YOHO AI

标签： AI融资

  • MiniMax一轮融了160亿港元，创始人说AGI之前不领工资

    国产大模型公司 MiniMax 在 7 月 10 日甩出一颗「资本炸弹」：完成一轮总规模约 160 亿港元（约合人民币 138 亿元）的融资。放在港股，这是个相当吓人的数字——而且它距离今年 1 月登陆港交所，才过去半年。

    钱从哪来，又去哪了

    这轮融资拆成两部分：配售 3560 万股新 A 类股份，每股 268 港元，募资约 95.4 亿；再发一笔 65 亿港元、2027 年到期的零息可转债券。两笔加一起，净募资差不多 159.6 亿港元。认购相当火爆，机构申购倍数达到 7 倍，主权基金、长线机构、中资机构和多策略基金都挤了进来。

    「从我写下这封信起，到公司实现 AGI 的那一天，我将不再从公司领取任何薪酬。」——MiniMax 创始人闫俊杰内部信

    创始人把身家也押上了

    更抓眼球的是闫俊杰那封内部信。他宣布 AGI 实现前零薪酬，还拿出个人名下相当于总股本 5% 的股份——4% 给核心团队做激励，1% 设成开源社区专项基金。对一个刚上市半年的创始人来说，这更像是给市场和团队的一颗定心丸。

    • 募资净额里约 80%（127 亿港元）砸向 AI 基础设施和模型研发
    • 约 10% 用于 AI 原生产品 Harness 的全球化商业落地
    • 到 6 月底，IPO 时那笔钱里用于基建和研发的已经花掉 77%

    大模型这场仗，烧钱速度比谁都快。MiniMax 手里现金更厚了，但对手也没闲着——同一赛道里智谱的市值已经冲到七千多亿港元。160 亿能让 MiniMax 多跑一阵，但真正决定胜负的，还是模型本身好不好用。

    MiniMax完成160亿港元融资
    MiniMax 完成 160 亿港元融资，创始人宣布 AGI 前不领薪

  • 一家「原生 AI 律所」拿到 12 亿美元估值：不按小时收费，按结果算账

    法律 AI 这条赛道又冒出一只独角兽。一家叫 Norm 的公司把律师和 AI 智能体塞进同一个平台，还让 AI 去监督别的 AI，本周拿下了 12 亿美元的估值。它最反传统的做法，是不按小时收费，而是按结果算账。

    一笔带着「跨界钱」的融资

    Norm 这周宣布完成 1.2 亿美元 C 轮，由 Khosla Ventures 领投——这家机构也是 OpenAI 最早的机构投资方。成立不到三年，估值已经冲到 12 亿美元，正式跻身独角兽行列。投资方阵容很特别：黑石前总裁 Tony James、Kirkland & Ellis 前主席 Jeff Hammes 以个人身份入局，Bain、Coatue、Vanguard、纽约人寿、TIAA 这些金融和老牌律所背景的机构也跟了。算上这轮，Norm 累计融资已经超过 2.6 亿美元。

    它到底在做什么

    Norm 搭了一家叫 Norm Law 的「原生 AI 律所」，底层跑的是自家研发的 AI 智能体，再配真人律师在旁边盯着、校准。企业客户把法律活儿交给它，它用智能体去起草、审阅、跑流程。更往前一步的是，Norm 还在做能监督其他 AI 智能体的「上层智能体」——当别的公司把 AI 放到越来越要紧的岗位上，Norm 的 Agent 可以替你看看它们干得合不合规。

    「随着 AI 能力往前冲，最大的机会之一，是搭起 AI 与法律——人类价值观最权威的载体——之间的接口。」—— Norm 创始人兼 CEO John Nay

    AI 智能体监督法律工作的概念图
    AI 智能体彼此监督：当 AI 接管要紧岗位，谁来替企业把关合规

    不按小时，按结果

    最反传统的其实是收费方式。整个行业都在按小时计费，Norm 偏要按「结果」收费。它创始人说，这样 AI 带来的效率和质量提升，能直接落到客户头上，而不是变成律所和模型厂商的计时小费。目前它的客户管理着超过 30 万亿美元的资产，把 Norm 的 AI 智能体直接用在自家法务团队里。

