d-Matrix 的 SRAM 推理押注：2.75 亿美元融资，Corsair 进入量产

d-Matrix 于 2019 年由 Sid Sheth 和 Sudeep Bhoja 在圣克拉拉创立，构建全栈 AI 推理平台：基于 SRAM 数字存内计算的 Corsair 加速卡、JetStream 网络、Aviator 软件以及 SquadRack 机架级系统。Corsair 由 Alchip 采用台积电 N6 工艺制造，使用 LPDDR5 而非 HBM，定位于与 GPU 集群一起运行 LLM 推理的解码阶段。Microsoft 的 M12 风险基金是投资方之一。

存内计算可以在推理成本上优于 GPU：将矩阵运算置于 SRAM 中，跳过 HBM，以每个 token 约 2 毫秒的速度运行解码，并销售与 GPU 集群互补的机架。

d-Matrix 于 2019 年由 Sid Sheth 和 Sudeep Bhoja 创立，旨在构建他们认为训练热潮之后将出现的硬件：大规模持续运行生成模型。2024 年 11 月脱离 stealth 模式时，已从 25 多名投资者处筹集了 1.54 亿美元，Temasek 领投 B 轮，Microsoft 的 M12 是投资方之一，Corsair 正在向早期客户提供样片，计划于 2025 年第二季度广泛供货。

公司利用 2025 年将声明转化为工程细节和资金。2025 年 8 月的 Hot Chips 大会上，ServeTheHome 详细介绍了 Corsair 板卡：基于台积电 N6 工艺的两个小芯片，每个芯片四个小芯片，2GB SRAM、每卡 256GB LPDDR5X、PCIe 5.0、每瓦 38 TOPS，在 Llama 3 70B 上每个输出 token 大约 2 毫秒。2025 年 11 月 12 日，d-Matrix 以 20 亿美元估值完成 2.75 亿美元 C 轮融资，总融资额达 4.5 亿美元，Temasek、Bullhound Capital 和 Triatomic Capital 共同领投，Qatar Investment Authority、EDBI 和 M12 参投，据 technode.global 报道。2026 年 4 月，它收购了 GigaIO 的数据中心业务以进行机架级集成，2026 年 6 月 9 日 Converge Digest 报道 Corsair 已进入全面量产，当年夏天开始向超大规模云、新型云和前沿 AI 实验室批量出货。

全面量产使 d-Matrix 从那些仅仅停留在基准测试层面的推理芯片初创公司中脱颖而出：Corsair 正在向未具名的优先客户批量出货，SquadRack 系统也同步销售，供应协议覆盖了产能爬坡。公司引用的独立测试表明，将 Corsair 与 GPU 配对可将推测解码的响应时间从约 24 秒缩短至不到 2 秒，但客户名称、价格和收入仍未公开，因此商业考验仍在前面。

每个输出 token 都受内存限制，因此存内计算部件减少权重获取流量，直击 LLM 服务的真实成本，而非峰值训练算力。

设计绕过了稀缺的供应链：带有 LPDDR5 的 SRAM 小芯片无需 HBM 或 CoWoS 封装，消除了 GPU 竞争对手排队的瓶颈。

与 GPU 互补使 d-Matrix 成为低风险选择：由于预填充由 GPU 承担，公司引用的独立测试显示，响应时间从约 24 秒降至不到 2 秒。

证据以可验证的步骤积累：2025 年 8 月的 Hot Chips 细节披露、2025 年 11 月 2 亿美元估值的 2.75 亿美元 C 轮融资，以及 2026 年 6 月的全面量产。

切入瓶颈环节，而不是旗舰领域：将训练留给 Nvidia，主张解码受内存限制，并构建一个可插入 GPU 集群的 SRAM 加速器——这个楔子已进入全面量产。

截至 2026 年 6 月，Corsair 已全面量产，当年夏天开始向未具名的超大规模云、新型云和前沿 AI 实验室批量出货，SquadRack 机架系统同步销售。风险在市场端：Nvidia 继续加速下一代 GPU 的解码性能，超大规模云继续自研芯片，而 d-Matrix 未披露客户名称或收入。GigaIO 收购和 Alchip 供应协议涵盖了集成和产能；测量到的延迟优势能否转化为重复订单，仍是待检验的问题。