การระดมทุน

Efficient Computer ระดมทุน Series B มากกว่า $97M+ ที่มูลค่า $650M เพื่อขยายโปรเซสเซอร์

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

Efficient Computer ประกาศ เมื่อวันที่ 29 กันยายน 2026 ว่าได้ทำข้อตกลงสำหรับการระดมทุน Series B มากกว่า $97 ล้าน ที่มูลค่า $650 ล้าน โดยนำโดย TQ Ventures. บริษัทกล่าวว่าจะใช้เงินทุนเพื่อจัดส่งโปรเซสเซอร์ Electron E1 ในปริมาณมากให้กับลูกค้าระดับผู้นำและเพื่อขยายสถาปัตยกรรม Fabric ให้ได้ประสิทธิภาพระดับศูนย์ข้อมูล

เงื่อนไขการระดมทุนและนักลงทุน

รอบการระดมทุนนี้ทำให้เงินทุนรวมที่ Efficient Computer ระดมได้เพิ่มเป็น $173 ล้าน ตามประกาศซึ่งอธิบายว่าบริษัทกำลังสร้างโปรเซสเซอร์ที่ประหยัดพลังงานที่สุดในโลก. ผู้เข้าร่วมร่วมกับ TQ Ventures ได้แก่ Eclipse, Union Square Ventures, Giant Ventures, Triatomic Capital, TO Capital, TF Capital, Mana Ventures, Toyota Ventures, Overmatch, และ Borderless. Efficient กล่าวว่าความพยายามในการขยายนี้มุ่งสู่ประสิทธิภาพระดับศูนย์ข้อมูลพร้อมการปรับปรุงการใช้พลังงานกว่า 10 เท่าเมื่อเทียบกับระบบที่สร้างขึ้นในปัจจุบัน

ใน บทความบล็อก ที่ตีพิมพ์ในวันเดียวกัน, CEO และผู้ร่วมก่อตั้ง Brandon Lucia ย้ำว่า Series B มูลค่า $97 ล้าน, การระดมทุนรวม $173 ล้าน, และมูลค่า $650 ล้าน. Lucia เขียนว่าเขา, Nathan, และ Graham ก่อตั้ง Efficient Computer ประมาณ 10 ปีที่แล้วเพื่อทบทวนสถาปัตยกรรมคอมพิวเตอร์อย่างพื้นฐาน, แก้ปัญหาประสิทธิภาพโดยไม่ลดทอนความทั่วไป

หน้า Series B ระบุทีมผู้บริหารเป็น Lucia, ประธานเจ้าหน้าที่บริหาร; Graham Gobieski, ประธานเจ้าหน้าที่เทคโนโลยี; และ Nathan Beckmann, สถาปนิกหลัก

สถาปัตยกรรม Fabric และ Electron E1

Efficient อธิบายสถาปัตยกรรม Fabric ของตนว่าเป็นการออกแบบคอมพิวเตอร์จากศูนย์ใหม่และอ้างว่ามีการปรับปรุงการใช้พลังงานถึง 10-100 เท่าสำหรับการคำนวณทั่วไปรวมถึง AI. บริษัทเปรียบเทียบแนวทางทั่วไปนี้กับสิ่งที่เรียกว่าโซลูชัน “AI-only chip” พิเศษ ซึ่งบริษัทกล่าวว่าไม่รองรับซอฟต์แวร์ส่วนใหญ่และเสี่ยงต่อการล้าสมัยอย่างทันทีเมื่อ AI พัฒนา

ตามประกาศ, สถาปัตยกรรมสนับสนุนเฟรมเวิร์กซอฟต์แวร์ที่ได้รับความนิยมสูงสุดผ่านส่วนหน้า (frontend) ที่จัดการ C, C++ และหลายการสรุปทั่วไปอื่น ๆ. หน้า Series B เพิ่มว่า นักพัฒนาสามารถใช้ C, C++, LiteRT, และ ONNX เพื่อรัน AI ควบคู่กับการรับรู้, การควบคุม, และโค้ดแอปพลิเคชันบนโปรเซสเซอร์ที่โปรแกรมได้หนึ่งชิ้น, และสามารถคอมไพล์ใหม่และอัปเดตอุปกรณ์ที่อยู่ในสนามแล้วเมื่อโมเดลเปลี่ยนแปลง

บน หน้าแรก, Efficient อ้างว่า Electron E1 มีประสิทธิภาพสูงสุดถึง 100 เท่าเมื่อวัดจากแอปพลิเคชันทั้งหมดที่ทำงานบนซิลิคอนจริง, ไม่ใช่พลังงานขณะพักหรือเคอร์เนลเดียวที่ปรับแต่งเฉพาะฮาร์ดแวร์แบบฟังก์ชันคงที่. หน้าเว็บอธิบายว่า effcc Compiler เป็นตัวทดแทนที่ใส่แทน GCC หรือ Clang ที่สกัดความขนาน, วางและเส้นทางโปรแกรมบน Fabric, และคอมไพล์ภายในไม่กี่นาที

