25岁创始人、33亿美元估值：AI芯片新贵OLIX融资背后的豪赌

2026年8月，英国AI芯片初创公司OLIX完成了一笔引人注目的融资。

这家成立仅两年的公司获得3.12亿美元B轮融资，投后估值达到33亿美元。与2026年2月完成2.2亿美元融资、估值略高于10亿美元相比，OLIX的估值在短短半年内增长了约两倍。

本轮融资由纽约投资机构Fundomo领投，参与方包括芯片架构公司Arm、量化交易机构Hudson River Trading、Netflix联合创始人里德·哈斯廷斯，以及英国政府设立的Sovereign AI主权人工智能投资计划。

对于一家尚未正式交付产品、芯片仍处于设计和流片准备阶段的半导体企业而言，这样的融资规模和估值速度并不常见。

资本真正押注的，并不是OLIX当前的收入，而是一个更具想象力的判断：

随着AI产业从模型训练转向大规模推理，英伟达通用GPU一统天下的格局，可能出现结构性裂缝。

OLIX希望成为那个从裂缝中成长起来的新巨头。

一、半年估值翻三倍，OLIX为什么突然受到追捧

OLIX的融资故事可以分成两个阶段。

2026年2月，公司完成2.2亿美元融资，估值超过10亿美元。加上此前的融资，OLIX当时累计获得约2.5亿美元资金。投资者包括Hummingbird Ventures、Plural、Vertex Ventures、LocalGlobe和Entrepreneurs First等机构。

仅仅半年后，公司又完成3.12亿美元融资，将投后估值推升至33亿美元。两轮融资合计超过5亿美元。

这种融资节奏说明，OLIX已经不再被资本视为一家普通的芯片设计创业公司，而是被当作潜在的“基础设施级平台”进行下注。

其中有三个值得关注的信号。

第一个信号，是Arm的参与。

Arm不是一般意义上的财务投资者。它掌握着全球最重要的CPU指令集架构之一，是移动终端、嵌入式设备和数据中心处理器生态中的核心参与者。Arm入股并不代表其已经验证或采用OLIX的全部技术，但至少说明OLIX的架构路线已经进入产业级芯片公司的观察范围。

第二个信号，是Hudson River Trading的参与。

量化交易公司对计算性能、延迟、能效和系统稳定性的要求极高。此类机构投资芯片公司，往往不只关注财务回报，也可能关注计算基础设施的长期变化。低延迟交易和AI推理虽然是不同场景，但都需要在功耗、吞吐量、延迟和数据搬运效率之间进行极致优化。

第三个信号，是英国政府主权AI基金的加入。

英国政府将OLIX描述为一家正在开发新一代AI推理芯片的本土企业，并强调其技术有望降低AI运行成本、减少能源消耗、提高性能。OLIX也是英国Sovereign AI计划获得股权投资支持的第五家公司。

因此，这轮融资不仅是一笔商业资本交易，也带有明显的国家科技战略色彩。

二、OLIX是谁：从Flux Computing到英国AI芯片独角兽

OLIX成立于2024年，总部位于伦敦，最初使用的名称是Flux Computing。

公司创始人James Dacombe出生于2000年前后，在完成最新一轮融资时只有25岁。在创办OLIX之前，他还创办了神经科技公司CoMind，试图开发非侵入式脑部监测设备。

▲OLIX创始人达科姆（James Dacombe）英国《金融时报》

从脑机监测到AI芯片，看起来是两个距离很远的方向，但它们背后有一个共同点：都属于资本投入高、技术门槛高、研发周期长、失败概率也很高的深科技领域。

Dacombe并不是传统意义上从大型半导体公司成长起来的资深芯片专家。他更接近一种新型技术创业者：负责定义问题、聚集人才、寻找资本，并推动复杂工程项目高速运转。

截至最新融资时，OLIX已经拥有超过140名员工，分布在伦敦、布里斯托尔、多伦多和美国奥斯汀。团队成员来自大型科技公司和半导体企业。公司还聘请英国金融科技企业Wise前首席财务官Matt Briers担任CFO。

聘请成熟上市科技公司的前CFO，通常意味着企业开始从早期研发组织向规模化公司转型。接下来OLIX需要处理的不只是芯片设计，还包括供应链、制造、客户验证、知识产权、融资管理和潜在商业化。

