当一家数据中心每天为大型语言模型生成数以万亿计的 token 时，每一行文本在被“写”出来之前，硬件都已执行了数百次不同类型的运算。有的用于理解提示词，有的用于检索参数，有的用于逐字解码输出。然而今天，几乎所有这些工序都在同一类芯片——通用 GPU——上跑完。用厂房打个比方：冲压、喷漆、组装全挤在同一台机器上完成，效率天花板一目了然。
这恰恰是 Olix 认为自己能撕开的口子。这家总部位于伦敦的 AI 推理硬件公司相信，把“token 工厂”里每一道工序交给专为它设计的芯片去做，能够在速度和成本上同时实现跨越式提升。而资本市场已经用极快的速度投下了信任票：2026 年 8 月，Olix 在 B 轮融资中筹得 3.12 亿美元，公司估值达到 33 亿美元，距离它完成 2.2 亿美元 A 轮、估值突破 10 亿仅仅过去了六个月。
| 字段 | 内容 |
|---|---|
| 公司 | Olix（前称 Flux Computing） |
| 轮次 | B 轮 |
| 金额 | 3.12 亿美元 |
| 投资方 | Arm、Fundomo、Hudson River Trading、Reed Hastings、英国政府 Sovereign AI 基金、Plural、Hummingbird Ventures、Phoenix Court、Crane、Creandum、Transition |
| 总部 | 英国伦敦 |
| 创始人 | James Dacombe |
| 官网 | https://olix.com/ |
把模型“拆开”再加速：一颗专精解码的芯片，和一条光学流水线
Olix 把这个专精化的构想封装在一个名为 X-1 的平台中。其运作逻辑可以理解为一条硬件生产流水线：将一个 AI 模型完整“展开”到大量芯片上，每颗芯片只专注处理模型中的某一个计算阶段，且芯片本身不固化任何特定模型架构，从而在模型快速演进的当下保持灵活性。
平台的第一款自研芯片 DX-1 扮演的角色非常明确——解码加速器。它不是为训练而设计，也不是一张试图包打天下的通用推理卡，而是专门盯着大型模型输出阶段的那一颗“专家”。在公司公布的技术指标中，对于约 1000 亿参数的模型，DX-1 能够为每位用户同时提供超过每秒 10,000 token 的输出，并且其单位瓦特的输出 token 吞吐量要高于在同等大吞吐场景下的通用处理器。
为了实现这一目标，DX-1 在设计上做了几项关键取舍。它将模型直接存储在片上 SRAM 中，用以提升能效并降低延迟，同时完全回避了当前 AI 硬件行业普遍依赖的两样东西——先进封装和高带宽内存（HBM）。过去几年，受制于先进封装和 HBM 的持续紧缺，许多芯片公司即使有好的设计也难以保障出货。Olix 的设计绕过这两处产能瓶颈，本质上是在用架构选择为供应链的不确定性上保险。
比 DX-1 本身更值得关注的，是 X-1 平台中连接这些芯片的方式。Olix 没有使用传统的铜互连，转而采用一种被称为“慢且宽”的光学互连系统——数据在芯片之间通过光而非电信号传输。公司声称这种设计能降低延迟和能耗，但更重要的是，它改变了芯片间数据传输的物理成本结构。Olix 把这套光学系统、激光器和网络设备一并纳入整机柜设计，对外销售的是一台完整的 rack-scale 推理系统，而不仅仅是芯片。
这是一个重要的区别。在过去十年里，多数试图挑战英伟达的 AI 芯片创业公司都把战场选在了单卡性能的比拼上，最终往往因为软件生态和集群扩展能力不足而败下阵来。Olix 从一开始就走上了另一条路：它不去争某一块卡跑得有多快，而是试图证明，用一套专门化、光互联的机柜级系统去跑推理，合起来的总成本和吞吐可以显著优于用一堆通用 GPU 拼凑的集群。
不卖芯片卖机柜，商业模式画在供应链成本上
Olix 的商业模式与它的技术架构高度绑定。公司不打算单独售卖 DX-1 芯片，也不会只提供一块 PCIe 卡让客户插进自己现有的服务器。它出售的是完整的机柜级推理系统，里面包含定制的计算芯片、光学互联模块、激光器、网络设备和一整套编译器与调度软件。
这种做法的好处在于，Olix 能够对系统性能做端到端管控。上层的确定性编译器负责在机柜之间精准调度计算负载，下层的定制硬件则把能效和延迟指标吃死。但对于客户而言，这也意味着采用 Olix 方案需要放弃现有基础设施的兼容性。他们不是在服务器里更换一块加速卡，而是要把整个推理工作负载迁移到一个完全异构的新系统上。这个迁移成本——包括软件适配、运维流程改变和团队学习——是 Olix 商业化过程中必须用极大幅度的性能或成本优势来覆盖的隐形门槛。