    法律赛道为什么突然挤破头

    Norm 不是孤例。Harvey、Legora 这两年都冒了出来，盯着同一块肥肉：把合同审阅、尽调、合规这些又繁琐又烧钱的活儿自动化。但 Norm 的打法更激进——它不只是在工具层面帮忙，而是干脆自己下场开了一家 AI 律所，把「人机协作 + 结果计费」做成了整套运营模式。在监管越来越重、企业又怕 AI 乱来的当口，这种「既用 AI、又有人兜底」的叙事，恰好戳中了大买家最在意的信任问题。

  • 14个人服务890万开发者：Ollama拿下6500万美元B轮，押注开源模型随处跑

    先说个数字：14个人，撑起890万开发者每月都在用的工具。这不是哪家巨头的内部团队，而是开源AI工具Ollama的全部家当。就在这周，这家公司拿到了6500万美元的B轮融资，领投方是Theory Ventures。

    Ollama开源AI工具融资示意图
    Ollama让开源模型在任何地方都能跑起来

    算上之前Benchmark领投的1500万美元A轮，Ollama目前累计融资8800万美元。当年领投A轮的Peter Fenton这次也进了董事会。创始人兼CEO的Jeff Morgan把话说得很直白：开源模型就该好跑、好用、随处可用——你自己的电脑上、云端，或者两头都用。

    从Docker到开源模型，这俩人干的是同一件事

    Ollama是2023年上线的，干的活很简单：帮开发者在自己的PC上跑开源权重模型，几分钟就能装好用起来。GitHub上攒了17.6万颗星、近1.7万个fork，各种教程、视频、博客里都在夸它。

    这种”把复杂的东西变简单”的路数，Morgan和联合创始人Michael Chiang早就玩过一遍。他们之前做的Kitematic被Docker收购，两人随后帮着做出了Docker Desktop——那个如今每天有一千多万开发者在用的工具。Docker当年把云应用从繁琐的硬件配置里解放出来，Ollama现在对开源AI做的是同一件事。

    “2023年开源模型开始冒出来，但真的很难用。它们当时是给研究员准备的，不是给程序员的，想跑起来特别费劲。”——Jeff Morgan

    免费工具怎么变成生意

    现在Ollama每月有890万开发者在用，比今年1月翻了差不多一倍，每周还新增将近100万次安装，社区做出来的集成超过6.7万个，覆盖了《财富》500强里85%的公司，连医疗、金融、政府这些强监管行业都在用。而这一切，团队只有14个人。

    光靠免费的本地工具当然赚不了钱。Ollama的商业化藏在云端：本地机器扛不住更大的模型时，可以直接切到它的云上跑，同一套操作，按GPU时长计费而不是按token。这套逻辑跟主流按token收费的做法明显不一样。

    • 免费版：本地运行 + 一定的云端GPU时长
    • Pro版：每月20美元，可同时跑3个云端模型，云用量是免费版的50倍
    • Max版：每月100美元，可同时跑10个云端模型

    Morgan说，Ollama作为一门生意的转折点大概在今年1月，OpenClaw火起来那阵子——更大的开源模型突然能干agentic的活了，比如写代码。这也踩中了整个行业的大趋势：据Grand View Research，AI推理市场2024年约970亿美元，到2030年预计冲到2540亿美元，年复合增速约17.5%。随着Meta、Mistral、DeepSeek这些开源模型和闭源系统的差距越缩越小，越来越多的钱正流向”开发者选择在哪里跑模型”这件事上，而这正是Ollama想占的位置。

    当然，这条赛道并不空。Hugging Face融了超过3.95亿美元，主要做模型仓库；Together AI最近以83亿美元估值拿了8亿美元，扩云端训练和推理。Ollama和Morgan都没透露这轮的估值和收入。但14个人对890万开发者这个比例本身，可能才是这轮融资背后最值得琢磨的故事。

