| 公司 | Delos Data |
|---|---|
| 融资轮次 | 轮次未披露 |
| 融资金额 | 超过1亿美元 |
| 投资方 | Matrix、Playground、Socratic Partners、Capricorn’s Technology Impact Fund、Matter Venture Partners、IAG、DYNAMIQ、Pat Gelsinger（个人投资者） |
| 总部 | 加州帕洛阿尔托 |
| 创始人 | Ed Doe（CEO 兼联合创始人）、Dan Daly（CTO 兼联合创始人） |
| 官网 | https://www.delosdata.com |
把网络当作 AI 系统的核心，而非连接件
Delos Data 的产品逻辑与主流 AI 基础设施供应商存在根本差异。Nvidia 的 NVLink 和 InfiniBand 方案深度绑定自家 GPU 生态，AMD 的 Infinity Fabric 同样服务于自有加速器。Delos Data 则从工作负载出发，反向定义架构。据公司披露，其 Delos Nonstop AI™ 方案包含三个产品：Delos Nonstop AI™ Data Interface、Delos Nonstop AI™ Clusters 和 Delos Nonstop AI™ Server。三者均基于 Nonstop AI Reference Architecture，允许客户以自有硬件、模型和拓扑组合集群，并在同一域内协同工作。
这意味着 Delos Data 试图在 Nvidia 主导的同构集群之外，开辟一条面向异构环境的路径。其数据接口芯片与软件不锁定单一算力硬件，而是面向 GPU、XPU、加速器、CPU、内存和存储的混合部署。公司 CTO Dan Daly 在 Tech Startups 的采访中直言：”我们不知道智能体 AI 的下一个基础设施架构会是什么。但我们知道，我们可以提供最快的数据移动方式。”这句话的坦诚之处在于，它承认了架构演进的不确定性，同时把公司的价值锚定在一个更底层的确定性上：无论上层架构如何变化，数据移动都是刚需。
从产业链视角看，这种”不选边”的策略有其现实土壤。AI 数据中心正在从以 Nvidia GPU 为主的同构集群，转向混合 Nvidia、AMD、Cerebras 及其他供应商硬件的异构环境。超大规模厂商自研芯片的推进，进一步加剧了这种碎片化。当一家数据中心同时部署多种加速器时，跨硬件的数据移动效率就直接决定了整体利用率。Delos Data 的切入点正是这个跨厂商的连接层。这种定位可能带来的一个结果是，Delos Data 不必在每一代加速器架构更迭时重新设计自己的互连方案，而是把适配成本分散到软件层和接口层。但这一判断仍需验证，因为异构互连本身也面临标准缺失和兼容性测试复杂度高的问题。
10 倍延迟与效率提升：公司自述指标，尚缺第三方验证
Delos Data 称其 Delos Nonstop AI™ Data Interface 可实现 10 倍更低延迟和 10 倍更高效率。这是公司自述的性能指标，目前没有独立第三方测试数据或客户大规模生产负载下的验证结果公开。Tech Startups 在报道中也明确指出，这些是公司性能声明，其价值取决于客户在大规模生产负载下的测试结果。
理解这个指标需要回到智能体推理的工作负载特征。传统推理是”请求-响应”模式：用户发来一个 prompt，模型生成一个回答，任务结束。智能体推理则不同，它是持久运行的：一个 AI 代理可能需要连续数分钟甚至数小时，反复调用多个模型、查询外部工具、读写记忆和存储。在这个过程中，数据在 GPU、CPU、内存和存储之间的移动频率远高于传统推理。如果互连层在设计之初就假设了”短时突发、完成后释放”的流量模式，那么面对持续的数据流，拥塞和等待就会成为常态。
Delos Data CEO Ed Doe 在新闻稿中给出了一个具体的成本视角：”数据中心里最昂贵的闲置资产，是一块在等待网络的 GPU、CPU 或加速器。”这个判断的逻辑链是清晰的：如果一块价值数万美元的加速器因为数据未及时到达而空转，那么增加更多算力并不能解决问题，反而会放大资本浪费。但这条逻辑链的成立前提是，Delos Data 的数据接口确实能在真实负载下显著降低等待时间。目前，这一前提尚未被独立验证。需要特别注意的是，”10 倍”是一个相对指标，公司未披露其对比基线是什么——是与传统以太网互连相比，还是与某类特定互连方案相比，亦或是与上一代产品相比。缺乏基线定义，使得这一指标在技术评估中的可解释性受到限制。
从软件到服务器再到芯片：一条逆向的硬科技路径
