應聲下跌 5.46%。一場重塑 AI 晶片市場格局的戰爭，正式打響。
MatX 這輪 5 億美元的 B 輪融資由兩家極具分量的機構共同領投：一是全球頂級量化交易巨頭 Jane Street，二是由前 OpenAI 研究員 Leopold Aschenbrenner 創辦的 Situational Awareness 基金。Aschenbrenner 因其在 AI 安全研究領域的深厚背景和對 AI 發展軌跡的精準判斷而備受業界尊敬，他的入局為 MatX 帶來的不僅是資金，更是一種強烈的產業信號——頂尖 AI 思想家正在用真金白銀押注 Nvidia GPU 並非 LLM 時代的最優解。
跟投陣容同樣星光璀璨。半導體巨頭 Marvell Technology 的參與，意味着 MatX 的技術路線已獲得業界資深玩家的認可。知名風投 Spark Capital 的加入帶來了矽谷的背書。而 Stripe 聯合創辦人 Patrick 和 John Collison 兄弟的個人投資，則表明了科技創業界頂尖人物對 AI 基礎設施變革的信心。加上此前的種子輪和 A 輪，MatX 的累計融資總額已接近 6 億美元。
要理解 MatX 的野心，必須先理解其兩位創辦人的背景。Reiner Pope 和 Mike Gunter 都是前 Google 工程師，深度參與了 Google Tensor Processing Unit（TPU）的設計和開發。TPU 是 Google 專門為機器學習工作負載打造的定制晶片，在 Google 內部支撐着從搜索排名到 Gemini 大模型的幾乎所有 AI 應用。他們在 Google 的親身經歷讓他們深刻認識到一個根本問題：通用型 GPU 並非運行 LLM 的最佳硬件。
Nvidia 的 GPU 原本是為圖形渲染設計的，後來因其大規模並行計算能力被 AI 研究社群所採用。這種「歪打正着」的歷程，意味着 GPU 的架構中充滿了為圖形處理而設計的硬件模塊——這些模塊在 LLM 推理和訓練中毫無用處，卻依然佔用着寶貴的晶片面積、消耗着電力和散熱預算。Pope 和 Gunter 在 Google TPU 項目中看到了專用晶片的巨大潛力，但也看到了 TPU 作為 Google 內部項目的局限性——它無法為整個產業服務。於是，他們在 2023 年離開 Google，創辦了 MatX，目標是打造一款面向整個市場的 LLM 專用晶片。
MatX One 的核心技術創新在於其獨特的記憶體架構。傳統的 AI 加速器通常依賴 HBM（High Bandwidth Memory，高頻寬記憶體）來提供大容量的數據存儲，或者像某些推理晶片那樣純粹依賴 SRAM（Static Random-Access Memory，靜態隨機存取記憶體）來提供超低延遲的數據訪問。MatX One 則在單一晶片中同時整合了 SRAM 和 HBM，將兩者的優勢合而為一。
在 LLM 推理過程中，模型需要頻繁讀取龐大的權重參數，同時快速處理注意力機制中的鍵值快取（KV cache）。SRAM 提供了接近計算核心的超高速數據通道，大幅減少了數據搬運的延遲；而 HBM 則確保了足夠的記憶體容量來容納完整的模型權重。這種混合架構讓 MatX One 在 LLM 工作負載上實現了極高的計算效率——MatX 宣稱其性能約為現有 GPU 的十倍。
更值得關注的是 MatX One 的擴展性設計。數十萬顆 MatX One 晶片可以互連組成大規模集群，這意味着它不僅能處理推理工作負載，還能支撐訓練場景中所需的龐大計算規模。這一點讓 MatX 與其他 Nvidia 挑戰者形成了鮮明的差異化。
在「挑戰 Nvidia」的賽道上，MatX 並非孤軍奮戰。Groq 以其 LPU（Language Processing Unit）在推理市場闖出了名號，SambaNova 則以其可重配置數據流架構見長。然而，這些競爭者有一個共同的特點：它們主要聚焦於推理市場，迴避了技術門檻和資本需求更高的訓練市場。
MatX 的策略則截然不同。MatX One 從一開始就被設計為同時覆蓋訓練和推理兩大場景。這是一個極具野心的定位，因為訓練工作負載的計算密集度、數據並行需求和容錯要求，與推理工作負載有着根本性的差異。能夠在單一晶片架構上同時優化這兩種截然不同的工作負載，是 MatX 技術實力的最佳證明，也是其獲得天量融資的關鍵原因。
對於大型 AI 實驗室和雲端服務商而言，如果一款晶片只能做推理，那麼他們仍然需要購買 Nvidia GPU 來進行訓練，Nvidia 的鎖定效應依然存在。只有同時覆蓋訓練和推理，才能真正為客戶提供「去 Nvidia 化」的完整方案。