换句话说，OLIX正在努力证明：它不是一家依靠概念获得高估值的实验室公司，而是一家准备真正交付芯片的半导体企业。

三、OLIX赌的不是训练，而是推理

要理解OLIX的价值，首先要区分AI计算中的两个阶段：训练和推理。

训练，是用大量数据和算力构建模型的过程。训练大型语言模型往往需要数千乃至数万块GPU，并持续运行数周或数月。

推理，则是训练完成后，模型接受用户输入并生成结果的过程。每一次聊天、代码生成、图像生成、智能搜索和AI代理执行任务，都需要推理算力。

在生成式AI发展的早期，市场更关注训练。谁能训练出参数更多、能力更强的模型，谁就更容易获得资本和用户关注。

但当模型进入大规模应用阶段后，成本重心正在发生变化。

模型只需要训练有限次数，却可能被调用数十亿次。尤其是具备复杂推理、深度研究和自主执行能力的AI代理，往往需要生成更长的中间思考过程，反复调用模型和工具，其单次任务消耗的计算资源远高于传统聊天机器人。

OLIX因此判断，未来AI基础设施最大的商业机会之一，不只是制造更强的训练芯片，而是降低推理的单位成本。

公司创始人认为，由单一类型GPU处理几乎所有AI任务的时代可能正在结束，AI计算会走向更加细分的专用化。不同芯片分别处理模型运行过程中的不同环节，再通过高速互连组成完整系统。

这是OLIX最核心的产业判断。

四、从“一块万能GPU”转向“芯片流水线”

传统GPU的优势是通用性。

它既能训练模型，也能执行推理；既能运行大语言模型，也能处理图像、视频和科学计算任务。英伟达还通过CUDA、通信库、开发工具和服务器系统构建了极其强大的生态壁垒。

但通用性也意味着妥协。

一块芯片必须兼容大量不同任务，就很难在每一种任务上都做到成本最低、效率最高。

OLIX提出的方向，是开发一组专门面向AI推理的芯片。每类芯片负责模型“思考过程”中的特定计算环节，再通过高速互连形成一条类似工厂流水线的计算系统。

英国政府在介绍OLIX时，也采用了类似“生产线协作”的比喻：不同专业芯片分别承担AI推理过程中的特定工作，通过协同实现更低成本、更低能耗和更高性能。

这种设计思想并不难理解。

在传统工厂中，让一名工人独立完成所有工序，具有较强灵活性，但效率通常不如专业化流水线。将任务拆分后，每个工位只处理自己最擅长的环节，整体吞吐量可能显著提高。

OLIX想做的，就是把这一逻辑应用到AI推理系统中。

但问题也随之而来：任务拆分之后，数据必须在不同芯片之间高速流动。

如果芯片之间的通信速度不够快，或者传输数据消耗大量能量，那么专业芯片带来的计算优势就可能被通信开销抵消。

这正是OLIX强调光子互连的原因。

五、光子互连：OLIX技术故事中最关键的一环

OLIX表示，其系统将使用光子互连，在大型芯片集群之间通过光信号传输数据。

与传统电信号互连相比，光通信在长距离、大带宽数据传输中具有潜在优势。数据中心网络本身已经大量使用光纤；随着AI集群规模扩大，光连接也在逐渐向服务器内部、机架内部以及芯片封装周边靠近。

OLIX试图进一步利用光互连，将多个专业推理芯片组成高带宽系统。

从理论上看，这条路线能够缓解AI计算中的一个核心问题：数据移动。

现代AI芯片面临的瓶颈，往往不仅是乘法运算速度，还包括模型权重如何从内存进入计算单元、计算结果如何在芯片之间交换，以及多个加速器如何保持同步。

当模型越来越大、上下文越来越长、并发用户越来越多时，通信和内存带宽的成本会变得更加突出。

因此，OLIX并不是单纯制造一个更快的计算核心，而是试图重新设计计算、存储和互连之间的关系。此前公开信息显示，公司将其产品称为一种光学数字处理器，并强调新的内存和互连架构，同时保持对现有AI模型的兼容。

不过，必须指出的是，目前外界可以获得的OLIX技术资料仍然有限。

公司尚未公开完整芯片架构、制程、内存方案、功耗数据、软件栈细节及标准化基准测试结果。因此，光子互连究竟应用于芯片间、封装间还是更大范围的系统连接，其实际性能提升幅度，目前仍难以独立判断。

这也是OLIX融资故事中最重要的不确定性之一。

六、为什么AI芯片公司都在强调“推理专用化”

OLIX不是唯一一家试图挑战GPU体系的企业。

近年来，包括Cerebras、Groq、SambaNova、Etched、D-Matrix和英国的Fractile等公司，都从不同方向开发AI加速器。

其中一些企业强调超大晶圆级芯片，一些强调极低延迟，一些将更多内存放置在计算单元附近，还有一些针对Transformer模型或特定推理流程进行深度优化。

英国芯片公司Fractile也在筹集大额资金，试图通过以SRAM为中心的架构提升AI推理效率。这说明投资者关注的已经不是简单复制英伟达GPU，而是寻找不同于传统GPU的数据流、存储和计算架构。