  • Etched走出隐身：50亿美元估值、10亿美元订单，专打AI推理芯片

    一家芯片公司从隐身模式里走了出来

    Etched这家公司以前低调得很，但最近它直接把成绩单摊在了桌上：芯片已经由台积电成功制造出来，累计拿下了10亿美元的系统订单，整体估值也到了50亿美元。它的方向很专注——做Transformer推理专用的芯片和整机系统，专门帮前沿模型更快、更便宜地跑推理。

    所谓推理，就是用户输入问题后模型真正生成答案的那一步。对今天的AI公司来说，这一步既是用户体验的瓶颈，也是最大的成本中心。谁能把推理成本压下去，谁就能让大模型服务更便宜、响应更快。Etched赌的正是这一点。

    Etched已签10亿美元客户订单，累计融资8亿美元，最新一轮由Stripes领投，投后估值50亿美元。

    这家公司2022年成立，创始人Gavin Uberti和Robert Wachen都是哈佛辍学生，后来拿了Peter Thiel的Thiel Fellowship。其实他们早在2024年就跟TechCrunch聊过芯片计划。那时候他们已经从Primary Venture Partners等投资人手里拿到超过1.25亿美元。不过据他们在Patrick O’Shaughnessy的播客里回忆，2023年最初融资时非常艰难，他们拿着30页备忘录讲“AI未来需要专用芯片，而不是通用GPU”，结果几乎每个大投资人都拒绝了。

    投资人名单豪华，但市场考验才刚开始

    现在融资环境完全是另一个世界。Etched披露的累计融资额是8亿美元，其中去年12月那轮未公开的融资由Stripes领投，金额约5亿美元，估值50亿美元。参与方包括VentureTech Alliance、Jane Street、Hudson River Trading、Two Sigma、Ribbit Capital，以及Andrej Karpathy、Geoffrey Hinton、Fei-Fei Li、Arthur Mensch、Scott Wu等AI界名人。Peter Thiel和Stanley Druckenmiller也在股东名单里。

    不过融资热归融资热，芯片能不能真正兑现性能，还需要独立测试。Etched目前在做的是“前沿推理集群”——把芯片、定制机柜和软件打包成一套系统。它说自己比Nvidia的GPU更快、更省电、更便宜，但这些数字来自公司自己，真实世界表现还得等客户大规模部署后才能验证。

    AI推理芯片概念图
    专用AI推理芯片正试图从通用GPU手中抢走推理市场。

    在这个赛道里，Etched不是孤例。Cerebras今年率先IPO，Groq刚刚完成6.5亿美元融资，亚马逊、Google、微软都在做自己的AI芯片，OpenAI也推出了和Broadcom合作的首款定制芯片。推理芯片的竞赛正在升温，每家公司都在赌自己的路线。

    对AI行业来说，推理芯片的稀缺性正在被放大。训练一度是最大难题，但现在越来越多公司发现，真正烧钱的其实是服务用户时的推理。Etched的崛起说明，资本市场已经把这个环节视为下一个主战场。至于它能不能撼动Nvidia，还要看第一批客户订单交付后的实际表现。

  • 一家AI代理公司让自家Agent去拉融资：130个投资人，它一个人都没见

    AI代理自主融资概念图
    AI代理SivaClaw主导Lyzr的1亿美元融资路演（概念图）

    这事儿巧得有点剧本感。据彭博的报道，一家叫Lyzr的新泽西创业公司，干了件挺绝的事：它自己是帮企业搭AI代理的，结果这一轮融资，它让自己的AI代理去拉。系统叫SivaClaw， reportedly 对接了130多个投资人，起草投资备忘录，甚至还能追踪哪些slide投资人停留得久。

    它把自家产品的路演，变成了产品演示

    Lyzr是个成立三年、base 在新泽西Jersey City的公司。这一轮是1亿美元的B轮，估值大概5亿美元。SivaClaw基本扛起了整个融资的”前锋”角色——回答问题、写材料、盯数据，一条龙跑完。对一家卖AI代理的公司来说，没有比”用自家代理融到钱”更顺滑的广告了。

    最耐人寻味的不是它干了多少活，而是创始人几乎没费腿脚。Lyzr对彭博说，他们从硅谷、中东和金融圈捞到了4亿美元的意向，全程没有哪个创始人飞出去，去Sand Hill Road挨家挨户喝咖啡、找人暖场介绍。

