Positron攻击Nvidia GPU内存浪费，ASIC尚未流片已融资2.3亿美元

Positron AI生产用于运行AI模型的节能硬件和软件，销售名为Atlas的推理设备，可接入云或本地数据中心。

赌注是：赢得推理硬件靠的是挖掘内存带宽和容量，而不是在FLOPS上超越Nvidia；FPGA可以在ASIC之前证明这一点。

2025年初获2350万美元种子轮，随后2025年6月获7500万美元A轮，2026年2月获2.3亿美元B轮，投后估值超过10亿美元——总计超过3亿美元（TechCrunch；Business Wire）。

Thomas Sohmers和Edward Kmett都是推理芯片初创公司Groq的校友，他们于2023年4月创立了Positron，基于一个观察：Transformer推理受内存带宽和容量限制，而非计算能力，GPU架构在这两方面都浪费严重。他们选择FPGA，以便在投入ASIC之前能与付费客户迭代。

Atlas于2024年夏季开始出货，EE Times于2025年2月报道一份价值数百万美元的订单已交付。Positron于2025年6月完成7500万美元A轮融资，并开始设计自有的Asimov芯片。2026年2月4日宣布获得2.3亿美元B轮融资，估值超过10亿美元，由ARENA Private Wealth、Jump Trading和Unless共同领投，QIA、Arm和Helena参投，现有投资者Valor Equity Partners、Atreides Management和DFJ Growth也参与其中。

截至2026年2月，Positron在美国销售Atlas系统，同时力争2026年底流片Asimov，2027年初量产——这是一场赌注，即内存优先的芯片能在每瓦特token数和性价比上胜过Nvidia的Rubin。

Transformer推理受内存限制：GPU在此类任务中的理论内存带宽利用率不到30%，而Positron的FPGA设计在多种用例中能维持93%的利用率（EE Times）。

FPGA让初创公司能以低成本验证需求：Atlas在Positron投入数年和大量资金开发ASIC之前就已交付给付费云客户（EE Times）。

客户成为证明：Jump Trading在自家工作负载上测得的端到端延迟比H100系统低约3倍，随后领投了本轮融资（Business Wire）。

能源是AI部署的下一瓶颈，Atlas宣称以不到三分之一的功耗实现H100级性能，因此推理买家有理由更换（TechCrunch）。

攻击巨头的弱点：Positron瞄准内存带宽，GPU浪费大量内存容量，并在自有ASIC问世前就赢得了付费客户。

2026年2月4日公告后，Positron表示Atlas正在向云和先进计算领域的前沿客户发货，并预计在推出后约2.5年内实现大规模商业牵引。下一个考验是Asimov：流片目标定为2026年底，2027年初量产，每个加速器配备2TB内存，每个Titan系统配备8TB，机架级内存容量超过100TB。截至2026年2月初，尚未流片——10亿美元估值基于Atlas的发货进展和Jump Trading的客户侧基准，而非已经出片的Asimov芯片。