Delos Data 的产品演进顺序值得注意。据 Matter Venture Partners 创始管理合伙人 Wen Hsieh 在新闻稿中的表述，Delos Data 先构建了软件，然后做了 AI 服务器，现在正在构建数据接口芯片。这条路径与大多数芯片创业公司相反——后者通常先做芯片，再向上补软件和系统。
这种逆向路径的潜在优势在于，软件和系统层面的积累可以让团队更早地理解工作负载的真实行为，从而在芯片设计阶段做出更贴合实际需求的架构决策。Playground Global 普通合伙人在新闻稿中强调了这一点：”Delos 从工作负载出发，让工作负载决定架构，一直到接口芯片。这种纪律是把互连想法转化为行业可以实际部署的基础设施的关键。”
但逆向路径也有代价。芯片的研发周期长、流片成本高、迭代速度慢。Delos Data 目前已经发布了数据接口产品，但公司未披露该芯片是否已进入量产阶段，也未披露任何客户名称或订单。从已披露的信息看，公司将在 AI Infra Summit 上展示 Nonstop AI Cluster Live，演示异构端点组成单一数据域、通过 Delos Nonstop AI Data Interfaces 移动数据并在故障中不中断工作负载。这是一个公开演示，而非客户生产环境的部署案例。二者之间的差距，是 Delos Data 接下来需要跨越的关键鸿沟。公开演示能够验证的是系统在受控条件下的功能完整性，而生产环境部署还需要回答可运维性、故障定位效率、长期稳定性以及与其他基础设施组件的兼容性等问题。这些问题在演示环境中通常无法被充分暴露。
投资逻辑：押注算力利用率，而非算力总量
本轮投资方的表述呈现出高度一致的叙事框架。Matrix Partners 普通合伙人在 PR Newswire 官方新闻稿中表示：”多年来，行业假设更多算力能买来更多产出。这种关系在推理规模上已经破裂。”Socratic Partners 普通合伙人兼联合创始人则进一步量化了这个逻辑，其原话为：”推理集群的回报现在取决于加速器之间发生了什么，以及有多少资本作为应对故障的保险而闲置。”
这些表述指向同一个投资判断：AI 基础设施的价值创造正在从”拥有多少算力”转向”算力实际被利用了多少”。在这个框架下，网络层不再是成本中心，而是决定资本回报率的关键变量。Pat Gelsinger 的表述更为直接：”我可以拥有世界上所有的计算机，但如果我不能让这些设备有效地相互通信，我就有一堆热硬件，烧着电，坐在那里无所事事。”
从资本结构看，本轮融资的投资者组合横跨深科技风险投资、技术影响力基金和行业人士。Capricorn’s Technology Impact Fund 管理合伙人强调团队”在全栈——架构、软件、系统、芯片——都有专业知识，并且在客户和合作伙伴生态中有很好的势头”。但”很好的势头”这一表述没有伴随具体客户名称或合作细节，属于投资方的主观判断。公司称在 frontier labs、hyperscalers、neoclouds 和 sovereign AI programs 领域看到强劲需求，但同样未披露任何已签约客户或可验证的商业进展。这种”需求强劲但无客户名单”的表述模式，在硬科技融资中并不罕见，但它也意味着投资方的信心目前更多建立在团队背景和技术方向上，而非已经兑现的商业牵引力上。
异构计算的确定性趋势与 Delos 的待验证假设
Delos Data 的机会建立在一个相对确定的行业趋势上：AI 数据中心的硬件构成正在从同构走向异构。Nvidia 仍然是 AI 加速器的主导供应商，但 AMD 在 AI 基础设施中的存在感持续增强，Cerebras 的晶圆级系统吸引了特定工作负载的关注，超大规模厂商的自研芯片也在推进。这种碎片化创造了一个真实的互连需求：不同供应商的加速器之间需要高效的数据移动通道。
但趋势的确定性不等于 Delos Data 成功的确定性。公司面临至少三个待验证假设。第一，性能假设：10 倍延迟和效率提升能否在客户真实生产负载下成立？第二，采用假设：数据中心运营商是否愿意在 Nvidia 生态之外，引入一个独立的互连层？这涉及运维复杂度、供应链信任和故障责任划分。第三，商业假设：Delos Data 的商业模式和定价策略尚未披露，其产品能否在单位经济效益上说服客户从现有方案切换，仍是一个未知数。
从已披露的行业预测看，到 2030 年 AI 需求约增长 300 倍，其中智能体推理占增长的大部分。这个数字来自公司引用的行业预测，而非 Delos Data 自身的测算。即使这个预测方向正确，也并不意味着所有受益者都会是独立互连供应商。Nvidia 自身正在强化其网络产品线，AMD 也在推进互连技术。Delos Data 需要在巨头生态的夹缝中证明自己的独立价值。一个可能的切入逻辑是，巨头生态的互连方案天然倾向于优化自家硬件之间的通信，而跨厂商场景下的中立性恰恰是独立供应商的潜在差异化空间。但这种差异化能否转化为实际的采购决策，取决于客户是否认为跨厂商互连的痛点足够大、以及引入第三方互连层的总拥有成本是否低于继续沿用现有方案。
