当智能音箱的问答出现延迟，当自动驾驶需要在网络中断的瞬间决断，当工厂机械臂必须毫秒级响应——云端AI的延迟与隐私困境暴露无遗。更隐秘的成本在于，每一次调用大语言模型背后跳动的token计费，正让AI体验变成按月续费的隐形订阅。在这种背景下，一批技术公司试图将AI推理从数据中心拽回设备端，新加坡初创企业Acrab是其中引人注目的一家。

2026年8月6日，Acrab宣布完成1.3亿美元B轮融资，领投方为Vertex Ventures SEA & India与Vertex Growth，多家未具名的欧洲及东南亚机构投资者共同参与。至此，这家成立于2024年的公司，累计融资额已突破3.5亿美元。更重要的是，Acrab同步从隐身模式走出，批量公开了其自研芯片、边缘AI设备及全栈软件平台。

这则消息背后，是一个具象化的问题：当AI代理（Agentic AI）被期望在终端设备上自主感知、规划、执行任务时，算力从何而来？Acrab的答案是：自研一颗5纳米系统级芯片（SoC），搭建一套能本地运行最高1000亿参数开源模型的计算平台，并以一次性硬件销售代替按量计费的云服务。这条路线能否跑通，不仅关乎一家公司的命运，也将成为整个边缘AI基础设施竞赛的重要风向标。

项目 信息
公司 Acrab
轮次 B轮
金额 1.3亿美元
投资方 Vertex Ventures SEA & India、Vertex Growth，以及多家欧洲和东南亚机构投资者
总部 新加坡
创始人 未披露
官网 https://www.acrab.ai/
领投方背景 Vertex Ventures SEA & India与Vertex Growth同属淡马锡支持的全球风险投资平台Vertex网络，均为Acrab早期投资者
资金用途 产品规模化、生态系统扩展、下一代计算平台研发
累计融资 超过3.5亿美元

隐身一年半，端出芯片与设备的双重组合

从2024年创立到2026年夏天高调亮相，Acrab几乎没有对外释放过细节。打破沉寂的第一张牌，是代号GΞLIX 1的第一代边缘AI SoC，以及搭载该芯片的个人边缘AI设备Agent Box。两者构成了Acrab全栈平台最可见的硬件载体，其软件层则向上延伸到系统调度、多模态接口和代理工作流编排。公司透露，其平台已经在“严苛的运行环境中经过验证”，正朝着首批工业部署和规模量产推进。

根据官方披露，GΞLIX 1采用5纳米制程，在单颗芯片内集成了20核Arm CPU、多核NPU和GPU资源，并拥有273 GB/s的统一内存带宽。这一架构设计的目标十分明确：在不借助云侧加速的情况下，支持最大1000亿参数的开源大语言模型进行本地推理。对应的Agent Box则被定义为一款永久在线的个人边缘AI设备，可执行本地推理、多模态感知和任务协作，而无需持续连接云端。公司特别强调，用户数据将完全留在设备端，并且一次购买该设备即可避免未来的云端token费用。在演示场景中，Agent Box完成了创建3D打印模型、控制扫地机器人、与智能灯光、空调系统和联网门锁交互等一系列任务，试图以具象用例证明其处理多步骤、跨设备代理工作流的能力。

GΞLIX 1：一颗瞄准100B参数吞吐的“边缘大脑”

边缘AI芯片早已不是蓝海。高通的骁龙平台、苹果的神经引擎、谷歌的Tensor以及英伟达的Jetson系列，都在不同场景中证明着终端推理的价值。然而，Acrab试图切入的细分地带更为极端：在个人或工业设备中，让1000亿参数级模型以极低延迟作出响应，且功耗控制在始终在线的可接受范围。这意味着芯片设计必须在吞吐、时延和能效之间找到一个苛刻的平衡点，而这个平衡点可能因代理式任务的混合工作负载而不断漂移。