从供应链角度看，Olix 给出的逻辑是自洽的。避开先进封装和 HBM，意味着它不需要与英伟达、AMD 等在台积电 CoWoS 产能或美光、三星 HBM 产线上短兵相接。但与此同时，公司仍然需要面对光学模块的量产可靠性、DX-1 芯片本身的流片与良率爬坡，以及机柜级系统的组装和测试等一系列硬件公司绕不开的制造地狱。资金用途中明确列出的“制造与供应链承诺”正是这一现实的直接映射。
资本以罕见速度三倍重注：六年学龄的辍学创始人，和一个“新世界”叙事
本轮 3.12 亿美元的出资方名单呈现出一个鲜明的结构特征——战略资本、对冲基金与政府主权基金齐聚，而非仅由传统风险投资驱动。芯片 IP 巨头 Arm 以投资方身份出现，意味着这家对 AI 硬件生态有深远布局的公司至少在方向上认可 Olix 的路线。高频交易公司 Hudson River Trading 的参与则暗示，Olix 系统潜在的极低延迟特性，可能已进入对计算延迟极为敏感的量化交易机构的视野。
Netflix 联合创始人 Reed Hastings 以个人身份参投，但其在科技基础设施领域的过往投资记录让这笔钱含有的信息量超过普通天使轮。英国政府 Sovereign AI 基金的出现则带有地缘色彩：在英国寻求在先进半导体领域建立主权能力的背景下，Olix 被视为本土冒出来的一颗高潜力种子。
估值增速是另一组必须正视的数字。2026 年 2 月，Olix 在 Hummingbird Ventures 领投的 A 轮中筹得 2.2 亿美元，估值 10 亿。仅仅六个月后，B 轮估值跳升到 33 亿。这意味着早期投资者在新一轮中已经被要求在短时间内接受三倍以上的溢价。支撑这个估值跳跃的，是公司声称将在 2027 年下半年向客户交付首批系统的承诺。也就是说，当前轮次的投资人几乎是在产品还存在大量工程不确定性、尚未经客户验证的阶段，便以一种接近成长期后期的价格进入。
创始人 James Dacombe 的个人背景放大了这笔交易的叙事张力。Dacombe 年仅 25 岁，16 岁辍学进入一家软件创业公司担任工程师，2022 年获得 Thiel Foundation 提供的 20 万美元资助，2024 年 3 月创办 Olix（当时名为 Flux Computing）。在公司估值突破 30 亿美元之时，他本人尚未满 26 岁。
在团队构建上，两则人事任命透露出 Olix 正在为从研发走向量产的跨越储备关键经验。一位是新增的董事会成员 Nick McKeown，他是软件定义网络、OpenFlow 和 P4 编程语言的共同发明人，曾创办 Nicira（被 VMware 收购）和 Barefoot Networks（被英特尔收购），在英特尔收购 Barefoot 后曾执掌其网络业务。他把网络与可编程基础设施数十年的经验带进了一家正试图用光重新连接芯片的公司。另一位是 Matt Briers，被任命为 CFO。Briers 在 Wise 担任 CFO 长达九年，主导了该公司从一家年亏损的金融科技创业公司到 2021 年以约 120 亿美元估值在伦敦证券交易所直接上市的完整过程。他的任务是确保一家硬件深科技公司在烧掉数亿美元研发和产能投入之后，有一套经得起公开市场审视的财务纪律。
比英伟达便宜又比英伟达快？推理赛道的真实战场不在训练
任何一家 AI 芯片创业公司都不可能回避与英伟达的竞争，Olix 也不例外。但需要把战场细分来看。
在大模型训练领域，由于 CUDA 软件生态的锁定效应和模型开发者对训练稳定性的极致追求，英伟达的地位远未松动。但推理则是另一回事。推理工作负载正在从“偶尔调用的能力”变为“持续产出的服务”，每生成一个 token 都在产生电费和数据中心折旧成本。当 token 生成量在指数级增长时，哪怕只是单位成本下降 30%，对云厂商和 AI 应用公司而言都可能在盈亏模型上产生根本性变化。
