允中 发自 凹非寺
量子位 | 公众号 QbitAI
成立不到三年，首颗AI芯片进入量产，又拿下1.3亿美元B轮融资，Acrab正在成为亚洲AI芯片市场里最值得关注的新贵之一。
据DealStreetAsia报道，这家总部位于新加坡的AI计算基础设施公司近日完成B轮融资，Vertex Growth等机构参与投资。
完成本轮融资后，Acrab累计融资已经超过4.8亿美元。新资金将用于扩大产品产能、拓展技术生态，并加快下一代AI计算平台的研发。
Acrab成立于2024年。不到一个月前，该公司刚刚发布第一代端侧AI芯片GΞLIX 1，以及搭载这颗芯片的个人AI中心Agent Box。首代产品已经开始客户导入，并进入规模化生产准备阶段。
对于一家芯片创业公司来说，这样的速度并不常见。
过去两年，AI基础设施最确定、也最拥挤的故事几乎都发生在云端。
大模型越来越大，GPU越来越贵，微软、谷歌、Meta、亚马逊继续加码数据中心，英伟达则站在这一轮算力扩张最核心的位置。
但AI不会永远只待在数据中心。
随着模型持续压缩、推理效率提升，PC、汽车、机器人以及更多智能终端能够承担的AI任务正在增加。
下一轮算力需求，也开始从“训练更大的模型”，向“让智能真正进入每一台设备”延伸。
Acrab押的，就是这部分正在增长的计算需求。
云端已经很挤，下一轮AI算力开始往端侧走
大模型时代的第一场基础设施战争，是一场典型的重资本游戏。
训练和运行更大的模型，需要更多GPU、更高带宽和更复杂的数据中心。
随着模型规模不断上升，资金、供应链和工程能力都在迅速抬高门槛，云端算力越来越成为少数巨头能够长期参与的竞争。
相比之下，端侧AI过去承担的任务要轻得多。
拍照、降噪、语音识别等固定功能，一块NPU已经足以覆盖大部分需求，真正复杂的大模型推理仍然主要发生在云端。
但这两年，这个边界开始移动。
一方面，模型量化、压缩和推理优化不断推进，相同算力能够运行的模型越来越强；
另一方面，PC、汽车和机器人本身的内存、带宽和AI算力也在持续提升。
过去因为模型太大、设备算力不够，只能送到云端完成的任务，开始有条件留在本地。
Agent又进一步放大了这种需求。
个人文件、长期记忆、日程、设备状态和实时交互，本身就产生在终端。
一个长期工作的Agent，如果每读取一份文件、调用一次工具、更新一次状态都需要往返云端，不仅会不断累积延迟，推高Token账单，也意味着大量个人和设备数据需要持续上传。
随着Agent从偶尔问答转向全天候运行，按Token计费的云端模式给用户带来了难以持续的成本压力。
这并不意味着端侧会取代云端。
更可能出现的是新的分工：最复杂、最重的推理继续留在数据中心，而高频、隐私敏感、需要低延迟和长期保持状态的任务，逐步向终端迁移。
这会直接抬高终端对AI算力的需求。模型能力越强，能够留在本地完成的任务越多；本地任务越复杂，对内存、带宽和计算性能的要求也越高。
硬件厂商已经开始为这种变化做准备。
AMD提出Agent Computer，高通和NVIDIA也开始把更完整的本地AI能力放进PC和边缘计算平台。
产品形态不同，但方向相近：下一轮AI基础设施竞争，不会只发生在越来越大的数据中心，也会发生在越来越强的终端上。
Acrab选择的正是这个位置。
它没有进入已经高度拥挤的云端GPU战场，而是从一开始就依托大型服务器芯片系统经验，围绕端侧大模型和Agent设计计算平台，切入高端端侧AI服务器市场，押注模型能力持续下沉后对端侧算力的长期升级需求
这个技术门槛，也远高于传统消费电子产品。Acrab将一支具备大规模服务器芯片与系统软件经验的团队，带入了传统3C团队难以触及的技术深水区。
Agent起来之后，终端需要的不只是一块NPU
端侧模型能力往前走的同时，AI本身消耗算力的方式也在变化。
过去的大模型应用，大部分时候仍然是一问一答：用户给出输入，模型完成推理并生成结果，一轮计算随之结束。Agent真正开始工作以后，一次请求却会被拉长成一条持续运行的任务链。
微软Azure研究团队近期发布的《Architectural Implications of Agentic AI Workflows》，正是在生产环境里观察到了这种变化。
研究发现，Agent任务会不断在模型推理、工具调用和任务编排之间切换，反复跨越CPU与GPU边界；
与此同时，算力需求也不再像传统推理那样相对稳定，而是出现明显的等待、恢复和短时峰值。
