獲 Anthropic 晶片大單，AI 新創 Fractile 擬以 65 億美元估值募資 6 億美元

AI 晶片新創 Fractile 取得 Anthropic 的大額訂單，並規劃以 65 億美元估值募資 6 億美元。這反映模型業者尋求多元化晶片供應的趨勢正在加速，也顯示推論專用硬體的市場正在形成。

模型業者投入自有晶片供應鏈的動機相當直接。當前 AI 加速器市場高度集中於單一供應商，這在需求旺盛時造成兩個實際問題：產能取得受限，以及成本結構難以優化。對於推論規模持續放大的模型業者而言，硬體成本已成為毛利率的關鍵決定因素——每降低一個百分點的單位推論成本，在龐大的呼叫量下都會累積成可觀的金額。

推論與訓練在硬體需求上的差異，是專用晶片得以切入的技術基礎。訓練需要極高的浮點運算能力與晶片之間的高頻寬互連，工作負載大而集中；推論則不同——它需要的是低延遲、高吞吐與良好的能效比，且對記憶體頻寬的依賴往往高於純運算能力。針對推論場景專門設計的架構，能在這些指標上取得優於通用加速器的表現。

近年這個方向的一個技術焦點，是把運算移到記憶體附近甚至記憶體之內。傳統架構下，資料在記憶體與運算單元之間的搬運消耗了大部分的能量與時間；而模型推論恰好是記憶體頻寬受限的典型工作負載——大量的權重必須反覆讀取。若能減少這段搬運，效能與能效都可能出現數量級的改善。這也是多家推論晶片新創共同押注的方向。

65 億美元的估值反映了市場對這個賽道的期待，但也帶來相應的執行壓力。晶片新創面臨的挑戰不只在於架構設計——流片成本高昂、迭代週期以年計，而軟體堆疊的成熟度往往比硬體本身更決定實際可用性。既有供應商的優勢有相當比例來自其軟體生態的完整度，這是新進者必須跨越的門檻。

取得大型模型業者的訂單，正是解決這個問題的關鍵一步。與其在通用市場上與既有生態競爭，不如與單一大型客戶深度合作——客戶的工作負載明確、模型架構已知，軟體適配的範圍因此大幅收斂。這種模式讓新進者能在有限的資源下達成可用性，同時取得穩定的營收基礎。

對整體產業的意義在於供應格局的鬆動。當主要的模型業者都建立了替代供應來源，加速器市場的議價結構便會改變；而競爭的加劇通常會加速技術迭代與價格下降，最終傳導到 AI 服務的使用成本上。

後續觀察重點包括：募資的完成情況與投資者組成、晶片的實際部署規模與效能表現，以及其他模型業者的類似布局。