💡 站外导读：伴随大语言模型与自主智能体在企业级场景的全面铺开，全球算力产业的焦点正从动辄数万张显卡并行的“模型训练阶段”，迅速向 7×24 小时不间断吞吐的“大模型推理（LLM Inference）阶段”大举转移。然而，在以英伟达 GPU 为代表的传统冯·诺依曼计算机架构下，计算核心的处理算力与高带宽显存（HBM）的数据搬运速率之间，存在着一条深不可测的“显存墙（Memory Wall）”鸿沟——GPU 的绝大部分功耗与执行时钟周期，都被白白虚耗在芯片内外来回搬运数十亿权重参数的漫长等待中。来自英国伦敦的芯片新星 Fractile 凭借颠覆性的“单芯片层叠存算一体”半导体架构，正式吹响破局号角：完成高达 7.2 亿美元的重磅新一轮融资，投后估值一举跨过 70 亿美元大关，更引来全球大模型第一梯队巨头 Anthropic 抢先锁定首批核心产能。
一、估值半年狂飙 6 倍：Fractile 为何引爆硅谷与英国主权基金？
成立于 2022 年底的 Fractile，其成长轨迹在整个全球半导体初创史上都堪称惊人。今年 5 月，该公司在早期融资中的估值尚徘徊在约 11 亿美元区间；而在仅仅半年之后，伴随着其硬件原型（Silicon Prototyping）测试数据的初步验证，最新一轮 7.2 亿美元的重磅资金不仅由多家硅谷头部风险投资巨擘联手领投，更获得了谷歌旗下独立风投部门（GV）以及英国政府官方主权人工智能专项基金的直接注资，使其估值狂飙至 70 亿美元，跃升为英国乃至整个欧洲身价最高的 AI 硬件独角兽之一。
资本之所以如此疯狂，根本原因在于全球云厂商与模型实验室对英伟达 CUDA 生态与定价特权的极度焦虑。尽管市场上存在 Cerebras、Groq、SambaNova 等形形色色的挑战者，但多数方案仍未能在成本、功耗与大模型自回归解码（Autoregressive Decoding）效率之间找到完美的帕累托最优解。Fractile 所押注的，正是从芯片微观物理层彻底颠覆数据搬运效率的终极路线。
二、击穿“显存墙”：单芯片层叠存算一体（3D Stacking In-Memory Computing）架构解析
要理解 Fractile 的技术野心，必须直面大模型推理的核心软肋：内存带宽受限（Memory Bound）。在生成回答时，模型每输出一个 Token，都必须将千亿参数的权重全量从 HBM 颗粒读入计算核心，此时浮点计算单元的实际利用率（MFU）往往不足 30%，大量算力处于干等数据的闲置状态。
Fractile 抛弃了传统通过硅中介层（Interposer）将 GPU 裸片与外挂 HBM 拼合在封装基板上的 2.5D 打包方式，转而研发了具有自主知识产权的单芯片垂直三维层叠集成（Monolithic 3D Stacking）架构：
- 存算极致零距离：将专为大模型稀疏线性代数设计的轻量化计算单元阵列，直接通过微米级直通硅穿孔（TSV）垂直层叠在定制的高密度动态存储介质表面，使物理数据传输距离从厘米级骤降至微米级。
- 海量微互联带宽：层叠设计提供了数以万计的垂直并行通道，能够激发出百倍于传统总线的内部互联带宽，彻底消除了片外总线拥堵与高频串扰。
- 10 倍推理提速与能效翻倍：根据 Fractile 官方披露的仿真与原型实测指标，针对 Claude 等超长上下文前沿模型的推理生成任务，该架构有望在相同硬件功耗下将端到端响应吞吐提升整整 10 倍，单 Token 综合能耗削减高达 85%。
三、Anthropic 率先锁定首批产能：大模型巨头摆脱单点依赖的阳谋
在这场芯片盛宴中，最引人注目的参与者莫过于当前在推理模型能力上与 OpenAI 分庭抗礼的顶尖厂商 Anthropic。据悉，Anthropic 已经与 Fractile 签署了深度商业合作意向，正式成为其首批核心客户与架构协同优化伙伴。
