这家芯片初创公司，估值100亿美元

报道称，该公司已筹集数亿美元用于开发采用3D DRAM堆叠技术的芯片。

人工智能芯片初创公司 DensityAI 在一轮融资中筹集了“数亿美元”，公司估值达到 100 亿美元。

据The Information报道，Andreessen Horowitz 一直在洽谈领投此轮融资，该公司声称已与 AWS 达成一项基于性能要求的收购协议。报道还援引两位知情人士的话称，亚马逊和 Andreessen Horowitz 的发言人拒绝了 The Information 的置评请求，而 DensityAI 没有回应该媒体的置评请求。

业界有观点表示，更关键的商业催化剂，是 DensityAI 已与Amazon Web Services（AWS）达成一项重要的条件性采购协议：如果 DensityAI 的芯片满足约定的性能与效率基准，AWS 将承诺大批量采购。

这一点非常重要。对于 AI 芯片初创公司来说，最大的挑战之一并非融资，而是如何证明自己能够真正进入大客户采购体系。芯片公司从设计到流片、验证、量产、客户导入，周期漫长且资本开支巨大。

没有头部客户的明确需求牵引，再强的技术叙事也很难支撑长期估值。AWS 的条件性采购协议虽然并非无条件订单，但已经释放出明确信号：云巨头正在从单纯的芯片采购方，转变为定制硅初创公司的早期战略验证者。

对投资人而言，这类协议的意义类似于“商业可行性的前置信号”。它未必等于收入已经兑现，但至少说明 DensityAI 的技术路线、性能目标和产品定位，已经进入头部云厂商的评估框架。这也是 DensityAI 能够在尚未公开大规模商业收入的阶段，即获得百亿美元估值预期的重要原因

DensityAI由特斯拉Dojo芯片项目的前负责人Ganesh Venkataramanan、Bill Chang和Ben Floering于2025年创立。同年8月，特斯拉首席执行官埃隆·马斯克解散了Dojo团队，20名员工加入DensityAI。2026年1月，马斯克表示特斯拉“还有一些余地”可以重启Dojo芯片项目。

据报道，这家初创公司计划开发自己的数据中心芯片，该芯片将采用“独特的”内存排列方式——使用 3D DRAM 堆叠技术，使硬件速度更快、能效更高。

据《The Information》报道，DensityAI 此前曾获得 Dolby Family Ventures、South Park Commons、Firestreak Ventures 等机构的投资，但具体融资金额和公司之前的估值尚未披露。

把DensityAI放到AI芯片初创公司的牌桌上，估值的高低需要参照系。

Etched，成立四年，8月完成7亿美元融资，投后估值210亿美元，已经开始交付芯片。Cerebras，5月登陆纳斯达克，IPO市值约564亿美元，上市首日盘中突破1000亿美元，用“一整片晶圆不切割”的技术做出了英伟达57倍大的芯片。

Groq估值从2025年9月的69亿美元腰斩至35亿美元，核心团队被英伟达吸纳后，从芯片公司转向云服务。DensityAI的100亿美元，卡在中间。

比Groq的“跌落神坛”高出近三倍，但远低于Etched和Cerebras的“已交付”溢价。资本愿意给一个芯片还没造出来的公司100亿美元，赌的是两件事。第一，Dojo团队完整出走这件事本身的稀缺性——全球能从头设计一颗大规模AI芯片并推向量产的团队，屈指可数。第二，“能效”正在取代“峰值算力”成为AI基础设施的新叙事。当AI数据中心的电力供给增速（每年约3%）远远跟不上算力需求增速（每年300%），谁能把每瓦Token产出提升一个量级，谁就卡住了下一个十年的咽喉。

而AWS的那份“条件式采购协议”，是这100亿美元里最关键的锚点。它把估值从“团队溢价”拉回到了“产品验证”的轨道上：芯片达到指定性能指标，AWS就买。达不到，协议失效。

这不是一张订单，这是一张“验收标准”。

据公开信息报道，DensityAI 专注于构建面向大规模前沿 LLM 推理场景的定制 AI 加速器。其架构设计将高速片上SRAM（静态随机存储器）与高密度HBM（高带宽内存）结合，通过优化 SRAM 与 HBM 之间的数据移动路径，试图突破传统 GPU 长期面临的“内存墙”问题。

所谓“内存墙”，本质上是计算能力提升速度远快于数据搬运效率，导致芯片大量时间与能耗消耗在数据移动上，而非真正计算上。对于大模型推理而言，尤其是在长上下文、多并发、高吞吐场景中，内存带宽、缓存结构和数据移动效率往往决定了真实可用性能。

因此，DensityAI 的目标并不是简单复制 GPU，而是试图在特定 AI 工作负载下，用定制架构实现更优的 token 生成速度、延迟表现和能效比。这也是今天 AI 芯片创业公司普遍选择的方向：不再泛化地挑战 Nvidia，而是在具体工作负载中寻找结构性突破口。

（来源：综合自网络）