推动这一变化的根本原因，是推理市场正在分化。

不同AI应用对芯片的要求并不相同。

搜索和广告推荐重视吞吐量；实时语音重视延迟；AI代理重视长上下文和连续生成；图像与视频模型需要处理大量张量运算；企业私有部署则更关注能效、数据安全和总体拥有成本。

当应用规模足够大时，即使专用芯片只比通用GPU降低20%的推理成本，也可能为大型云平台节省数十亿美元。

这就是资本愿意支持OLIX的经济逻辑。

它不需要在所有场景中打败英伟达，只需要在某些足够庞大、足够标准化的推理任务中形成明显的成本优势。

七、英伟达真正的护城河，不只是一块GPU

尽管OLIX的技术叙事很有吸引力，但挑战英伟达远比设计一款芯片困难。

英伟达最强大的竞争优势不是单一硬件指标，而是完整系统。

它拥有GPU、CPU、网络芯片、高速互连、服务器平台、编译器、CUDA工具链、通信软件以及庞大的开发者生态。

客户购买的不是一块独立芯片，而是一套经过验证的计算平台。

对于OLIX而言，即使芯片在某些指标上领先，也必须解决至少四个问题。

首先是软件兼容。

AI开发者不会为了使用一种新芯片而大规模重写模型代码。OLIX必须让现有主流模型和框架尽可能无缝运行。

其次是编译器。

专用芯片能否发挥性能，往往取决于编译器是否能够把模型计算图有效映射到硬件上。OLIX已经在开发过程中使用AI工具加快编译器建设，并将相关成果作为融资过程中的技术验证之一。

再次是量产和良率。

芯片从设计完成到成功流片，再到稳定量产，中间仍存在验证、封装、散热、良率和供应链等大量风险。

最后是客户迁移成本。

大型云服务商已经投入巨额资金建设GPU集群。除非OLIX可以证明其总体拥有成本明显更低，否则客户不一定愿意承担切换硬件平台的风险。

因此，OLIX最现实的策略可能不是正面替代所有GPU，而是先进入特定推理环节，与CPU、GPU和其他加速器共同运行。

八、英国为什么必须投资OLIX

英国政府对OLIX的投资，是这轮融资中极具象征意义的部分。

英国在芯片设计领域有深厚积累，拥有Arm、Imagination Technologies等代表性企业，也曾孕育Graphcore等AI芯片公司。但英国在先进芯片制造、超大规模云计算平台和半导体资本投入方面，与美国和东亚地区仍存在明显差距。

Graphcore曾被视为英国最有希望的AI芯片企业之一，但最终在2024年被软银收购。

这段经历强化了英国政府的一种焦虑：英国能够产生优秀的技术和创业团队，却未必能够为企业提供足够资本、算力和市场，使它们独立成长为全球平台公司。

2026年，英国推出规模5亿英镑的Sovereign AI计划，希望通过股权投资、超级计算机使用权、人才签证、政府采购和研发支持，帮助本土AI企业留在英国并扩大规模。

从这个角度看，OLIX并不只是一家创业公司。

它还承担了英国“重新建立本土AI计算基础设施能力”的政策期待。

英国政府在相关声明中直言，能够制造AI芯片的国家，将获得更大的技术和产业影响力。

这也是为什么政府愿意在产品尚未交付时介入投资。

一旦OLIX成功，英国不仅会拥有一家高估值芯片企业，还可能获得AI基础设施、知识产权、高技能就业和供应链议价能力。

九、25岁创始人背后，是资本对“超高速创业”的迷恋

OLIX的另一个传播焦点，是创始人James Dacombe的年龄。

25岁、成立两年、融资超过5亿美元、估值33亿美元，这些标签天然具备新闻吸引力。

但在深科技领域，年轻创始人故事既是优势，也可能成为风险。

优势在于，年轻创业者往往不会受到传统架构和产业经验的过度约束，更愿意提出激进方案。Dacombe反复强调速度和按期交付，并希望OLIX成为从成立到完成流片速度最快的芯片公司之一。

