2026年2月24日，一个普通的星期二，三家AI芯片创业公司接连宣布融资：
MatX：5亿美元
SambaNova：3.5亿美元
Axelera AI：2.5亿美元
一天之内，11亿美元涌入了同一个赛道。
这个赛道的终点指向了一家公司：Nvidia。
站在Nvidia刚刚发布财报的时点，我们一起看看资本与创业者为何集体下注，他们看上了GPU铁幕上的什么机会。
挑战Nvidia，今天有机会了吗？
要理解这11亿美元的意义，先要理解一件事：在芯片行业挑战Nvidia，长期以来被认为是送死行为。
Nvidia控制着全球AI训练芯片超过80%的市场份额。它的GPU生态系统（CUDA）经过十几年打磨，开发者迁移成本极高。
过去五年，无数挑战者折戟沉沙，Graphcore濒临倒闭，Cerebras苦苦挣扎，Intel的AI芯片业务一直在亏损。
但2026年，也许有了机会：
第一，AI从训练转向推理。
Deloitte Global预测，2026年推理计算量将首次超过训练。如果说训练是直线加速赛——谁的引擎最暴力谁赢——那推理就是山路弯道赛，拼的是效率、延迟和性价比。
Nvidia的GPU是为直线加速设计的。弯道赛，它不一定是最优解。
这正是新玩家的窗口期。
第二，超级云厂商开始"自研"芯片。
谷歌有TPU，亚马逊有Trainium，Meta和微软也在加速自研。Reuters报道指出，超级云厂商正在设计更便宜的自研AI芯片，这本身就是对Nvidia定价权的挑战。
当你最大的客户开始"绕过"你，说明你的护城河没有你以为的那么深。
第三、中国芯片正在制裁压力下加速。
2025年，中国本土AI芯片自给率已从两年前的19%飙升至58%（销售口径），英伟达特供版H20在性能上被多款国产芯片反超。
这个趋势王煜全在昨晚的直播中做了系统拆解，从华为昇腾的真实算力天花板，到寒武纪如何成为字节跳动的Plan B，到中国先进制程的极限在哪里。
错过直播的朋友，回放已上线，欢迎通过文末入口观看。
周四直播PPT报告，更多内容加入前哨特训营获取
三个挑战者，分别在做什么？
这11亿美元不是撒胡椒面。每家公司赌的都是不同的"裂缝"。
MatX：前谷歌TPU团队的"满血复仇"
融资：5亿美元 Series B
领投：Jane Street + Situational Awareness（Leopold Aschenbrenner创立的基金）
其他投资者：Marvell、Spark Capital、Stripe联合创始人Patrick和John Collison
MatX的故事，要从两个谷歌老兵说起。
CEO Reiner Pope曾领导谷歌TPU的AI软件开发，联合创始人Mike Gunter是TPU硬件的核心设计师。两个人在谷歌内部亲手打造了全球最成功的非Nvidia AI芯片，然后在2022年出来单干。
他们的目标简单粗暴：做一款训练大语言模型效率比Nvidia GPU高10倍的芯片。
新融资将用于与台积电合作量产，计划2027年出货。
值得注意的是领投方之一：Situational Awareness基金。这是前OpenAI研究员Leopold Aschenbrenner创立的投资基金。Aschenbrenner因为在OpenAI内部预警AI安全风险而被解雇，随后发表了那篇震动行业的长文《Situational Awareness》。
一个从OpenAI"叛逃"的人，把钱押在了挑战Nvidia的芯片上，是为梦想窒息，还是看到了未来机遇？
周四直播PPT报告，更多内容加入前哨特训营获取
SambaNova：软银的"推理芯片"赌注
融资：3.5亿美元 Series E
领投：Vista Equity Partners + Cambium Capital
战略投资者：Intel Capital
SambaNova前哨过去为大家扫描过。
这家公司成立于2017年，比大多数AI芯片创业公司都"老"。它的核心技术是Dataflow架构，一种与GPU完全不同的计算范式，专为AI工作负载设计。
本轮融资同时，SambaNova发布了最新芯片SN50，号称推理速度是竞品的5倍。
Intel既是投资者，又是合作伙伴。据CNBC报道，Intel此前曾考虑收购SambaNova但谈判未果，最终选择了投资+合作模式。
面对Nvidia的垄断优势，Intel可谓是四处突围，自研、投资多点开花。
Axelera AI：欧洲的"边缘计算"黑马
融资：超2.5亿美元
投资者：贝莱德（BlackRock）等
总融资额：超4.5亿美元（含股权、补贴和风险债务）
Axelera AI是这三家中最"另类"的一个。
它不做云端大芯片，而是专攻边缘AI推理——让AI在设备端本地运行，不需要连回数据中心。
据TechFundingNews报道，Axelera的芯片功耗远低于Nvidia同类产品。在AI走向端侧（手机、汽车、工厂机器人）的大趋势下，这是一个被低估的赛道。
贝莱德（全球最大资管公司）的入局，说明连最保守的机构资本也开始认为：AI芯片不能只有Nvidia一个选项。
话说回来，挑战Nvidia和打败Nvidia是两码事。
就在这三家创业公司宣布融资之后，Nvidia又交出了傲人业绩。
Q4 FY2026实际业绩（截至2026年1月25日），全面碾压预期：
季度营收681亿美元（同比增长73% ），远超华尔街预估的657亿美元；
数据中心营收623亿美元（同比增长75%），Grace Blackwell新芯片贡献约三分之二；
季度净利润430亿美元（同比增长94%），一个季度赚的钱，比绝大多数Fortune 500公司全年营收还多。
电话会上，黄仁勋抛出了一个核心论断："Compute equals revenues."（算力即收入）
他举了Meta的例子：AI模型推动Facebook广告点击率提升3.5倍、Instagram转化率提升超1%，这些AI工作负载跑的全是Nvidia的GPU，算力直接变现为收入增长。
他还提到，两家大客户：Anthropic的收入一年翻了10倍，OpenAI的需求"不可思议"，两家公司都面临严重的算力产能瓶颈。
老黄的结论是：Agentic AI的拐点已经到来。没有算力就没有token，没有token就没有收入增长。
更重要的是，芯片从设计到量产需要2-3年。MatX计划2027年才出货，SambaNova的SN50刚刚发布，Axelera还在扩产。
在这2-3年里，Nvidia不会站着不动。老黄反复强调每年推出一整套全新AI基础设施（今年一次性发布6颗芯片），节奏从未放慢。
历史告诉我们：在芯片行业，"技术更好"从来不等于"赢了"。
生态、量产能力、客户粘性、软件工具链，每一个环节都可能决定成败，眼下的融资热潮只是产业变动的信号。
要真正看懂未来趋势，必须有一套成熟的方法。
这轮AI爆发打开的真正机会是什么
AI算力需求爆发，推理需求切换，确实为全新的芯片玩家创造了空间，这些无疑会在将来影响到Nvidia的议价能力。
谷歌新一代TPU问世，OpenAI与Anthropic就拿到了GPU折扣，无疑是一个最好的证明。
对于中国市场来说，这场变革的意义更加深远：
当美国封锁了最先进的光刻机和芯片，中国的AI算力从哪里来？够不够用？能撑多久？谁在这场算力竞赛中领跑？
这些问题的答案，昨晚王煜全直播都给出分析，也第一时间拆解了英伟达财报与黄仁勋电话会要点。
昨晚的直播覆盖技术格局、产业竞争、未来趋势的完整研究。
如果你关心中国科技产业的底层算力命脉，关心在制裁压力下哪些企业正在突围、哪些赛道即将爆发，这场直播的回放不容错过。
热门跟贴