GΞLIX 1给出的架构解法是“统一内存”。273 GB/s的带宽意味着CPU、GPU和NPU可以无拷贝地访问同一物理内存池，这降低了大模型推理中常见的数据搬运瓶颈。在传统分立式架构中，不同计算单元各自拥有独立的内存空间，每一次推理都需要将模型权重和数据在多个内存区域之间反复搬运，既消耗时间也增加功耗。统一内存的设计思路在AMD的APU和苹果M系列芯片上已被验证为高效，其核心优势在于消除了数据在不同计算单元之间的冗余拷贝，从而在特定工作负载下显著提升有效吞吐。Acrab CEO Ken Phua 在官方声明中指出，随着AI系统演化为异构计算环境，CPU的重要性正在回归，因为执行不单依赖NPU性能，更依赖CPU与NPU之间的无缝协调。这一判断与GΞLIX 1集成20核Arm CPU的决策相呼应——CPU不再只是调度者，而是深度参与代理工作流中的逻辑控制、记忆管理和中断响应。

但在专用的AI代理工作负载中，Acrab是否调优出适合长期记忆、多步骤推理和低延迟中断的流水线，仍缺少可供量化比较的指标。代理工作负载的特点是请求不连续、上下文窗口变化大、需要频繁读写外部记忆，这些不同于传统大语言模型一次性输入输出的模式，对内存子系统的随机访问延迟和带宽稳定性提出了有别于基准测试的要求。GΞLIX 1的统一内存架构理论上具有处理这类混合流的能力，但实际效率取决于软件堆栈是否能够在NPU、GPU和CPU之间做出足够细粒度的调度——这是一个跨编译层、驱动层和运行时层的系统性工程，而非仅靠硬件设计即可兑现的承诺。

值得注意的是，公司并未公布GΞLIX 1的整数或浮点算力数值，也未给出典型负载下的功耗区间。对于以能效比为核心竞争力的边缘芯片而言，这两项缺失使得外界很难评估其与现有方案之间的真实差距。273 GB/s的内存带宽诚然可观，一块现代LPDDR5X内存子系统达到这一带宽水平在物理实现上完全可能，但若NPU利用率不足，或软件堆栈未能充分释放硬件潜力，参数上的“能跑”与工程上“好用”之间仍有鸿沟。在内部基准测试中，Acrab声称GΞLIX 1在某些模型配置下实现了比苹果Mac Mini M4 Pro快七倍以上的预填充速率，这指向对大提示和长上下文窗口的针对性优化，但公司未披露测试精度、上下文长度或对比配置的细节。此外，公司暗示Agent Box在性能上可与英伟达DGX Spark系统相比，而成本和功耗更低——这些基准的局限性可能使其难以直接映射到真实部署场景，因为实验室环境下的特定模型跑分与多元化的生产环境之间存在显著的泛化差距。

Agent Box的硬件式订阅反抗，能走多远？

Acrab另一项激进的商业主张藏在Agent Box中：用一次性硬件成本，取代持续发生的云端推理费用。公司已经表示，今年将产生第一笔收入，工业部署路径“清晰可见”。这在商业叙事上构成了一种“订阅反抗”——如果代理式AI需要永远在线的算力支持，那么按月付费的token经济可能让规模化部署变得成本不可控，而一次性硬件投入在总拥有成本的长期曲线上可能占据优势。然而，这种经济模型是否成立，取决于三个尚未公开的关键变量：Agent Box的定价、预期使用寿命，以及在此期间内云端token价格曲线的走向。

硬件定价是决定其市场区间的第一变量。如果定价过高，消费者可能会认为连续数年支付云端token费用更划算，特别是在模型能力快速迭代的背景下，硬件存在功能折旧的风险；如果定价过低，Acrab则可能落入“卖一台亏一台”的陷阱，尤其是在5纳米芯片的晶圆成本和先进封装费用居高不下的产业现实下。在未给出价格和预期出货量的情况下，其单位经济模型仍是一个黑箱，这为投资预测带来了显著不确定性。对于工业客户而言，总拥有成本的计算还需纳入部署、集成、维护和潜在的硬件替换周期，这些变量的缺失使“一次性购买替代持续付费”的价值主张停留在定性论证阶段。