这正是 Olix 宣称自己的价值锚点所在。DX-1 定位为解码加速器，直接瞄准当前大语言模型推理中最耗资源、也是对用户响应时间影响最大的输出生成阶段。公司宣称其技术路线可以“降低运行现有前沿 AI 模型的成本，同时使部署规模更大、能力更强的模型成为可能”。但这里有一个关键的待验证假设：DX-1 必须证明自己不仅在单一模型、特定参数规模下的指标漂亮，而且在面对多样化的模型架构和混合推理负载时，其专精化设计不会成为灵活性的拖累。换句话说，通用 GPU 的效率天花板固然存在，但“专用到什么程度才算合适的专用”是一个需要市场用实际负载检验的商业问题，而非仅凭白皮书就能回答的工程问题。
Olix 的 X-1 平台在设计上保留了灵活性：芯片不固化模型架构，依靠编译器对负载进行调度。这至少在纸面上是朝着正确方向迈出的一步。但这个灵活性的边界在哪里，只有到了客户手中、跑过真实生产流量之后才会暴露出来。
绕过 HBM，但没绕过所有坑：资金、交付与替代方案的隐性压力
DX-1 使用片上 SRAM 并绕过 HBM 和先进封装，这确实缓解了一类供应风险，但同时带来了另一类风险。SRAM 在芯片面积和容量上都有极限，所以 DX-1 的能力范围天然地与其片上存储能容纳的模型规模强绑定。公司声称通过多机柜 scale-up 域设计可扩展至 10 万亿参数以上的模型，但这需要一个前提：光互连能否在机柜间仍然保持与机柜内相近的带宽、延迟和可靠性水平。
另外，首次流片总是半导体创业公司死亡谷最深的一段。Olix 目前仍处在“最终设计和测试阶段”。这一表述意味着芯片尚未完成全部验证，物理层面的不确定性还远未解除。即便芯片本身功能正确，从工程样品走到可量产的机柜系统再到获得首批客户订单，中间还有至少 12 到 18 个月的漫长时间窗。在此期间，英伟达几乎肯定会推出新一代推理加速硬件，其他推理芯片创业公司也会陆续把产品推向市场，留给 Olix 的单一窗口期可能比融资速度要窄得多。
从资本结构来看，不到两年时间从零冲到 33 亿美元估值，意味着公司未来的每一轮融资都必须在估值上继续上行——而支撑估值的将不再仅仅是技术远景和团队背景，而是真金白银的客户合同与量产交付数据。这个转型的难度，比融资更大。
光学互连不是万灵药：物理定律、成本与现实工程约束
Olix 的“慢且宽”光学互连是其技术叙事中最性感的部分，但也是最需要冷静审视的部分。在芯片之间用光传输数据并非全新的概念，光学互连在长距离数据中心网络中已经大规模部署，但在芯片到芯片、板到板这一级别实现低成本、高可靠性的光学连接，对封装、对准精度和热管理都提出了极高要求。
Olix 声称通过“机柜级联合设计”打通了整个光学系统，这种垂直整合的好处在于可以把许多对准和控制问题做到系统内部，对外呈现为一个封装的整机产品。但这也把制造复杂度的压力从供应链上游转移到了 Olix 自己身上。公司不仅需要搞定一颗数字芯片，还需要搞定激光器、光路以及整个机柜的工程整合。这是一家成立仅两年的公司同时面对的多个硬工程挑战，犯错的空间并不大。
光速飞驰的融资，等待被交付的 2027
Olix 把一场关于 AI 硬件未来的赌注押在了一个方向明确但实现难度极高的判断上：推理工作负载的爆发会让通用芯片的经济模型难以为继，而用专业化、光学互连的整机柜系统重构 token 工厂，能够在成本和性能上形成代际差。
这个判断之所以诱人，在于它如果成立，Olix 将有机会在推理基础设施市场占据一块目前几乎空白的生态位。这个判断之所以危险，在于从芯片到光互连到整机系统到客户交付的完整链条上，每一步都可能出现意料之外的技术延迟或市场变数。3.12 亿美元能让一家芯片创业公司在 18 个月内做很多事，但未必能买来英伟达花了二十年才建立起来的软件生态和客户信任。
关键的验证窗口将在 2027 年下半年打开。彼时，DX-1 需要以产品而非 PPT 的形态出现在数据中心里，首批客户需要愿意在用脚投票的同时为性能溢价买单，而 Olix 需要证明自己不仅是一家融钱能力出众的公司，更是一家能把芯片完整交到客户手里并跑起来的公司。
RecodeX 极客视：Olix B 轮能在 6 个月内以 3 倍溢价关账，背后是三个信号的共振——推理 Token 经济的成本压力已传导到基础设施层，用光学互连系统绕开 Nvidia 的单片 GPU 路线正从边缘构想变为机构可下注的选项，而英国对“本土芯片主权”的政治意愿为之扫清了最后一层犹豫。剩下的全部风险都在工程执行上：从首颗芯片的最终测试，到光学机柜的量产可靠性，再到 2027 年客户愿不愿意用自己的推理负载去做第一批吃螃蟹的人。