    真正的主线，是钱多到追着AI跑

    把这事单独看，是个很酷的产品故事；放到大环境里看，它其实在说另一件事。当下追着AI下注的资本实在太多，以至于一个有真实traction的创始人，连办公室椅子都不用离开，就能把九位数的钱聊下来。SivaClaw只是把这种”钱追项目”的失衡，用一种戏剧化的方式演了出来。

    AI代理正在一口口吃掉过去的白领工作，这点我们已经听了很多遍。但融资这件事，历来靠的是人脉、信任和一次次面对面磨出来的化学反应。当一个代理能代创始人去应对投资人、起草备忘录，说明连这块高度依赖”人”的地盘，边界也在往后退。

    但拍板的那一下，AI还替不了

    冷静一点看，这里头也有需要打个问号的地方。SivaClaw能写材料、能问答、能统计slide停留时长，可投资人最终掏钱，靠的是对创始团队的信任——这种信任往往是酒会、邮件往来和一次次坦诚沟通攒出来的，暂时还不是代理能生成的。

    资本愿意为”AI替我跑融资”这个故事买单，本身就已经说明市场热到了什么程度。比起 agent 真的解放了多少劳动力，更值得盯的是：这股热钱会不会把”会讲故事”和”真有产品”混为一谈。

    对Lyzr来说，最值钱的不是那1亿

    回到公司本身，这笔融资最划算的地方，是把它”产品能真干活”这件事，变成了活生生的案例。一个帮企业造代理的平台，自己先用代理跑通了最难的融资关，这套叙事拿去敲任何企业客户的大门都好使。

    不管你信不信”代理能替人融资”，Lyzr这波操作都给所有AI公司提了个醒：在资本这么拥挤的赛道里，最好的产品演示，可能就是你拿它把自己最头疼的那件事给办了。

  • 巴黎一家语音AI公司，拿了英伟达的钱，还要跑去湾区抢人

    AI语音这条赛道，最近又冒出一笔不小的融资。巴黎初创公司Gradium这周宣布，把原本关掉的种子轮重新打开，新拉进来英伟达等投资人，整轮累计融到1亿美元。

    钱要花在刀刃上

    Gradium自己说，这笔钱主要用来在旧金山湾区开个办公室、就近抢人——原话挺直白，叫”把自己摆在全世界最领先AI生态圈的正中心”。这话挺有意思：巴黎明明是欧洲AI的重镇，可真要拼人才，还是得贴着Anthropic、Google、Meta、OpenAI这几家巨头才踏实。

    从实验室里长出来的公司

    Gradium并不是凭空冒出来的。它去年12月才结束隐身状态，最初那7000万美元，投资方名单就相当豪华：FirstMark Capital、Eurazeo、DST Global Partners，还有Eric Schmidt和法国电信大亨Xavier Niel。再往前，它是从法国AI实验室Kyutai分拆出来的——两家公司的联合创始人Neil Zeghidour，早年在Google Brain、DeepMind、Facebook都待过。

    AI语音技术与神经网络融合概念图
    Gradium主打超低延迟的AI语音模型，背后站着英伟达

    他们做的事，说白了就是”让AI说话不卡顿”。Gradium做的语音模型主打超低延迟，声音几乎秒回，没有那种在AI对话里经常冒出来的、让人尴尬的停顿。听着简单，可对语音代理来说，这几毫秒的差距，往往就是”像真人”和”露馅了”的分界线。

    对手可不弱

    这条赛道早就挤满人了。光是ElevenLabs，今年2月就靠着红杉的5亿美元把估值冲到110亿；更别提Google Gemini这种自带语音基因的巨头。不过Gradium好像还真撕开了口子——从去年12月发布到现在，它已经拿下包括雷诺在内的几个大客户。

