💡 站外导读：在全球科技巨头为争夺英伟达顶级 GPU 算力配额而陷入资本失血的背景下，来自英国的底层硬件初创公司 Fractile 正在用一种截然不同的架构哲学掀起反叛浪潮。TechCrunch、英国《金融时报》及路透社权威确认，Fractile 刚刚正式完成规模高达 7.2 亿美元的 C 轮重磅融资，由硅谷顶级风投机构 Thrive Capital、Founders Fund、Lightspeed 与 Redpoint 联合领投，英国主权 AI 基金（Britain’s Sovereign AI Fund）倾力参投，将这家半导体新贵的估值直接推升至 50 亿英镑以上（约合 70 亿美元）。Fractile 抛弃了行业盲目争夺稀缺高带宽内存（HBM）的昂贵老路，通过在专有计算芯片表面直接 3D 垂直堆叠商品级 DRAM 的全栈软硬件拓扑，配合量身定制的高性能 ML 编译器，直击 Agentic AI（智能体）爆发所引发的长程长文本推理“内存墙”死穴。
一、 击碎“内存墙”悖论：Fractile 为什么放弃 HBM 改走 3D 堆叠 DRAM？
在大语言模型（LLM）与自主智能体（Agentic AI）全面进入企业级生产环境的今天，AI 计算的瓶颈已经彻底从“算力密集型的矩阵浮点计算”转移到了“带宽与容量密集型的显存吞吐瓶颈”——即学术界与工业界常说的“内存墙（Memory Wall）”。
传统的旗舰 GPU（如英伟达 H100/H200/B200）高度依赖价格昂贵、制造良率极其苛刻的高带宽内存（HBM）。然而在实际推理场景中，尤其是智能体需要维持长达数十万 Token 的自回归注意力键值缓存（KV Cache）并执行多轮链式反思时，HBM 的容量极限往往过早暴露，迫使企业必须采购过量甚至闲置了大量算力的 GPU 集群，仅仅是为了凑足足够的显存容量来装载模型与上下文。
Fractile 历经早期技术架构转向后，确立了极其激进的新型芯片方案：
- 3D 垂直堆叠商品级 DRAM： 规避复杂的 2.5D 中介层封装，直接将成本低廉、供应链成熟的 DRAM 晶圆垂直堆叠在专有神经网络处理器芯片正上方。
- 微米级超高密度硅通孔（TSV）： 通过极短的物理垂直互连，将芯片内部的数据传输带宽放大至令人难以置信的量级，从物理层面抹平了传统总线数据搬移的巨大延迟。
- 兼具容量与带宽的最佳平衡点： 彻底解耦了内存容量与单芯片计算成本的绑定关系，让超大模型推理在无需外挂数十张 GPU 的情况下实现单节点极速吞吐。
二、 芯片新势力格局横向对比：Fractile vs 行业主流推理硬件方案
为了清晰透视 Fractile 在当前全球专用 AI 芯片（ASIC）竞赛中的技术定位，我们将行业核心参赛者的关键技术路径对照梳理如下：
| 厂商 / 架构方案 | 核心存储与计算架构 | 长处与优势场景 | 现实短板与工程挑战 |
|---|---|---|---|
| 英伟达（NVIDIA Hopper/Blackwell） | 通用 Tensor Core GPU + 顶级 2.5D HBM3e/HBM4 | CUDA 生态坚不可摧，训练与推理通用性最强 | 采购成本极高、功耗极大，纯长文本推理性价比过低 |
| Groq / Etched（SRAM 极致流式） | 片上超大 SRAM（LPU 架构）或纯 Transformer 固化 | 首字响应极快，短 Prompt 吞吐量惊人 | 片上 SRAM 极其昂贵，单卡容量极小，跑百亿模型需堆叠数十张板卡 |
| Fractile（英国新势力） | 专有 ASIC + 3D 垂直堆叠大容量 DRAM + 自研编译器 | 兼具高吞吐与海量显存容量，专为 Agent 长程链式推理量身定制 | 3D 垂直封装散热难度高，自研编译器需跨越对 PyTorch 生态的兼容壁垒 |