Efficient กล่าวว่ารุ่น Electron E1 อยู่ในขั้นตอนการผลิตจำนวนมากและว่าลูกค้ากำลังนำไปใช้สำหรับ AI ทางกายภาพและระบบอัตโนมัติ, การสังเกตโครงสร้างพื้นฐานที่สำคัญ, ด้านอวกาศและการป้องกัน, และอุปกรณ์สวมใส่. จุดเด่นของแอปพลิเคชันบนหน้าแรกอธิบายว่า E1 ทำงานของท่ออัตโนมัติของโดรนทั้งหมดบนชิ้นส่วนเดียว, นำการประมวลผลแบบเรียลไทม์และการบำรุงรักษาเชิงพยากรณ์ไปยังเซนเซอร์โครงสร้างพื้นฐานระยะไกล, และประมวลผลข้อมูลมากขึ้นบนยานอวกาศเพื่อให้ผลการสำรวจที่สำคัญต่อภารกิจเท่านั้นที่ถูกดาวน์โหลดลงในรูปแบบ C และ C++ มาตรฐาน

ประกาศยังระบุว่า Fabric สามารถแทนที่ GPU ฝังที่ใช้พลังงานสูงในสแต็กระบบอัตโนมัติของหุ่นยนต์, ทำให้ระบบทำงานด้วยพลังงานน้อยลง 10 เท่า, และที่ระดับสูงสุดของช่วงประสิทธิภาพมันเร่งงานโหลดของศูนย์ข้อมูลที่หลากหลายและไม่สม่ำเสมอซึ่งไม่เหมาะกับชิปเร่งความเร็ว AI และ GPU

“ลูกค้าทุกคนที่เราเจอมีเวอร์ชันของผลิตภัณฑ์ที่พวกเขาไม่สามารถสร้างได้, เนื่องจากงบประมาณกำลังคำนวณทำให้ความสามารถใหม่ที่ต้องการเป็นไปไม่ได้,” Lucia กล่าวในประกาศ. เขากล่าวว่ารอบการระดมทุนนี้ขยายความพยายามนั้นไปยังกรณีการใช้งานและโดเมนเพิ่มเติมมากมายเมื่อ Efficient ขยายสถาปัตยกรรม Fabric จากอุปกรณ์ที่กำลังจัดส่งไปสู่ระดับศูนย์ข้อมูล

ประวัติการก่อตั้งและเหตุผลเชิงเทคนิค

ในบทความบล็อกของเขา, Lucia โต้แย้งว่าเมื่อการสเกลกระบวนการ CMOS ช้าลงพร้อมกับการสิ้นสุดของกฎของมอร์และการสเกลของเดนนาร์ด, การเพิ่มประสิทธิภาพการคำนวณส่วนใหญ่มาจากการแลกเปลี่ยนสถาปัตยกรรมที่ให้ความสำคัญกับประสิทธิภาพโดยเสียค่าในด้านประสิทธิภาพการใช้พลังงาน, รวมถึงโครงสร้างหน่วยความจำขนาดใหญ่ที่ใช้พลังงานสูง, การเชื่อมต่อ, และส่วนหน้า (front-ends) ที่พยายามสกัดความขนานจากสตรีมคำสั่งเชิงลำดับ. เขาอ้างอิงกฎของ Amdahl เพื่อต่อต้านตัวเร่งความเร็วแบบฟังก์ชันคงที่: ในตัวอย่างของเขา, แม้ว่า 90 เปอร์เซ็นต์ของการคำนวณจะพอดีกับตัวเร่งและส่วนเวลาพลังงานของส่วนนั้นลดลงเป็นศูนย์, ประโยชน์สูงสุดก็ยังเป็น 10 เท่าเท่านั้นเพราะส่วนที่เหลือ 10 เปอร์เซ็นต์ยังคงไม่มีประสิทธิภาพ

Lucia เขียนว่าเทคโนโลยีของ Efficient นำมาซึ่งการปรับปรุงประสิทธิภาพการใช้พลังงาน 10-100 เท่าเมื่อเทียบกับสถาปัตยกรรม CPU แบบดั้งเดิม, และว่าบริษัทได้เริ่มทำงานเพื่อขยายไปสู่โดเมนที่ต้องการประสิทธิภาพสูงขึ้น: ระบบอัตโนมัติของหุ่นมนุษย์, การขับขี่อัตโนมัติ, และ AI แบบเอเจนต์ที่ขอบและบนคลาวด์

คำแถลงของนักลงทุนและขั้นตอนต่อไป

Andrew Marks, หุ้นส่วนผู้ร่วมก่อตั้งที่ TQ Ventures, กล่าวว่า สถาปัตยกรรมของ Efficient แตกต่างอย่างพื้นฐานจากการออกแบบที่มีอยู่และนำสิ่งที่เขาเรียกว่าฟังก์ชันขั้นบันไดในประสิทธิภาพมาสู่การคอมพิวเตอร์ทั่วไป พร้อมเสริมว่าความสามารถของผู้ก่อตั้งในการสร้างทั้งฮาร์ดแวร์และซอฟต์แวร์ทำให้บริษัทเชื่อมั่น “ไม่เพียงแต่พวกเขาได้ทำการตัดแบบ (tape‑out) สี่ครั้งแล้ว, แต่พวกเขายังได้จัดส่งชิปให้กับลูกค้าในปริมาณมากแล้ว” Marks กล่าว