    1亿美元对一家还叫”种子轮”的公司来说不算小，但在语音AI这场仗里，能不能靠低延迟真正站稳，才刚开场。

  • Ollama 又融了 6500 万美元：让开发者在自己电脑上跑大模型，这门生意成了

    在个人电脑上运行开源大模型的 Ollama
    在个人电脑上跑开源大模型，Ollama 想做成 AI 时代的「Docker」

    Ollama 这家公司的名字，做 AI 开发的人基本都听过，圈外知道的不多。最近它宣布完成 6500 万美元的 B 轮融资，领投方是 Theory Ventures。加上之前 Benchmark 的 Peter Fenton 领投的 1500 万 A 轮，这家公司前后总共融了 8800 万美元。

    从 Docker 出来的团队，给 AI 干了件类似的事

    Ollama 在 2023 年上线，做的事情其实很朴素：让开发者在自己的电脑上，几分钟就把开源大模型跑起来。它在 GitHub 上攒了 17.6 万颗 star、将近 1.7 万个 fork，被无数教程、视频和博客拿来当范例。

    创始人 Jeff Morgan 和 Michael Chiang 之前都在 Docker 干过，做过 Docker Desktop，后来公司被 Docker 收购。所以 Ollama 对 AI 模型干的事，基本就是 Docker 当年对云计算干的事——把那些麻烦的硬件配置、环境差异全给你屏蔽掉，开发者只管跑。

    「2023 年开源模型就出来了，但那时候真的很难用，都是给研究人员准备的，不是给程序员用的。想把它们跑起来特别费劲。」Morgan 说。

    近 900 万月活，团队却只有 14 个人

    上线三年，Ollama 现在每个月有 890 万开发者在用，85% 的财富 500 强公司都在用，而背后撑起这一切的团队，只有 14 个人。它能长到这么快，靠的就是「在本地电脑上更顺手地搭 AI」这件事本身的需求。

    商业模式上，桌面免费版一点没变，赚钱靠的是云端订阅，从免费到每月 100 美元分几档，按 GPU 时长而不是 token 计费。那些太大、在自己电脑上跑不动的开源模型，Ollama 就帮你在它的云上找算力跑。

    企业开始认真考虑「用便宜的，留贵的」

    Morgan 把 Ollama 真正像个生意跑起来，归因于今年 1 月 OpenClaw 爆火。那之后，开源模型突然能做 agentic 任务了，比如写代码，企业开始认真琢磨：是不是能把日常活儿交给更便宜的开源模型，只在必要时才掏钱用 Anthropic 那种闭源模型。

    Fenton 的观点是，开源和闭源不是二选一，两边都有的赚。但他也点出一个现实：凡是推理成本高、也就是用模型烧钱烧得狠的公司，都有一股「生存级」的动力往开源权重模型上搬。

    免费的还免费，但「开发工具堕落」的骂声已经有了

    不是所有粉丝都买账。大概一年前，就有一批博客和论坛帖子吐槽 Ollama 的云服务，说它把精力从心爱的免费项目上挪走，把这股风气叫「开发工具的 enshittification（逐渐变烂）」。

    Morgan 不这么看，他说云端是开源使命的延伸——那些顶尖的大模型你自家电脑跑不动，「那我们就帮你把算力找来」。Fenton 也补了一句：桌面上的免费核心产品，前提一点没变，该发现模型、该跑本地模型，还是那个地方。

    不管争议怎么走，Ollama 都算是 AI 催生出来的那一拨「开源项目长成公司」里的最新样本。和它差不多的还有做推理的 Inferact（vLLM）、RadixArk（SGLang），以及从零训自己开源模型的 Arcee。AI 这波浪潮，正在把一批本来免费的工具，一点点变成正经生意。

  • Prime Intellect融资1.3亿美元，帮企业逃离OpenAI和Anthropic

    1.3亿美元、估值10亿，背后站着英伟达和英特尔

    Prime Intellect这家公司做的事听起来有点硬核：它给企业提供算力和一整套专门软件，让这些公司能自己动手训练AI代理。最新一笔钱是1.3亿美元A轮，估值直接站上10亿美元。领投的是Radical Ventures，跟投名单里躺着英伟达创投、英特尔资本、戴尔科技资本、Iconiq，还有一长串创始人天使——Perplexity的Aravind Srinivas、Box的Aaron Levie、Harvey的Winston Weinberg、Cognition的Jeff Wang都来了。

