标签： AI技术

上个月，Jeremy Nixon 悄悄把一家公司推到了台前。这家叫 Infinity 的初创公司刚宣布拿到 1500 万美元融资，估值 1 亿美元，投资方里除了 Touring Capital、Principal VC，还有来自 OpenAI 和 Anthropic 的研究员个人。Nixon 本人是个有意思的人——他曾在 Google Brain 做研究，也是黑客社区 AGI House 的创始人。真正让外界注意到他的，是他抛出的一个有点狂的念头：AI 系统本身，能不能成为一种「元技术」，自己发明新东西。

从「自动发明算法」到「自动写芯片代码」

早在做 Infinity 之前，Nixon 就捣鼓过一个叫 Omega 的机器学习算法。它的特别之处在于，能自己创造出新的机器学习算法，然后在一个反馈回路里自动评估好坏。那次成功让他开始琢磨：这套思路能不能挪到别的地方？他盯上了硬件——自动化系统或许也能生成那些让芯片跑得更高效的底层代码，比如内核（kernel）这一类东西。

英伟达的护城河，一半是软件

这里得先说清楚一件事。很多人以为英伟达厉害是因为芯片性能好，这当然没错，但另一半答案藏在 CUDA 里。CUDA 是英伟达的软件层，让原本为图形设计的 GPU 能当通用处理器用，PyTorch、TensorFlow 都建在它上面。开发者用 Python 写应用，默认就跑在英伟达的卡上。问题是，绝大多数应用层公司既没资源也没本事自己写内核、把应用移植到别的芯片上。

Nixon 想做的，是把 CUDA 这套「让芯片好用」的活儿交给一个 AI 智能体来干，而且不挑芯片——SRAM、GPU、手机芯片、Systolic Array 统统能适配。

一个会自己改自己代码的智能体

Infinity 的核心产品叫 Ignition，是个 AI 研究智能体。它的任务很硬核：为那些想挑战英伟达的芯片写 AI 推理所需的底层代码。它会测试、调试，测量硬件在这套代码下跑得快不快，不行就自动重写，直到性能提上去。整个系统是自优化的，会持续学习、自我改进，而且能适应不同的芯片架构，不管对方是不是闭源的。

不收授权费，只抽性能提升的成

这种打法听起来很「AI 原生」。Nixon 说，客户里已经包括 AI 芯片公司 D-Matrix——一家立志挑战英伟达的玩家，同时 Infinity 还在和其他大芯片厂、云厂商谈。更妙的是它的收费模式：不收前置授权费，而是从性能提升和成本节省里抽成，衡量的指标很直接，就是每秒令牌数（tokens per second）的变化。在一个案例里，这个智能体把原本可能要花几年或几个月的过程，压缩到了几小时或几天。

• Infinity 不是第一家想拆英伟达墙角的公司，但它走的是「逐产品蚕食」的软件路线，而不是去造另一块卡。
• 人类并没有被踢出局，而是给智能体定大方向，繁琐的体力活交给它。
• 公司目前只有 26 个人，分布在设计、运营和工程岗。

把视角拉远一点，Infinity 其实是这一波「AI 基础设施去中心化」浪潮里的一朵浪花。当训练和推理不再被绑死在某一家厂商的软件栈上，更多芯片公司才有机会把货卖出去。这条路能不能走通，取决于 Ignition 真能在不同架构上稳定逼近 CUDA 的水平——这是个需要时间验证的承诺，不是今天就能盖棺的事。