公司概况与融资 - 英国AI芯片初创公司Olix（原名Flux Computing）于2024年3月成立，总部位于伦敦，由25岁的James Dacombe创办 [1] - 公司已累计获得2.5亿美元（约合人民币17亿元）融资，最新一轮融资2.2亿美元（约合人民币15亿元）使其估值超过10亿美元（约合人民币69亿元），成为独角兽企业 [1][4] - 创始人James Dacombe同时也是脑监测创企CoMind的创始人兼CEO，该企业在其18岁时创立，并已融资1亿美元（约合人民币7亿元） [1] 产品与技术目标 - 公司计划开发比英伟达GPU更快、更便宜的AI芯片，旨在应对最苛刻的AI推理工作负载 [1] - 核心产品是光学张量处理单元（OTPU），一款采用新型存储器和互连架构的光学数字处理器 [4] - 技术目标是通过将SRAM架构与光子学相结合，在每兆瓦吞吐量和总拥有成本方面超越基于HBM的架构，并在交互性和延迟方面显著优于纯硅SRAM架构 [4] - 公司希望最早在明年向客户交付首批产品 [4] 行业背景与现有架构瓶颈 - 现有GPU架构已接近物理极限，当前硬件无法同时为每个用户提供快速推理 [5] - 主流加速器（自TPUv2和V100以来）采用的内存架构存在固有权衡：通过大批量处理用户数据以实现高吞吐量，但这必然会增加每个用户的延迟，降低交互性 [5][6] - 推理性能受限于数据传输，逻辑效率和吞吐量的持续提升带来的收益递减，数据传输时间受内存墙及封装互连边界长度和尺寸限制 [6] - 从HBM2到HBM4的过渡虽带来提升，但要再次实现巨大改进需要近十年时间，且需要更复杂昂贵的制造技术 [6] - 更大的封装（从英伟达Hopper到Rubin Ultra，封装尺寸约增长4倍）可缩短数据传输时间，但无法降低固定延迟，阿姆达尔定律限制了通过进一步增大封装提升交互性的可能 [7] - 数据传输延迟已接近或达到极限，并成为每个token延迟中越来越重要的组成部分 [8] Olix的技术路径与设计理念 - 公司认为，能够同时提供高吞吐量和高交互性的硬件，必须同时解决大规模数据传输效率和延迟问题 [10] - 新的架构必须放弃高密度金属薄膜（HBM）、先进封装或其他任何受现有厂商供应链限制的技术，因为初创公司无法在供应链上与巨头竞争 [10] - 硬件必须支持现有模型，不应强制要求模型具备量子算术能力或采用新的热力学神经拟态架构 [10] - 实现目标需要系统级思考，从光罩级和晶圆级设计转向机架级计算和数据传输的协同设计，将其作为一个单一的统一系统 [11] - 公司旨在摆脱现有两种失败模式：一是沿用逻辑芯片-中介层-HBM架构范式，面临同样权衡；二是虽认识到需要新范式，但仍受限于仅限硅基方法 [12][13] 市场评价与英国行业环境 - Vertex Ventures普通合伙人、前Facebook基础设施高管Jonathan Heiliger认为，AI推理需要对芯片制造方式进行彻底重新思考，并称赞Olix团队执行速度比拥有十倍资源的公司还要快 [4] - 目前英国芯片公司的融资规模远远落后于美国 [4] - 另一家英国AI芯片创企Fractile宣布，计划在未来三年投资1亿英镑（约合人民币9亿元）以扩大其英国本土业务 [4]