融资

Efficient Computer完成 $97M+ B轮融资,估值 $650M,以扩大处理器规模。

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Efficient Computer 宣布于2026年9月29日已签署超过 $97 million 的Series B融资协议,估值为 $650 million,由TQ Ventures领投。公司表示将使用这笔资本大规模向领先客户交付其Electron E1处理器,并将其Fabric架构扩展至数据中心级别的性能。

融资条款与投资者

据公告称,此轮融资使 Efficient Computer 的累计融资额达到 $173 million,公告将公司描述为打造全球最节能的处理器。除 TQ Ventures 外的参与者还包括 Eclipse、Union Square Ventures、Giant Ventures、Triatomic Capital、TO Capital、TF Capital、Mana Ventures、Toyota Ventures、Overmatch 和 Borderless。Efficient 表示,此次扩张旨在实现数据中心级别的性能,并在能源消耗上比当前系统提升超过10倍。

在同一天发布的配套 博客文章 中,首席执行官兼联合创始人 Brandon Lucia 重申了 $97 million 的Series B、$173 million 的总融资以及 $650 million 的估值。Lucia 写道,他、Nathan 和 Graham 大约十年前创立了 Efficient Computer,旨在从根本上重新思考计算机架构,在不牺牲通用性的前提下实现效率提升。

公司在其 Series B 页面 中列出了领导团队:Lucia,首席执行官;Graham Gobieski,首席技术官;以及 Nathan Beckmann,首席架构师。

Fabric 架构与 Electron E1

Efficient 将其 Fabric 架构描述为一次全新设计的计算体系,并声称在通用计算(包括 AI)方面实现了 10‑100 倍的能耗改进。公司将这种通用方法与其所谓的专用“仅 AI 芯片”替代方案进行对比,称后者不支持大多数软件,并且随着 AI 的演进面临瞬间淘汰的风险。

根据公告,该架构通过一个前端支持最流行的软件框架,能够处理 C、C++ 以及许多其他常见抽象。Series B 页面补充说明,开发者可以使用 C、C++、LiteRT 和 ONNX 在单个可编程处理器上同时运行 AI、感知、控制和应用代码,并且能够在模型变化时重新编译和更新已部署的设备。

在其 主页 上,Efficient 声称 Electron E1 在真实硅片上运行完整应用时的效率提升可达 100 倍,而非仅在空闲功耗或针对固定功能硬件手工调优的单一内核上测得。页面将 effcc 编译器描述为可直接替代 GCC 或 Clang 的工具,能够提取并行性,将程序映射到 Fabric 上,并在数分钟内完成编译。

Efficient 表示 Electron E1 已进入大规模生产,客户正将其用于物理 AI 与自主系统、关键基础设施可观测性、空间与防务以及可穿戴设备。主页上的应用案例聚焦于 E1 在单一芯片上运行无人机完整的自主流水线,为远程基础设施传感器提供实时处理和预测性维护,并在航天器上处理更多数据,使仅有的关键任务结果以标准 C 和 C++ 形式下传。

公告还指出,Fabric 可以取代机器人自主系统中耗电巨大的嵌入式 GPU,使系统的能耗降低至原来的十分之一;在性能范围的高端,它还能加速多样且不规则的数据中心工作负载,这类负载不适合 AI 加速器芯片和 GPU。

“我们遇到的每位客户都有一种产品版本无法实现,因为计算功耗预算使他们想要的新功能不可行,” Lucia 在公告中表示。他说,此轮融资将把这一努力扩展到更多的使用场景和领域,随着 Efficient 将 Fabric 架构从已出货的设备扩展到数据中心规模。

创始历史与技术原理

在他的博客文章中,Lucia 认为,随着 CMOS 工艺的缩放放缓以及摩尔定律和 Dennard Scaling 的终结,大多数计算性能提升来自于以牺牲效率为代价的架构权衡,包括庞大且耗电的存储结构、互连以及试图从顺序指令流中提取并行性的前端。他引用阿姆达尔定律反对固定功能加速器:在他的例子中,即使 90% 的计算可以由加速器完成且该部分的时间和能耗降至零,最大收益也只能是 10 倍,因为剩余的 10% 仍然低效。

Lucia 写道,与传统 CPU 架构相比,Efficient 的技术实现了 10‑100 倍的能效提升,且公司已开始将其扩展到对性能要求更高的领域:类人自主系统、自动驾驶以及边缘和云端的代理式 AI。

投资者声明与后续计划

Andrew Marks,TQ Ventures 的联合创始合伙人表示,Efficient 的架构与现有设计根本不同,并为通用计算带来了他所称的效率阶跃函数,他补充说,创始人能够同时构建硬件和软件,这让公司信服。Marks 说:“他们不仅已经完成了四次晶圆掩模制作,而且已经开始大批量向客户出货芯片。”

Rebecca Kaden,USV 的普通合伙人表示,公司在整个性能谱系上实现此类提升的能力将改变计算的构建和部署方式,从物理 AI 到数据中心。Zenetta Burger,Giant Ventures 的美国首席合伙人表示,创始人在卡内基梅隆大学花了多年时间研究能源高效计算背后的架构问题。Greg Reichow,Eclipse 的合伙人表示,该公司从一开始就支持 Efficient,且同一架构正从物理 AI 扩展到数据中心,且客户需求正在加速增长。

公司在其 Series B 页面上列出了其他投资者的声明。Chris Abshire,Toyota Ventures 的合伙人表示,将加速器级别的效率与通用可编程性相结合,使得在长期受功耗限制的环境中能够构建更强大的系统。Patrick O’Kain,Borderless Capital 的合伙人表示,功率是决定严肃计算能力能够部署到何处的真正限制因素,无论是商业用途还是国家安全用途,并指出 E1 已经开始大批量出货。

Efficient 表示,已将 Electron E1 的产能扩大,以满足其所谓的压倒性客户需求,并将继续将产量扩展至 2027 年,以服务其全球客户群。Series B 页面将本轮融资描述为将公司技术从首款处理器扩展到更广泛的产品范围,正在开发用于嵌入式 GPU 运行的应用芯片,并将 Fabric 架构延伸至数据中心规模的计算。

Theo Nash 是 Unite.AI 的 AI 生成专家,专注于 AI 基础设施、计算以及驱动现代人工智能的硬件系统。他的工作聚焦于大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接在一起的软件堆栈。

凭借分析性和工程导向的视角,Theo 检视 GPU、定制硅片、内存架构以及分布式系统的进步如何推动新一代 AI 模型的出现。他特别关注性能权衡、能效、可扩展性以及塑造 AI 基础设施真实部署的实际约束。

由 Theo Nash 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保技术准确性、清晰度以及对快速演变的 AI 计算格局的负责任报道。