Rebecca Kaden, หุ้นส่วนทั่วไปที่ USV, กล่าวว่า ความสามารถของบริษัทในการส่งมอบการเพิ่มประสิทธิภาพเช่นนี้ทั่วสเปกตรัมของประสิทธิภาพจะเปลี่ยนวิธีการสร้างและใช้งานคอมพิวเตอร์ ตั้งแต่ AI ทางกายภาพจนถึงศูนย์ข้อมูล Zenetta Burger, หุ้นส่วนผู้นำสหรัฐที่ Giant Ventures, กล่าวว่า ผู้ก่อตั้งใช้เวลาหลายปีที่ Carnegie Mellon เพื่อแก้ไขปัญหาสถาปัตยกรรมที่อยู่เบื้องหลังการคอมพิวเตอร์ที่ใช้พลังงานอย่างมีประสิทธิภาพ Greg Reichow, หุ้นส่วนที่ Eclipse, กล่าวว่า บริษัทได้สนับสนุน Efficient ตั้งแต่เริ่มต้นและสถาปัตยกรรมเดียวกันกำลังขยายจาก AI ทางกายภาพไปสู่ศูนย์ข้อมูลพร้อมกับความต้องการของลูกค้าที่เร่งขึ้น

คำแถลงจากผู้สนับสนุนเพิ่มเติมปรากฏบนหน้า Series B ของบริษัท Chris Abshire, หุ้นส่วนที่ Toyota Ventures, กล่าวว่า การผสานประสิทธิภาพระดับเร่งความเร็วกับความสามารถในการเขียนโปรแกรมทั่วไปทำให้ระบบที่มีความสามารถมากขึ้นในสภาพแวดล้อมที่พลังงานเคยเป็นข้อจำกัดที่ยาวนาน Patrick O’Kain, หุ้นส่วนที่ Borderless Capital, กล่าวว่า พลังงานเป็นข้อจำกัดที่แท้จริงของที่ที่ความจุการคอมพิวเตอร์ระดับสูงสามารถตั้งอยู่ได้ ทั้งในเชิงพาณิชย์และการใช้เพื่อความปลอดภัยระดับชาติ และระบุว่า E1 ได้เริ่มจัดส่งในปริมาณมากแล้ว

Efficient กล่าวว่า บริษัทได้ขยายการผลิต Electron E1 เพื่อให้สอดคล้องกับความสนใจของลูกค้าที่เหนือความคาดหมายและจะต่อเนื่องขยายปริมาณการผลิตจนถึงปี 2027 เพื่อให้บริการฐานลูกค้าทั่วโลก หน้า Series B นำเสนอรอบการระดมทุนนี้ว่าเป็นการนำเทคโนโลยีของบริษัทจากโปรเซสเซอร์รุ่นแรกสู่ผลิตภัณฑ์ที่หลากหลายยิ่งขึ้น โดยมีชิปที่กำลังพัฒนาเพื่อใช้งานใน GPU ฝังตัวและสถาปัตยกรรม Fabric ที่ขยายไปสู่การคอมพิวเตอร์ระดับศูนย์ข้อมูล

Theo Nash เป็นผู้เชี่ยวชาญที่สร้างโดย AI ที่ Unite.AI, ครอบคลุมโครงสร้างพื้นฐาน AI, การคำนวณ, และระบบฮาร์ดแวร์ที่ขับเคลื่อนปัญญาประดิษฐ์สมัยใหม่ งานของเขามุ่งเน้นที่พื้นฐานทางเทคนิคเบื้องหลังภาระงาน AI ขนาดใหญ่ รวมถึงศูนย์ข้อมูล, ตัวเร่งความเร็ว, เครือข่าย, และสแตกซอฟต์แวร์ที่เชื่อมโยงพวกมันเข้าด้วยกัน.

ด้วยมุมมองเชิงวิเคราะห์และขับเคลื่อนโดยวิศวกรรม, Theo ตรวจสอบว่าความก้าวหน้าใน GPU, ซิลิกอนแบบกำหนดเอง, สถาปัตยกรรมหน่วยความจำ, และระบบกระจายทำให้รุ่นใหม่ของโมเดล AI สามารถเกิดขึ้นได้อย่างไร เขาให้ความสนใจเป็นพิเศษต่อการแลกเปลี่ยนด้านประสิทธิภาพ, ประสิทธิภาพการใช้พลังงาน, ความสามารถในการขยาย, และข้อจำกัดเชิงปฏิบัติที่กำหนดการใช้งานจริงของโครงสร้างพื้นฐาน AI.

บทความที่เขียนโดย Theo Nash สร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อรับประกันความแม่นยำทางเทคนิค, ความชัดเจน, และการครอบคลุมอย่างรับผิดชอบต่อภูมิทัศน์การคำนวณ AI ที่กำลังพัฒนาอย่างรวดเร็ว