除此之外，没有任何一家命名客户或试点合作伙伴浮出水面。规模化出货不仅需要合理的物料成本与定价，还需构建起包含固件更新、应用编程接口、开发者工具和终端渠道在内的商业闭环。迄今Acrab只展示了平台能力，尚未证明生态黏性——这恰恰是决定硬件能否摆脱一次性买卖、升级为复购生态的关键。对于工业客户或系统集成商而言，选择一款未经市场验证的SoC和终端设备，意味着承担供应连续性和长期技术支持的风险，这种决策惯性可能比芯片参数更难撼动。Acrab在“工业部署”上的表述暗示其可能已经进入概念验证后的早期商业洽谈阶段，但从洽谈转化为具有约束力的批量订单之间，仍需跨越认证、测试和商业条款博弈等多重障碍。

全栈路径的隐性成本：芯片、模型、软件的三线作战

Acrab选择的是一条全栈自研路径——从最底层的芯片微架构，到中间层的模型适配与推理引擎，再到上层的代理工作流编排和用户界面。这种垂直整合策略在理论上拥有诸多优势：它可能让公司对性能优化拥有更深的控制力，也可能减少对第三方中间件的依赖，并缩短从需求到实现的反馈回路。尤其当芯片、模型和编排层由同一团队设计时，硬件特性可以反向指导模型量化策略，而模型结构也可以影响下一代芯片的缓存和内存设计，形成理论上加速迭代的闭环。

但全栈路径也意味着同时烧三条战线。芯片流片与量产的刚性成本巨大——一颗5纳米SoC的一次流片费用就可能耗资数千万美元，量产备货更需要预先锁定晶圆厂产能，这在与已占据大量先进制程产能的巨头竞争时可能构成劣势。模型团队需要持续跟进开源社区中最新的架构演进和微调技术，从Llama到Mistral到其他未知的新兴模型系列，每一次模型架构的重大变化都可能需要重新适配推理引擎。软件团队则必须同时维护底层驱动、中间件框架、API接口和上层应用，并确保设备驱动的稳定性、安全补丁的及时性以及与多模态接口的兼容性。三者之间的资源分配本身就是一种复杂的平衡术。公司并未披露团队规模、核心研发人员的背景构成，也没有说明硬件、模型、软件三条线的投入比例。在资源有限的初创阶段，任何一个环节的进度延迟都可能拖慢整个平台的迭代节奏，而全栈耦合度高，可能进一步放大这种连锁效应——如果芯片流片延迟，模型的硬件适配工作将被迫等待；如果软件工具链不成熟，即使芯片按时出货也难以赢得开发者采纳。

老股东继续加注，3.5亿美元现金堆起的窗口期

本次B轮融资由Acrab的早期投资者Vertex Ventures SEA & India和Vertex Growth领投，两家同属淡马锡支持的全球风险投资平台Vertex网络。参与者还包括未指名的欧洲和东南亚机构投资者。Vertex Holdings CEO Kee Lock Chua 在投资声明中明确表达了持续加注的逻辑：“我们在Acrab最早的日子里就支持了他们，因为我们共享一个信念——下一波AI不会在云端运行，它将运行在边缘，并且需要一个为之构建的全新计算基础。Acrab正在建造的正是这个基础。随着团队将这一愿景转化成一个经过验证的平台，我们的信心只增不减，每一步都加大了投入。”这种来自早期投资者的持续加注，在半导体初创领域往往被解读为内部信心的强烈信号，因为早期投资者对技术进展和团队执行力拥有比外部机构更深的知情权。

Acrab自2024年成立以来的累计融资已超过3.5亿美元。之所以需要如此重资金，一方面源于5纳米芯片的流片、验证和量产备货的刚性消耗——先进制程芯片从设计到量产动辄需要18至24个月，期间的工程资源投入和设备采购是持续的资金黑洞；另一方面也反映出Acrab同时踩下芯片、模型适配、系统软件和整机设备多条油门的扩张意图，其资源需求天然呈叠加效应。Vertex网络在种子阶段即锁定Acrab，并在随后每一轮融资中递增投入，这可能意味着投资方认为Acrab的技术路线在边缘代理计算这一方向上具有先发价值，它们不仅押注芯片，更是押注一个从硅到应用的全栈赌局。然而，本轮融资的新增机构投资者名称及估值均未披露，这为衡量外部市场对Acrab定价的认可度留下了信息缺口。

