每次向 ChatGPT 提问，请求都会触发一场数据接力赛：信息离开内存，经 CPU 预处理后前往 GPU 进行大量计算，最后再返回——AI 生成的每一个单词都要重复这一旅程。
瓶颈是结构性的：每一次请求中，数据都必须路由经过行业内最昂贵且功耗最高的芯片之一。这种低效正是韩国与美国初创公司 XCENA 试图解决的问题。这家成立四年的公司设计了一款芯片，将计算能力置于更接近 DRAM（处理器主动使用时存储数据的快速短期内存）的位置，允许常规数据操作在靠近内存处处理，无需在 CPU、GPU 和内存间进行昂贵的往返传输。
若该技术能在大规模应用中奏效，其对 AI 基础设施成本的影响将非常显著，这也解释了投资者的热情。事实上，XCENA 刚刚以 5.7 亿美元估值完成 1.35 亿美元 B 轮融资，累计融资额达 1.85 亿美元。
XCENA CEO Jin Kim 于 2022 年与 CTO Dohun Kim、CPO Harry Juhyun Kim 共同创立该公司，三人均来自三星和 SK 海力士这两家为英伟达 GPU 提供芯片的内存巨头。“几十年来，CPU 和 GPU 越来越智能，但内存没有。XCENA 希望改变这一现状，”Jin Kim 在接受 TechCrunch 采访时说，“近期内存价格及相关股票上涨表明，AI 基础设施正朝着以内存为中心的架构转变。”他补充道。（本月，主导全球内存芯片市场的三星、SK 海力士和美光首次市值均突破万亿美元。）
Kim 表示，XCENA 的商业押注基于一个论点：“推理不仅仅是一个计算问题；它越来越成为一个内存扩展问题。”
XCENA 的芯片 MX1 通过 CXL（Compute Express Link，计算快速链接）连接到 CPU——本质上是处理器与内存间的专用高速通道——在数据离开内存模块前对其进行预处理。它将计算能力带到数据身边，而非让数据适应计算。该公司声称，过去需要 10 台服务器才能完成的任务，现在可能只需一台即可运行。
“虽然 GPU 擅长矩阵乘法——这是 AI 模型训练背后的繁重数学运算——但许多周围的数据编排工作，包括预处理、KV 缓存管理（一种存储先前对话上下文以便模型无需重新处理的系统）和数据缓存，仍由 CPU 处理。我们的芯片直接在内存模块内部处理这些任务。”Kim 说。
自去年下半年以来，对内存解决方案的需求激增，公司认为时机对其有利。
与多家全球内存供应商的对话仍处于早期阶段，尽管 Kim 拒绝透露名字。该公司理想客户是每年在 AI 基础设施上花费数百亿美元的超大规模企业，在这些企业中，内存效率的微小提升可能意味着数亿美元的成本节约。
MX1 目前仍是原型产品。量产芯片预计将于 2026 年底从三星晶圆代工厂下线，公司预计从 2027 年开始产生收入。
当神经网络处理单元（NPU）制造商竞相挑战英伟达的训练工作负载时，XCENA 瞄准的是位于所有这些技术之下、对内存密集型需求的层级。
XCENA 最接近的竞争对手包括 Astera Labs 和 Marvell，这两家纳斯达克上市公司正在研发下一代内存连接技术。Kim 表示，Marvell 是该领域已有布局的大型成熟企业，差异化关键在于知识产权。“我们拥有数千个核心，”他说。根据公开规格，相比之下，Marvell 的方案依赖于少数几个通用核心。
这些核心基于 RISC-V（一种开源芯片设计蓝图）构建，并针对数据处理进行了优化，每个核心都刻意保持小巧高效。除了核心本身外，XCENA 还自行设计了内部内存层次结构、互连总线和 DRAM 控制器——这种垂直整合程度是大多数芯片公司（包括较大竞争对手）通常外包出去的。
总部位于首尔的风险投资公司 Atinum 和 IMM Investment 联合领投了 B 轮融资，Corstone Asia 以及现有投资者 SBI Investment 和 Mirae Asset Capital 也参与了本轮投资。该公司在首尔郊外的科技中心板桥（Pangyo）和桑尼维尔（Sunnyvale）设有办公室，员工人数超过 90 人，目前也在与国际投资者洽谈额外融资事宜。