风险在于，半导体并不是仅靠快速迭代就能解决的行业。

软件产品出现问题，可以通过在线升级迅速修复；芯片一旦设计错误，重新流片可能造成数月延期和巨额损失。

OLIX正在尝试将互联网创业的高速文化带入芯片产业，而它能否成功，取决于公司能否同时保持两种看似矛盾的能力：

一方面要足够快，赶在竞争对手之前占领市场；另一方面要足够稳，避免因芯片缺陷、供应链问题或软件不成熟而失去客户。

聘请成熟CFO、引入产业投资者、快速扩充全球团队，正是OLIX尝试平衡这种矛盾的方式。

十、3.12亿美元融资将被花在哪里

OLIX没有公开资金使用的完整预算，但从其发展阶段看，新融资大概率会集中在几个方面。

最直接的是流片和制造。

先进芯片的设计、验证、掩膜、流片及封装成本极高。一旦采用先进制程，单次工程投入就可能达到数千万美元。若首次流片未达到预期，企业还需要准备后续迭代资金。

第二是软件生态。

芯片需要编译器、运行时环境、模型优化工具、调试工具和开发者文档。很多芯片初创公司的硬件指标并不差，但最终因软件难用而无法获得客户。

第三是系统工程。

OLIX销售的很可能不只是一颗芯片，而是由多个专业芯片、光子互连、内存和软件组成的系统。服务器、散热、封装和数据中心部署都需要大量工程投入。

第四是客户验证。

大型云厂商和AI公司通常会对新硬件进行长时间测试，包括性能、稳定性、兼容性和故障恢复能力。客户导入周期可能长达一年以上。

按照公司目前的计划，OLIX希望在2026年晚些时候完成芯片设计，进入流片阶段，并在2027年向客户交付首批产品。

因此，未来12至18个月将决定OLIX的估值究竟是提前反映真实技术价值，还是建立在过高预期之上。

十一、OLIX最值得关注的三个验证节点

判断OLIX能否真正成长为AI芯片巨头，不能只看下一轮估值，而应该关注三个节点。

第一个节点是流片是否按时完成。

芯片设计完成并不代表产品成功。首次流片能否正常运行，是对架构设计、验证能力和项目管理的第一次全面检验。

第二个节点是公开性能数据。

OLIX需要用标准化测试证明，在相同模型、相同精度和相近服务质量下，其芯片可以提供更低延迟、更高吞吐量或更低成本。

只强调“比GPU更快”并不足够。真正有意义的指标是每瓦性能、每美元吞吐量、内存利用率、并发性能和大模型实际运行成本。

第三个节点是首批客户。

芯片行业最有说服力的验证，不是融资金额，而是谁愿意部署。

如果OLIX能够获得云计算平台、模型公司、金融机构或大型AI应用企业的正式订单，意味着其技术已经越过实验室阶段。

相反，如果产品交付持续延迟，或者客户只停留在测试和合作意向层面，当前33亿美元估值将面临较大压力。

十二、这轮融资背后的真正故事

表面上看，OLIX融资是一则年轻创业者挑战英伟达的故事。

更深层看，它反映了AI产业正在发生三重变化。

第一，AI竞争正从模型参数竞争转向推理成本竞争。

模型能力仍然重要，但当AI进入大规模商业应用后，谁能以更低成本完成一次有效推理，谁就可能掌握更多利润。

第二，芯片架构正从通用化重新走向专用化。

过去十年，GPU凭借通用并行计算能力成为AI时代的基础设施。未来十年，计算任务可能进一步拆分，形成GPU、ASIC、光计算芯片、内存计算芯片和网络处理器并存的异构体系。

第三，AI芯片已经成为国家战略资产。

英国投资OLIX，并不是因为政府确定它一定能够战胜英伟达，而是因为在AI基础设施领域完全依赖海外供应商的风险越来越高。

因此，OLIX融资背后的故事，本质上是一场围绕未来AI计算架构的提前下注。

资本赌的是推理专用化。

英国政府赌的是本土计算主权。

Arm等产业投资者赌的是新架构可能带来的生态位置。

而James Dacombe赌上的，则是一家尚未完成首次产品交付的公司，能否在全球最昂贵、最复杂、竞争最激烈的产业之一中，以创业公司的速度完成一次架构革命。

结语：OLIX不是下一个英伟达，至少现在还不是

将每一家AI芯片初创公司称为“英伟达挑战者”，是一种简单但容易误导的叙事。

英伟达用了数十年构建硬件、软件、网络和开发者生态。OLIX成立只有两年，目前仍未正式交付芯片，两者远不在同一规模上。

OLIX真正值得关注的地方，不是它是否能在短期内取代英伟达，而是它提出的问题是否成立：

在AI推理成为主要算力消耗来源后，通用GPU是否仍然是成本最优解？

如果答案是否定的，那么未来AI数据中心可能不再由一种芯片主导，而是由一组高度专业化的处理器共同组成。

OLIX希望成为这组处理器的设计者和组织者。

3.12亿美元融资，为它购买了时间、人才和一次昂贵的流片机会。

但资本可以提前创造独角兽，却无法提前创造一颗成功的芯片。

OLIX的真正故事，将从首批芯片点亮的那一刻才正式开始。