公司将新融资的用途概括为三个方向：产品规模化、生态系统扩展，以及下一代计算平台的研发。这三个方向都缺乏可量化的里程碑，例如未设定出货目标、合作伙伴数量或二期芯片的流片时间表，Acrab目前选择全部留白。在半导体行业，从一款工程验证芯片走向商业化量产，通常需要经历多个“死亡之谷”，包括工程样品测试、客户参考设计导入、小批量试产和可靠性认证。3.5亿美元的资金储备为Acrab提供了比多数半导体初创更宽裕的试错窗口，但能否在资金耗尽前跨过商业化拐点，仍取决于未来12至18个月的执行效率。

Arm基因赋予的信誉与尚未兑现的商业执行力

Acrab的CEO Ken Phua在执掌Acrab之前，曾任Arm亚洲应用工程负责人，并出任Arm中国的联席CEO。他在Arm的职业生涯跨越了从英国总部到亚太区域的多个关键岗位，深度参与了CPU架构在实际应用场景中的演进决策。这种背景为Acrab的技术叙事增加了稀缺的产业可信度——当一位主导过全球最重要处理器IP生态的核心架构师选择创业自研芯片时，外界对其技术判断力的质疑成本自然升高。Ken Phua在声明中将当前时刻形容为“一场复兴”，认为CPU正重新站到AI时代的中心，这一论断与其在Arm时期的架构信仰一脉相承。

但是，芯片创业从来不是技术背景的线性延伸。从一家IP授权和架构服务全球巨头的高管，转变为一家需要直面终端客户、管理供应链、搭建销售渠道的硬件创业公司CEO，其间的跨度相当剧烈。Acrab既需要与晶圆厂协商5纳米产能排期——在先进制程产能长期紧张的竞争格局下，一家初创公司要获得稳定的产能承诺可能面临显著挑战——也需要说服系统集成商在一款未经市场验证的SoC上下注，而系统集成商的决策砝码不仅包括芯片参数，更涵盖供货稳定性、技术支持响应速度和长期路线图的可信度。公司至今未公布任何硬件设计人才或商务拓展关键人物的加入，创业团队的全貌依然模糊。虽然公司声称已组建了一支覆盖半导体设计、AI算法和操作系统的全球化工程师团队，但核心研发负责人和商务领袖的姓名和背景均未公开。这种人才信息的缺失，使得外界难以评估其在商业落地上是否具备与研发同等强度的执行力储备。

“工业部署”的含糊词句与商业化冰山

Acrab反复提及工业部署，将其作为走向商用的明确路径。潜在的应用版图包括AI PC、车载系统、家庭中枢、工业自动化和机器人。理论上，这些领域都对低延迟、隐私保护和离线推理有真实需求，这为Acrab提供了市场切入点。公司还计划将平台扩展到网络附加存储系统、工业机器人、服务机器人和智能车辆中，通过与设备制造商的合作进行授权部署。这种多点开花的产品策略，增加了潜在可触及的市场规模，但同时也摊薄了团队在每一个垂直领域的专注度。

但宽泛的适用性宣言和实际的合同收入之间，隔着数道壁垒。工业客户认证流程复杂，涵盖环境可靠性、电磁兼容和功能安全等多项验证，过程漫长；车载场景还需通过车规级认证和功能安全评估，如ISO 26262标准下的严苛测试，导入周期可达数年。碎片化的操作系统与通信协议进一步增加了适配成本——一个工业机器人可能运行在ROS或专有实时操作系统上，而智能汽车则依赖QNX或定制Linux，每一套生态都需要独立的驱动适配和中间件开发。成熟供应商体系的强大惯性同样不可低估。尤其当公司连一个标杆客户都未列出的情况下，“预计年内产生收入”仍需市场验证。通常而言，芯片公司从完成流片到获得首个批量订单之间，往往需要经历客户评估、参考设计导入和长达数月的谈判周期，Acrab在2026年内产生收入的目标，可能意味着其已有处于商务阶段的机会，但也可能仅指小规模样品出货或开发套件销售，而非大规模量产合同。Acrab在“工业部署”上的含糊措辞，可能意味着它仍处于概念验证后的早期洽谈阶段，而非已锁定批量订单的确定性执行期。

