返回新闻
工业AI Understanding 简报

Euclyd 为人工智能推理芯片系统融资 2.3 亿美元

Pluang 报道称,荷兰初创公司 Euclyd 从三星和投资基金筹集了 2.3 亿美元,用于开发注重能源和成本的 AI 推理芯片系统,旨在与 Nvidia GPU 竞争。

4 min readRead the linked source
Source-provided image accompanying Euclyd raises $230 million for an AI inference chip system
来源参考来源记录
出版商
pluang.com
来源链接
pluang.comhttps://pluang.com/en/news-feed/samsung-dukung-pesaing-chip-ai-nvidia-dengan-pendanaan-230-juta
来源类型
链接来源——主要来源状态尚未确定。
背景60 秒内了解这一点

从这里开始

关键术语

推理
经过训练的模型生成预测或输出的运行时阶段。
内存(代理内存)
AI 代理跨步骤或会话使用存储的上下文来提高连续性。
基准测试
用于测量和比较模型性能的标准化测试或数据集。
测试一下自己AI 模型解释测验

发生了什么

Pluang 报道称,荷兰人工智能芯片初创公司 Euclyd 在由三星和多家投资基金共同领投的一轮融资中筹集了 2.3 亿美元。 Euclyd 正在开发另一种 AI 推理芯片架构,计划于 2028 年推出物理系统,目标是到 2030 年为数千家企业客户提供服务。

Pluang 报道称,荷兰初创公司 Euclyd 在由三星和多家投资基金共同领投的一轮融资中筹集了 2.3 亿美元。该公司成立于 2024 年,正在设计一款 AI 推理芯片系统,其架构旨在降低 AI 数据中心的能耗和成本。 Pluang 表示,Euclyd 计划到 2028 年推出物理芯片系统,到 2030 年为数千家企业客户提供服务。

消息人士称,三星的参与是为了提供内存制造专业知识和供应链支持。它不识别其他投资者、披露融资结构或估值、命名客户、描述生产安排或提供公开的主要文件。这些细节尚未在这里得到独立证实。

来源详情: pluang.com ↗

为什么这很重要

据报道,本轮融资将使 Euclyd 成为 Nvidia GPU 之外的 AI 数据中心硬件多元化的重要新参与者。成功的低能耗、低成本推理系统可能会影响大规模部署人工智能的经济性,但来源没有提供独立的性能、效率、客户、估值或生产证据。据报道,三星的参与可能会提供制造和供应链的专业知识,但其参与的具体范围尚不清楚。

人工智能推理是经过训练的模型生成响应或预测的阶段,它日益推动数据中心的需求。 Pluang 的报告表明,Euclyd 的目标是人工智能部署中的一个实际限制:大规模运行模型所需的成本和能源。如果该公司的方法在生产中有效,它可以为云和企业运营商提供另一种硬件选择,并增加现有加速器供应商的竞争压力。

据报道,三星的联系可能很重要,因为先进的人工智能芯片依赖于可靠的内存和制造供应链。然而,消息人士并未证实三星将制造 Eucld 的芯片、保证产能或提供商业分销。没有独立的基准测试表明 Euclyd 的设计比基于 Nvidia 的系统更高效或更便宜。

Interactive Mechanism

互动机制:它实际上是如何运作的

以交互方式探索这一发展背后的基础技术。

Document Size:128K tokens
Needle Placement Depth (Location in document):50% into text
Attention Context Buffer Map:
Target Fact (50%)
Equivalent Pages~320Standard book pages
Retrieval Accuracy99.9%Needle recall score
RAM / KV Cache5.1 GBMemory overhead
Prompt CachingActive~80% discount on reuse
Core takeaway: Million-token context windows allow querying whole codebases or legal archives in one prompt. However, KV cache memory scales with context length, making prompt caching crucial for real-time production.
交互式概念检查+10 Points
AI Models Explained Quiz

Which component of an AI application is the machine-learning model itself?

接下来看什么

主要未知因素包括Euclyd的芯片架构、制造合作伙伴、技术基准、客户承诺、融资条款、估值和商业生产途径。 2028 年的发布和 2030 年的企业客户目标是 Pluang 报告的计划,而不是演示的里程碑。需要独立测试和工作芯片的证据来评估 Euclyd 是否可以为现有的人工智能加速器提供可靠的替代方案。

接下来最有用的证据将是公开的架构、工作芯片、独立的性能和能源基准、指定的设计或制造合作伙伴以及确认的客户。 Euclyd报告的2028年产品目标仍然是未来计划,而2030年服务数千家企业的目标只是公司的雄心,而不是经过验证的预测。

Pluang 报道了融资金额和三星的共同牵头角色。该消息来源未提供独立确认、融资条款、估值、产品定价、可用性或芯片系统已投入生产的证据。这些未知因素限制了目前可以得出的有关 Euclyd 竞争力的结论。

相关指南和测验

人工智能模型解释人工智能培训AI 的未来测试你所知道的——尝试免费的人工智能测验在我们的词汇表中查找人工智能术语关注 AI 资金追踪器
觉得这有用吗?