| Axelera / OLIX | 存内计算（In-Memory Computing）或存算一体 | 边缘端功耗极低，特定卷积或前馈层效率高 | 模拟计算精度损失难以控制，扩展到千亿级 MoE 架构难度极大 |
三、 软件定义硬件：全栈机器学习编译器的护城河逻辑
硬件架构的激进往往伴随着软件落地的巨大鸿沟。历史上无数宣称超越英伟达的芯片创企，最终都在 CUDA 庞大的生态高墙前铩羽而归。Fractile 管理层对此保持着极度的清醒——他们并不将自己仅仅定义为一家芯片代工设计公司，而是标榜为一家“全栈前沿 AI 公司（Frontier AI Company）”。
在这笔 7.2 亿美元巨资的支撑下，Fractile 的研发重心有超过半数倾斜在了自研机器学习编译器团队上。该编译器能够自动穿透 PyTorch、JAX 及 ONNX 图结构，将模型中的注意力算子与前馈网络自动切片映射至 3D DRAM 堆叠的物理节点中，通过算子融合与异步预取，确保硅片上的每一个晶体管都能在时钟周期内保持满负荷运转，无需算法工程师手动编写底层汇编代码。
四、 主权 AI 基金加持与交付时间线：欧洲重夺算力话语权的豪赌
这笔交易背后更深层次的时代背景，是地缘政治对算力供应链自主可控的极度焦虑。英国主权 AI 基金的罕见参投，明确传递出英国政府在半导体供应链中“确保本土经济在未来底层硬件中占据核心股权”的战略意图。
Fractile 创始人兼首席执行官沃尔特·古德温（Walter Goodwin）在融资声明中务实地表示：“团队前方依然有大量艰苦的工程攻坚任务需要完成。本轮融资的最大意义，是确保我们有充沛的资源与确定性，在明年正式向全球首批企业级客户交付量产芯片与完整集成系统。”当下一代专有硬件迈入规模化交付，全球 AI 推理的经济学模型或将迎来真正的颠覆性拐点。
📝 站长洞察 (Editor’s Insight)
Fractile 斩获的这笔 7.2 亿美元天价融资与 70 亿美元估值，精准折射出资本市场对当前大模型“算力经济学”底层不可持续性的极度恐慌。在训练侧，英伟达的软硬件护城河依然固若金汤；但在规模数十倍于训练的日常推理侧，让全球服务器 7×24 小时空耗高昂的 HBM 与 GPU 算力跑文字补全，本质上是用高射炮打蚊子的严重浪费。智能体（Agentic AI）时代的到来，要求芯片必须能够在维持长程上下文记忆的同时，以极低功耗和成本完成高频决策。Fractile 另辟蹊径选择 3D 堆叠 DRAM 的道路，实际上是在试图重塑推理芯片的“能效与性价比象限”。这场挑战英伟达帝国的战役胜负犹未可知，但可以确定的是，硬件架构的多极化破局，才是全球 AI 行业彻底走出算力泡沫阴霾的唯一物理解法。
Fractile为什么不走HBM路线？
因为HBM成本高、良率苛刻，且在长文本推理中常被容量先卡住。Fractile改用3D垂直堆叠商品级DRAM，目标是在更低成本下同时提升容量与带宽，更适合Agentic AI的长程KV Cache需求。
Fractile的核心技术亮点是什么？
核心是专有ASIC芯片上方直接3D堆叠DRAM，并通过微米级TSV实现高密度垂直互连；同时配套自研ML编译器，把模型算子自动映射到硬件上，减少对CUDA式手工优化的依赖。
Fractile适合哪些AI推理场景？
更适合长上下文、大KV Cache、多轮链式推理的Agentic AI场景。相比偏短Prompt高吞吐方案，它强调容量与带宽平衡，目标是在单节点内承载更大模型和更长上下文。
3D堆叠DRAM落地最大风险在哪？
最大风险通常不在概念，而在良率、散热、带宽一致性和系统级稳定性。若要替代HBM，必须同时证明容量密度、延迟抖动、功耗与供应链成本都优于现有方案，否则很难进入大规模推理集群。
自研编译器如何真正降推理成本？
关键不是“有编译器”，而是能否把模型算子、内存访问和并行策略一起做端到端优化。若能减少数据搬运、提升缓存命中并按Agentic推理的长上下文特征重排执行图，成本才会实质下降。