沉默的关键数据与边缘赛道的已知参照

评价一块AI算力芯片的核心维度从来不只是参数规模。功耗、能效比、内存带宽的实际利用率、软件工具链成熟度、模型移植的便利性——这些数据Acrab一概没有公布。在仅有的官方材料中，GΞLIX 1能够本地部署100B参数模型的表述反复出现，却缺少了“在什么精度下？”“推理延迟多少？”“每秒可生成多少token？”“批次大小为多少时的吞吐量？”等一系列工程验证指标，而这些恰恰是系统集成商制定采购决策时的第一道筛选门槛。在模型推理中，量化精度（如INT8、FP16、FP32）的选择直接影响芯片的吞吐能力和功耗，而不同上下文长度下的首token延迟和生成速率决定了用户体验的流畅度。没有这些数据，任何性能声明的可信度都停留在公司自言的层面，很难转化为第三方的独立评估。

更为实际的挑战是，Acrab并未主动划定自己的竞争参照系，但这不意味着市场没有参照。英伟达的Jetson Orin系列已深耕工业场景多年，拥有从模组到开发套件到社区教程的完整生态链，Jetpack SDK的成熟度和TensorRT的推理优化构成了强大的软件护城河。高通的骁龙计算平台正在进入Windows on Arm的AI PC战场，凭借其在移动设备领域的规模优势和OEM合作关系，可能迅速将终端推理能力带入主流消费电子。苹果围绕神经引擎构建了从芯片到Core ML工具链的垂直体系，借助其闭源生态的强绑定力，实现了跨设备的无缝AI体验。谷歌则通过Coral和自研TPU边缘方案撬动开发者社区，并与Google Cloud服务形成云边协同的闭环。这些已建立生态的参与者各有其稳定的护城河。与此同时，专门性初创如EdgeCortix和Hailo也在低功耗推理上积累了基准数据，并在特定垂直领域（如安防摄像头、工业视觉）中取得了可验证的部署案例。Acrab的全栈路径固然提供了自主可控的灵活性，但也意味着需要在芯片、系统和应用三个层面同时证明自己。其宣称的Agent Box性能可与英伟达DGX Spark相比但成本功耗更低，这种说法在没有第三方基准的条件下，仍属于单方面的市场定位宣誓。Acrab的差异化是否足以抵消这些对手的生态系统引力，仍需要市场证据来验证——而市场证据的第一块基石，正是公开的、可复现的基准测试结果和署名客户的部署案例。

RecodeX 极客视：Acrab的叙事踩中了边缘AI从云依靠走向设备自治的长期趋势，自研5纳米芯片、统一内存设计和一次性硬件销售的主张，足以撑起一个主流风险投资的标的。CEO Ken Phua的Arm背景为技术路径注入了稀缺的产业信誉，累计3.5亿美元的资金储备也给公司买下了比多数半导体初创更长的试错窗口。投资方Vertex Ventures SEA & India和Vertex Growth的持续加注，意味着早期投资者对技术验证的认可度高于外部市场可知的水平。然而，在功耗和计算表现的沉默、客户名单的空白、生态开发者的缺席面前，这1.3亿美元更像一笔支撑流片和初始备货的资本燃料，离商业化爆发仍隔着一个需要实单验证的鸿沟。Agent Box能否真正实现“一次性买断”的价值主张，取决于定价策略能否在消费者心理价位与自身毛利之间找到交集，而这在没有公布的单位经济模型中仍是未知数。全栈路径一方面赋予Acrab技术整合的自主权，另一方面也将芯片、模型和软件三条战线的资源消耗彼此绑定，任何一环的延迟都可能衍生连锁效应。边缘AI基础设施的战争已经挤满了巨头与成熟方案，Acrab的时间窗口需要用真实部署、公开基准测试和可复制的商业合同来重新定义。芯片能跑通100B参数模型是一回事，让系统集成商愿意下批量订单是另一回事。在此之前，它仍然是一颗尚未点亮运行灯的边缘大脑。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。