    公司2024年成立，核心念头就一个：让组织不用再依赖那些前沿实验室，也能训出自己的代理系统。这事搁几年前几乎不可能，但强化学习这套”做对了就奖励、做错了就惩罚”的法子成熟之后，企业确实有机会把自己的业务模型打磨成专属的”AI实验室”。

    企业AI代理基础设施概念图
    把算力、强化学习框架和评估工具打包成”全栈”，企业按模块取用

    真正卖点：帮你绕开OpenAI和Anthropic

    底层基础设施那摊事太复杂，绝大多数公司根本没本事把它拼成能上生产的系统，这正好是Prime Intellect切进去的缝。它做的”全栈”包含算力接入、强化学习框架和评估工具，平台像个集市，客户挑自己要的模块，不会被绑死在一整套里。

    Radical Ventures的合伙人David Katz说，别人都只给零碎零件，Prime Intellect的特别之处在于，它把顶级AI实验室的本事做成了”一站式商店”，而且价格企业付得起。

    钱花得值不值，看客户就知道。Ramp、Zapier、Flapping Airplanes都在付钱用它的托管版，这一波 adoption 已经把公司年化收入推到了1亿美元。Ramp拿它搭了个在电子表格里找答案的代理，Ramp联合CEO Karim Atiyeh的说法是：精度压过了前沿模型，速度更快，成本只有零头。

    企业为什么突然想”自己掌握智能”

    • 数据主权：把专有信息喂给OpenAI、Anthropic，企业怕失去对数据的控制权。
    • 断供风险：模型说关就关，上个月Anthropic的Fable就是活例子。
    • 竞争焦虑：Katz反问，我怎么知道合作方不会反过来把我这摊事也做了。

    创始人兼CEO Vincent Weisser把话挑得更明：企业正在集体离开闭源前沿模型，而他的公司就是那个让转型能落地的底座。”不该只有旧金山玻璃塔里那几个极客才配训AI模型，”他说，”每一家企业、每一个国家，都该有这个能力。”

  • 成立不到三年估值翻倍到132亿美元，Lovable做对了什么

    Lovable 氛围编程创业公司
    用大白话描述需求，软件自己就长出来了——这正是氛围编程的卖点

    一家瑞典的”vibe-coding”（氛围编程）创业公司 Lovable，正在谈一轮 3 亿美元的融资，估值直接冲到 132 亿美元——正好是他们去年 12 月 66 亿美元估值的两倍。据 Sifted 报道，领投的是 Menlo Ventures，就是上个月刚宣布募了 30 亿美元新基金的那家。不到一年估值翻一倍，这速度在 AI 应用层里也算扎眼。

    收入跑得比名气还快

    这家成立还不到三年的公司，今年 6 月年化收入跑到了 5 亿美元。它的用户群挺杂：有创始人、独立设计师、做销售的人，拿它来搭网站和电商落地页；它也把工具卖给大公司，Workday、Asana、英伟达都在客户名单里。既有散客又有大单，这让它跟那些只靠个人开发者撑场面的竞品拉开了身位。

    “用大白话描述一下，软件就自己长出来了”——这大概就是氛围编程最直白的注脚。

    为什么”氛围编程”这么值钱

    氛围编程说白了就是用户用自然语言描述想要什么，AI 就把软件给搭出来。这目前是 AI 最火、也最赚钱的应用场景，没有之一。同赛道里早就挤满了高估值玩家：

    • Replit：今年 3 月估值到 90 亿美元
    • Factory：帮企业做 AI 代理，4 月拿了 1.5 亿融资、估值 15 亿
    • Cursor：给开发者做氛围编程，上个月刚被 SpaceX 以 600 亿美元股票收购

    Lovable 这波估值翻倍，本质上是市场在给”AI 让人人都能写软件”这个故事重新定价。当收入跑得快、大企业也愿意买单，投资人自然愿意把赌注加倍。不过氛围编程这行的护城河到底有多深，会不会被大厂自家的 AI 工具一点点稀释，到现在还是个没人能答清楚的问题。

