存算一体芯片新势力：Fractile、Untether AI 等技术路线

传统架构中，数据在内存与计算单元之间的搬运消耗了推理能耗的大头。存算一体（Compute-in-Memory）的答案是：既然搬不动，就把计算搬进内存里。

数字路线：d-Matrix 用 SRAM 做向量矩阵乘法

d-Matrix 是数字存算一体路线的旗手。其 Corsair 推理加速卡的独特之处在于：把部分 SRAM 电路改造为直接执行向量矩阵乘法的计算单元——这是神经网络推理的核心运算。每颗芯片包含 1GB SRAM、RISC-V 控制核与 SIMD 单元，通过 DMX Link 互连，并配有 256GB LPDDR5 内存池存放溢出数据。

公司宣称，采用 MXINT4 块浮点格式时 Corsair 可提供每秒 9600 万亿次运算；在 Llama 70B 上实现每秒最高 3 万 token、单 token 约 2 毫秒延迟；单个 SquadRack 机架（与 Arista、博通、超微合作的开放标准参考架构）可在纯 SRAM 中运行千亿参数模型。2025 年 11 月，d-Matrix 完成 2.75 亿美元 C 轮融资，估值达 20 亿美元；下一代产品 Raptor 计划采用 4nm 工艺与 3D 内存堆叠。

模拟路线：EnCharge AI 与 EN100

EnCharge AI 走得更远——用模拟电路直接做乘加运算。其技术源自普林斯顿大学 Naveen Verma 实验室多年的研究：神经网络权重被存为金属电容的物理属性，输入电压施加后，电荷累积的物理过程"天然完成"矩阵乘法，数据搬运的能耗几乎归零。

2025 年 5 月，公司发布首款商用模拟存算芯片 EN100：M.2 笔记本形态下功耗仅 8.25W 却可提供超过 200 TOPS 算力；PCIe 工作站配置（4 个 NPU、128GB LPDDR）算力约 1 PetaOPS。公司宣称同等功耗下每瓦性能约为数字方案的 20 倍。资本层面，2025 年 2 月完成 1 亿美元 B 轮，Tiger Global 领投，In-Q-Tel、RTX、三星风投与富士康参投，累计融资超过 1.44 亿美元。

两家公司的不同结局

公司	路线	关键产品	最新动态
d-Matrix	数字存算（SRAM）	Corsair 加速卡	2025 年 11 月 C 轮 2.75 亿美元，估值 20 亿美元
EnCharge AI	模拟存算（电容）	EN100 边缘芯片	2025 年 5 月发布，聚焦端侧与客户端
Untether AI	存算加速（at-memory）	speedAI 系列	2025 年 6 月团队整体加入 AMD，独立运营终止
Fractile	基于标准 DRAM 的存算	在研（据公开报道）	英国初创，2024 年获种子轮融资

这组对照恰好展示了行业的残酷分化：同样押注存算一体，d-Matrix 靠数据中心推理的精准定位站稳脚跟；EnCharge 选择从功耗敏感的边缘市场切入避开正面战场；而 Untether AI 虽然技术路线领先，却在融资寒冬中把工程团队整体卖给了 AMD——成为独立芯片公司难以为继的标志性事件。

小结与展望

存算一体的技术光谱比大多数人想象的宽：从"改 SRAM 电路"的保守改良，到"用物理定律做乘法"的激进重构，各自对应不同的市场与容错空间。目前的共识正在形成——数据中心推理对成本与能效的极度敏感，让存算一体第一次拥有了真实的商业引力。但对投资者与采购方而言，Untether 的结局提醒我们：在这个被 CUDA 与巨额资本开支主导的市场里，架构创新只是入场券，活下去靠的是找到正确的细分场景与现金流。