00后创办英国AI芯片独角兽Olix：融资15亿估值超69亿 首批产品明年交付
Olix前身为Flux Computing，2024年3月在英国伦敦成立，创始人James Dacombe年仅25岁，同时担任英国脑监测企业CoMind的创始人兼CEO。CoMind是他18岁时创办的，目前已获得1亿美元（约合人民币7亿元）融资。
▲James Dacombe
针对AI推理场景，Olix正在研发新型AI芯片，聚焦高吞吐量与高交互性，以应对复杂推理工作负载，且不受现有AI芯片架构和供应链的限制。其核心产品为光学张量处理单元（OTPU），这是一款融合新型存储器与互连架构的光学数字处理器。团队认为，将SRAM架构与光子学技术结合，能在每兆瓦吞吐量和总拥有成本上超越HBM架构产品，同时在交互性和延迟表现上显著优于纯硅SRAM架构芯片。
截至目前，Olix累计融资已达2.5亿美元（约合人民币17亿元）。知情人士透露，公司计划最早于明年向客户交付首批产品，但Olix方面未就融资相关事宜作出回应。Vertex Ventures普通合伙人、前Facebook基础设施高管Jonathan Heiliger评价称，AI推理需要对芯片制造方式进行彻底革新，系统级架构的大规模重构难度极高，而“James及其团队的执行速度比资源多十倍的公司还要快”。
当前英国芯片企业的融资规模远落后于美国。另一家英国AI芯片创企Fractile昨日宣布，未来三年将投资1亿英镑（约合人民币9亿元），用于扩大英国本土业务。
Olix官网分享的芯片设计思路显示：
现有GPU架构已接近物理极限，当前硬件从根本上无法同时为每个用户提供快速推理服务。这种权衡是自TPUv2和V100以来主流加速器内存架构的固有问题——大型逻辑芯片置于中介层，旁侧搭配堆叠HBM内存。只有通过批量处理大量用户数据，充分利用计算资源，并分摊模型权重经HBM传输至大量输出token的能耗，才能实现高吞吐量。但大批量处理必然增加用户延迟、降低交互性，迫使用户做出艰难取舍。
推理性能受限于数据传输，逻辑效率和吞吐量的提升收益逐渐递减，数据传输时间缩短受内存墙、封装互连边界长度及封装尺寸限制。HBM从2代到4代的过渡虽在能效和吞吐量密度上有显著提升，但再次实现同等规模改进需近十年时间，且依赖更复杂昂贵的制造技术。同时，HBM性能提升带来的能效改善有限，限制了token传输KV cache的pJ/bit能量，进而制约当前架构中token总能耗下限。
过去十年，架构扩展提升了系统整体性能，但进一步扩展无法同时实现高吞吐量与高交互性。从英伟达Hopper到Rubin Ultra，封装尺寸增长约4倍，再增长4倍将接近晶圆级封装极限。更大封装虽能缩短数据传输时间、提升交互性，却无法降低固定数据传输延迟，阿姆达尔定律限制了通过增大封装尺寸提升交互性的可能性。数据从HBM经中介层进入计算单元的物理路径未发生根本改变，跨光罩高带宽接口的引入反而增加了复杂性，数据传输延迟已接近或达到极限，成为token延迟的重要组成部分。此外，更大层张量并行性虽能缩短每层数据传输时间，但会增加功耗和互连延迟；高吞吐量编码方案也会引入编解码延迟，提高token最低延迟，限制交互性实现。
若能通过规模、集成或执行解决上述权衡问题，现有计算生态核心企业应是主导者，但它们因预付巨额资金确保领先逻辑节点、HBM及先进封装能力，在软件、系统集成和供应链上形成护城河，每一代都强化该模式，导致底层限制未变，仍无法同时实现高交互性与高吞吐量。
Olix团队认为，能同时提供高吞吐量与高交互性的硬件，需同时解决大规模数据传输效率和延迟问题，仅改善单一维度只是改变权衡本质。从供应链和制造角度，新架构需放弃HBM、先进封装等受现有厂商供应链限制的技术，否则初创公司无法与超大规模数据中心运营商竞争；从兼容性角度，硬件必须支持现有模型，不应强制要求模型具备量子算术或物理理论能力，也不应依赖新热力学神经拟态架构；从设计角度，需从系统级思考，从光罩级、晶圆级设计转向机架级计算与数据传输的协同设计，将其作为统一系统。
该领域虽有资金雄厚的挑战者，但多陷入两种失败模式：部分芯片仍采用逻辑芯片-中介层-HBM架构范式，与新一代GPU/TPU竞争时面临相同的交互性-吞吐量权衡；另一部分虽认识到需新范式，试图重塑权衡取舍，却无法摆脱局限，受限于纯硅基方法。Olix希望摆脱这些限制，创造前沿AI的下一个范式。
本文来自微信公众号“芯东西”，作者：ZeR0，编辑：漠影，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com