MatX 的崛起並非發生在真空之中。AI 晶片市場正處於一個爆炸性增長的歷史拐點。根據產業研究機構的預測，全球 AI 晶片市場規模將從 2025 年的 944 億美元增長至 2026 年的 1,217 億美元，並在 2035 年達到驚人的 1.1 萬億美元。這個十年十倍的增長空間，為 Nvidia 的挑戰者們提供了充足的生存和壯大的土壤。
更令人矚目的是，在 MatX 宣布融資的同一週內，超過 12 億美元的資金流入了其他 Nvidia 替代方案。芬蘭 AI 晶片新創 Taalas、專注推理的 SambaNova，以及歐洲邊緣 AI 晶片公司 Axelera 都在同期獲得了大額融資。這種資金集中湧入的現象表明，投資市場正在系統性地押注 AI 晶片市場的多元化——Nvidia 的「一家獨大」局面正面臨前所未有的挑戰。
Nvidia 在 AI 晶片市場的統治地位建立在三根支柱之上：頂尖的硬件性能、無與倫比的 CUDA 軟件生態系統、以及在 AI 研究社群中根深蒂固的使用慣性。長期以來，挑戰者們即使在硬件性能上有所突破，也往往在 CUDA 生態這堵高牆面前鎩羽而歸——因為數以百萬計的 AI 研究者和工程師已經習慣了用 CUDA 編寫和優化他們的代碼。
然而，LLM 時代的到來正在悄然侵蝕這道護城河。與傳統的深度學習模型不同，LLM 的架構高度統一（幾乎全部基於 Transformer），工作負載模式也相對可預測。這意味着為 LLM 優化的專用晶片不需要像通用 GPU 那樣支持千變萬化的模型架構，只需要在 Transformer 這一種架構上做到極致即可。MatX 的兩位創辦人在 Google TPU 上積累的經驗，讓他們精確地知道如何為 Transformer 架構量身打造硬件。
Nvidia 股價在 MatX 融資消息傳出當日下跌 5.46%，蒸發了超過千億美元的市值。雖然單日股價波動不能說明一切，但它反映了市場對 Nvidia 長期壟斷地位的重新評估。當一家成立僅三年、產品尚未量產的新創公司能夠引發 Nvidia 千億美元市值的震盪，這本身就是市場格局正在轉變的最佳佐證。
儘管 MatX 的技術願景令人振奮，但必須清醒地認識到，從晶片設計到大規模量產之間橫亙着半導體產業中最殘酷的「死亡之谷」。MatX 計劃在一年內完成晶片的 tape-out（流片），由全球晶圓代工龍頭台積電（TSMC）負責製造，預計 2027 年開始出貨。
這條時間線意味着 MatX 至少還需要跨越以下幾道關卡：首先是 tape-out 的成功率問題，先進製程的首次流片良率往往令人揪心；其次是軟件棧的完備性，即使硬件性能再強，沒有成熟的編譯器、運行時環境和開發工具，客戶也無法有效利用這些晶片；第三是供應鏈的穩定性，在台積電產能被各大科技巨頭爭搶的當下，一家新創公司能否拿到足夠的產能配額是一個現實問題。
此外，MatX 面臨的競爭環境也在快速演變。Nvidia 不會坐以待斃——其 Rubin 架構和後續的路線圖將持續拉高性能標桿。而 Google、Amazon、Microsoft 等雲端巨頭也在加速自研晶片的佈局，進一步壓縮獨立晶片新創的市場空間。MatX 的 6 億美元總融資雖然數額驚人，但與這些巨頭每年數百億美元的研發投入相比，仍然是小巫見大巫。
MatX 的崛起對亞太地區的 AI 產業鏈具有深遠影響。長期以來，香港和大灣區的 AI 企業高度依賴 Nvidia GPU，從雲端訓練到邊緣推理幾乎別無選擇。MatX One 等新型 AI 晶片的出現，有望為本地企業提供更多元的硬件選項。特別是在 LLM 推理成本成為商業落地瓶頸的當下，性能功耗比更高的專用晶片可能成為降低推理成本的關鍵。
對於香港的投資者而言，MatX 的巨額融資傳遞了一個清晰的信號：AI 晶片市場正在從 Nvidia 的「一超獨大」走向「群雄並起」。這不意味着 Nvidia 會被取代，但它確實意味着 AI 晶片產業鏈的價值分配正在被重新洗牌。關注台積電先進製程產能的分配、HBM 記憶體供應商的訂單結構變化，以及下游 AI 服務商的硬件採購策略調整，將是把握這一產業趨勢的關鍵。
值得特別注意的是，無論 MatX、Nvidia 還是其他 AI 晶片新創如何競爭，它們最終都需要仰賴台積電的先進製程。MatX 選擇台積電作為其製造合作夥伴，進一步強化了台積電在 AI 晶片供應鏈中不可替代的樞紐角色。對於港股市場中追蹤半導體板塊的投資者而言，台積電及其上游設備和材料供應商，可能是在 AI 晶片群雄爭霸中最穩健的投資標的。