这意味着，Agent时代的端侧芯片不能只比一个TOPS数字。
CPU、NPU、内存和软件环境需要一起工作，一台设备能不能长时间承载Agent，越来越像一道系统题。
这与Acrab CEO Ken Phua的判断不谋而合。
他曾在Arm UK负责亚太应用工程并参与全球IP策略制定，之后担任Arm China联席CEO
在他看来，AI进入异构计算阶段后，执行效率不仅取决于NPU，也取决于CPU与NPU能否顺畅协同。
因此，Acrab最近发布的AI芯片GΞLIX 1不只强调700TOPS峰值算力
统一内存、CPU与NPU协同、Prefill（输入处理）和Agent编排，也被同时放进了产品设计里。
这套产品思路也写在了公司名称里。Acrab取自Agentic Compute、Reasoning、Action与Brain的首字母，也来自天蝎座β星这一多恒星系统，寓意不同计算单元协同运行
Acrab还公布了一组长上下文测试。
在运行Gemma 26B A4B模型、4万Token上下文缓存和1万Token输入的条件下，GΞLIX 1的平台Prefill速度达到1416 Token/s，比业界领先的端侧AI计算平台快7倍。
值得一提的是，这组数据来自公司自测，实际表现还会受到模型加载、软件调度和具体任务影响，仍需第三方进一步验证。
但Acrab把Prefill、统一内存和异构协同放在核心位置，也说明它瞄准的不只是模型能不能跑起来，而是长上下文和Agent任务真正进入终端之后，对整套计算效率的要求。
换句话说，Acrab押的不是“端侧还需要一颗更快的NPU”，而是当本地AI从一次推理走向长期工作，终端会需要一套新的计算底座
从GΞLIX 1到Agent Box，Acrab开始走向量产
GΞLIX的名字取意于“Helix（螺旋）”，公司借用DNA演化与适应的意象，表达这套计算平台支持AI持续演进、适应环境和进行长期规划的目标。
基于GΞLIX 1，Acrab还做了Agent Box
它被定义为Personal AI Center，是一台可以直接放在桌面上的小型端侧AI设备，搭载GΞLIX 1，可以在本地运行千亿参数级模型，并整合长期记忆、多模态交互、工具调用和Agent编排。
在发布会演示中，用户提出想为孩子制作一份太空主题礼物，Agent提供创意、协助选择方案，再调用相关工具推进制作。
单个步骤并不复杂，难点在于一句自然语言能否被拆解成连续动作，任务状态能否在模型和工具之间持续传递。
这也是Agent Box比一台普通“本地大模型电脑”多出来的部分。
按照Acrab公布的信息，其软件平台覆盖本地大模型、优化后的Runtime、开发工具和Agent编排。
Agent Box既是一款完整设备，也承担着参考系统的作用：他们把GΞLIX 1、模型和软件栈放进同一台机器，验证完整Agent任务能否在本地运行，再把这套能力复制到AI PC、AI NAS、汽车、工业设备和机器人等不同终端。
对于Acrab来说，真正的商业空间并不只来自Agent Box本身，而在于GΞLIX 1以及背后的软件平台能否被更多设备厂商采用。
现在，这套平台已经开始走向量产验证
根据Acrab披露的信息，GΞLIX芯片于2025年11月完成流片，随后进入上电和系统验证。
据公司称，芯片上电后6小时内通过12项关键验证，并在24小时内启动Linux和Android系统。
今年7月，GΞLIX 1和Agent Box正式发布，目前第一代计算平台已经开始客户导入，并推进规模化生产。
最新一轮1.3亿美元B轮，也正好发生在这个时间节点：首颗芯片已经做出，参考系统已经亮相，下一步是扩大产品产能、拓展技术生态，并继续研发下一代AI计算平台
Vertex Growth从Acrab早期阶段开始投资，并随着公司完成不同技术节点持续投入。投资方此前披露，GΞLIX已经在部分要求较高的真实部署环境中完成验证，并正在推进首次行业采用和量产。
Acrab成立不到两年，从芯片流片走到产品发布和客户导入，同时累计融资超过4.8亿美元，现在已经从技术验证走到了商业化验证的门口。
接下来真正需要看的，是GΞLIX 1会进入哪些量产设备，首批客户何时出现，以及这些项目能不能形成持续出货。
4.8亿美元给了Acrab继续押注端侧算力的筹码。
真正属于Agentic AI的计算平台，正在走向现实。
热门跟贴