资金用途与团队扩张：从产品发布到销售能力的跃迁
公司明确表示，本轮资金将用于扩大软件和硬件工程团队，并加速产品开发和销售。这个表述中，”销售”一词的出现值得关注。对于一家刚发布核心产品的硬科技公司而言，从工程主导转向工程与销售并重，意味着公司正在进入商业化验证阶段。硬科技公司的销售能力建设往往比软件公司更重：需要解决方案架构师、现场应用工程师、以及与客户数据中心团队长期协作的能力。这些岗位的招聘和磨合周期，可能比产品迭代本身更长。
团队背景是 Delos Data 的一个重要资产。据 Tech Startups 报道，公司由英特尔资深人士创立，创始人团队在数据中心芯片和系统领域合作约二十年。Matter Venture Partners 的 Wen Hsieh 在新闻稿中确认了这一点：”这个团队一起构建数据中心芯片和系统已经二十年了。”这种长期合作经验在硬科技领域具有实际价值，因为芯片和系统级产品的开发需要高度协同的团队默契。但二十年经验也意味着团队可能带有特定公司文化和方法论的惯性，能否适应创业公司的节奏和客户多样性，是另一个需要观察的维度。具体而言，大型芯片公司通常有成熟的流程体系和充足的资源支持，而创业公司需要在资源受限的条件下做出取舍。这种转换对团队的适应能力提出了不同于技术能力的挑战。
关于总融资额，来源之间存在冲突。All About Circuits 报道称本轮使总融资额达到 1.3 亿美元以上，暗示此前已有约 3000 万美元融资。但 PR Newswire 官方新闻稿和其他多数来源未提及此前融资。公司未对此差异做出说明。如果总融资额确实为 1.3 亿美元以上，那么 Delos Data 在芯片领域的资本储备相对充裕；如果本轮是首轮融资，那么超过 1 亿美元的启动资金同样显示了投资方对团队和方向的信心。无论哪种情况，公司都未披露估值，因此无法判断这笔资金对应的股权稀释程度。融资轮次名称同样未披露，这使得外界难以判断公司所处的资本化阶段和投资方的进入时点。
风险与边界：一个真实问题，但答案尚未被证明
Delos Data 所瞄准的问题——智能体推理时代的数据移动瓶颈——是真实存在的。当 AI 代理从单次调用转向持续运行，当数据中心从同构 GPU 集群转向异构加速器混合部署，互连层的效率和可靠性确实会成为决定资本回报率的关键变量。这个问题的真实性，不依赖于 Delos Data 的成功与否。
但问题的真实性不能替代答案的有效性。Delos Data 目前提供的证据包括：一套参考架构、三个产品线、一个公开演示计划，以及公司自述的性能指标。缺失的证据包括：客户名单、生产环境部署案例、第三方性能测试、收入数据、商业模式细节和定价策略。在硬科技领域，从”有一个好想法”到”客户愿意为之付费”之间的距离，往往比创始人预期的更长。
从已披露的信息看，Delos Data 的推理链是这样的：智能体推理是持久负载，持久负载需要不中断的数据移动，不中断的数据移动需要专门设计的数据接口芯片。这条推理链的每一步都有逻辑依据，但每一步也都需要实证支撑。公司将在 AI Infra Summit 上的公开演示，是这条验证路径上的第一个可观察节点。之后的关键问题是：是否有客户愿意在真实生产环境中部署 Delos Nonstop AI™，以及部署后的实际性能表现能否接近公司宣称的 10 倍提升。还有一个更前置的问题：公司需要先明确其性能指标的对比基线，否则外部观察者无法判断”10 倍”在工程上意味着什么。
融资信息
融资金额
超过 1 亿美元
融资轮次
未披露
投资方
Matrix
Playground
Socratic Partners
Capricorn’s Technology Impact Fund
Matter Venture Partners
IAG
DYNAMIQ
Pat Gelsinger（个人投资者）
资金用途
扩大软件和硬件工程团队，加速产品开发和销售
总融资额
来源存在冲突：All About Circuits 称总融资额达 1.3 亿美元以上，其他多数来源未提及此前融资
估值
未披露
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：当 AI 行业集体盯着 GPU 数量竞赛时，Delos Data 把目光转向了芯片之间那片被忽视的”数据荒地”。这是一个正确的提问，但提问者能否成为答题者，取决于它能否在巨头生态的夹缝中，用真实客户的生产负载证明自己的互连层不是又一个漂亮的架构图，而是数据中心运营商愿意押注的下一代基础设施。在硬科技领域，二十年的团队默契和超过 1 亿美元的资本，只是买到了一张进入验证阶段的入场券。而验证的第一步，不是演示台上的流畅运行，而是把”10 倍”这个数字放回一个有基线的、可复核的测试框架里。