    回头看，Lovable 从去年底 66 亿到如今 132 亿，踩中的是 AI 从”聊天”走向”真把东西做出来”的那股劲。接下来要看的是，它能不能在 Cursor 被巨头收编、大厂工具免费化的夹击下，守住自己的那块地盘。

  • SambaNova再融10亿美元、估值110亿：AI芯片烧到了银行金库

    SambaNova AI推理芯片与本地数据中心
    SambaNova 押注「本地推理」，把大模型放进企业的自有机柜里（配图由 AI 生成）

    AI 芯片公司 SambaNova 又拿到钱了。这轮 F 轮融资刚完成「首关」，金额 10 亿美元，估值冲到 110 亿美元，领投方是 General Atlantic。公司 CEO 兼联合创始人 Rodrigo Liang 跟 TechCrunch 说，接下来几周还会有更多投资人进来，第二关很快收尾。距离上一轮 3.5 亿美元的 E 轮，才过去五个月。

    这家 2017 年在加州帕罗奥图成立、如今九岁的公司，节奏明显在加快。今年 2 月它刚发布了新一代芯片 SN50，当时顺手拿了 E 轮的钱；现在 F 轮又来了。Liang 对「要不要一直独立」这个问题打起了太极——他说公司一直有人来打听收购，门没关死，但眼前的势头和增长「大概率会把它推向上市」。

    和英特尔越绑越紧

    SambaNova 跟英特尔的关系，比外界以为的更深。英特尔从 C 轮就是股东，这一轮也跟进了，两边还签了多年的合作，基于英特尔的至强（Xeon）芯片一起做 AI 推理产品，共同开发、共同卖。「这让我们能借英特尔的体量，放大自己的技术」，Liang 是这么说的。去年底彭博还报过英特尔想以约 16 亿美元收购 SambaNova 的消息，谈判最后黄了。

    「摩根大通决定用 SambaNova 做推理方案，这是件大事。它给银行业放了句话：是时候别完全依赖云服务了，这些银行想要的是异构的基础设施。」

    这话说的是一桩新买卖：摩根大通选了 SambaNova 当「推理基础设施伙伴」，用它的 SN40L 和 SN50 系统在银行内部跑安全、私有的 AI 推理。在 Liang 看来，像摩根大通这种级别的银行开始自建私有、安全的推理环境，是一个会超出金融业本身的信号——企业和政府「才刚刚踏上 AI 这条路」，之前的增长都集中在模型公司和前沿实验室手里，剩下的「大把收入」还在桌上。

    把万亿参数模型塞进一个机柜

    SambaNova 给自己找的差异化定位是「高端推理」——专门跑最大的模型，而且跑得快。现在的前沿模型动辄上万亿参数，SambaNova 的卖点就是能把多万亿参数的模型装进单个机柜，从而跑出速度。SN40L 在 2023 年 9 月发布，云上和本地都能用；SN50 今年 2 月亮相，计划 2026 年下半年开始给客户发货，软银是它的第一个部署伙伴。

    Liang 把客户分成三类：一是主权云（政府出钱扶本地伙伴建私有云），二是新锐云（neocloud），三是自己搭设施用的企业。除了摩根大通，沙特阿美、英特尔和一些日本企业也在客户名单上。

    这 10 亿美元主要用来两件事：把生意做大规模，以及在这波「难以置信的需求浪潮」里把供应链锁住。Liang 的原话是，钱要用来确保供应链，好兑现订单、买齐未来 12 个月要交付的材料。本轮跟投的名单很长，Seligman Ventures、T. Rowe Price、Capital Group，还有黑石、卡塔尔投资局（QIA）、Vista Equity Partners 等等都在里面。

    看下来，SambaNova 赌的其实是一个正在发生的转向：当云上的通用算力越来越贵、也越让人不放心，大机构开始想把最关键、最敏感的模型搬回自己的机房。芯片、合作、客户订单，都朝着这个方向摆。至于它最后是被收购还是敲钟上市，Liang 留了个活口——但这个市场里，「总有人来敲门」本身就是一种底气。