| 芯片方案与厂商 | 核心物理存储与互联架构 | 推理强项与优势区间 | 主要短板与工程制约因素 |
|---|---|---|---|
| 英伟达 (Blackwell/B200) | 2.5D CoWoS 封装 + 192GB HBM3e 外部显存 | 通用性无可匹敌，CUDA 软件生态坚不可摧，训练与推理通吃 | 单卡功耗超 1000W，严重受制于台积电 CoWoS 产能与极端高昂单价 |
| Groq (LPU 架构) | 纯片上超高速 SRAM（单芯片约 230MB） | 极致超低延迟，确定性流水线执行，小模型推理吞吐极高 | SRAM 物理面积受限，部署数百亿大模型需级联数千张卡，系统造价极高 |
| Fractile (3D 存算层叠) | 单芯片垂直微米级层叠定制存储与计算核心 | 大模型长上下文推理提速 10 倍，兼具高容量与超高内部带宽 | 首款商业芯片计划明年流片量产，先进封装良品率与软件编译器待验证 |
四、从原型走向晶圆厂：量产爬坡与 EDA 编译器生态的终极考验
尽管资本市场给出了高达 70 亿美元的耀眼光环，但作为一家深耕硬科技半导体的初创企业，Fractile 前方依然横亘着数座高耸的工程大山：
首先是先进封装物理良品率（Yield Rate）。微米级垂直三维键合在热膨胀系数匹配、散热管理（Thermal Dissipation）以及晶圆翘曲控制上存在极其严苛的物理公差要求，任何细微瑕疵都将直接报废整颗单晶圆。其次是软件生态编译器（Compiler Stack）的成熟度——英伟达数十年构筑的 CUDA 护城河绝非一朝一夕能够突破，能否让 PyTorch 与 JAX 编写的千亿参数模型无缝、免编译痛苦地映射到 Fractile 的异构拓扑之上，将决定这款芯片最终是走向商业规模化部署，还是沦为实验室里的昂贵玩具。
📝 站长洞察 (Editor’s Insight)
Fractile 斩获 7.2 亿美元天价融资并逼近百亿美元估值，实质上是全球大模型产业由“狂热的算力崇拜”逐步回归“严苛的商业能效算账”的标志性转折点。对于像 Anthropic 这样的顶尖大模型领军者而言，单月数百兆瓦的机房电力消耗与英伟达高达 70% 以上的毛利率，正在不可逆转地吞噬着生成式 AI 商业化的利润空间。为了在即将来临的万亿级企业推理市场中建立真正的护城河，大模型厂商必须在算法之外，积极培育属于自己的异构硬件盟友体系。存算一体（In-Memory Computing）曾经在学术界沉寂多年，如今在百亿参数自回归解码的重压下被重新推上历史舞台中心。这场战役的胜负手，不仅关乎一家英国芯片新贵的生死存亡，更将深刻重塑下一个十年全球云计算与人工智能的底层物理基石。
Fractile的核心技术突破是什么？
Fractile主打单芯片垂直3D层叠存算一体架构，把计算单元与定制存储更近距离集成，减少数据搬运开销，目标是缓解大模型推理中的显存墙问题，提升吞吐并降低能耗。
Fractile这轮融资和估值有多高？
文中披露，Fractile完成7.2亿美元新一轮融资，投后估值达到70亿美元。资金来自多家硅谷风投、GV以及英国政府官方主权人工智能专项基金。
Anthropic为什么会选择Fractile？
Anthropic被描述为Fractile的首批核心客户与协同优化伙伴。原因在于其推理业务对长上下文、高吞吐和低能耗更敏感，Fractile方案被宣称可在相同功耗下将推理提速10倍。
存算一体架构真能落地吗？
关键看3D堆叠良率、散热、带宽和软件栈协同。若只在特定长上下文推理场景成立，价值就很明确；但要替代GPU，必须先解决编译器、算子适配和大规模部署稳定性。
开发者该如何评估迁移成本？
先用现有模型做基准压测，重点看吞吐、延迟、功耗和精度回归，再评估算子覆盖率与推理框架兼容性。若业务是长上下文、低功耗边缘或高并发推理，迁移收益通常更大。
