当云端大模型够不着设备
当一辆车在隧道里失去信号，或者一台工厂机器人被要求在不联网的车间里连续工作数小时，云端大模型再聪明也无济于事。端侧 AI 的真正门槛从来不是“能不能把模型塞进设备”，而是当上下文越滚越长、任务越来越复杂时，内存占用能不能不跟着失控。Transformer 架构的 KV-Cache 恰恰是那个不断膨胀的包袱：上下文每增长一段，键值缓存就多占一块内存，直到设备的内存、电池和散热同时亮起红灯。
韩国初创公司 TraceWeave 试图用另一种方式回答这个问题。2026 年 10 月 20 日，NAVER D2SF 发布通稿称，已对这家端侧 AI 公司进行新投资。TraceWeave 由联合创始人兼 CEO Jaeyoung Park 领导，核心产品是一种名为 Phase-TITAN 的后 Transformer 架构。NAVER D2SF 通稿称，该架构在上下文增长时保持内存使用恒定，并演示了智能体在设备端完成多步任务、无需云端调用。
本轮融资由 Mirae Asset Capital 领投，NAVER D2SF 参与投资。NAVER D2SF 通稿披露，TraceWeave 以约 300 亿韩元的投前估值融资约 30 亿韩元。本轮为所附来源中唯一披露的股权融资轮次。对一家成立刚满一年、尚无公开产品交付记录的架构级 AI 公司来说，这个估值水平本身就是一个需要拆解的命题。
| 字段 | 内容 |
|---|---|
| 公司 | TraceWeave |
| 轮次 | 种子轮 |
| 金额 | 约 30 亿韩元 |
| 投资方 | Mirae Asset Capital（领投）、NAVER D2SF |
| 总部 | 韩国首尔（NAVER D2SF @Gangnam） |
| 创始人 | Jaeyoung Park（联合创始人兼 CEO） |
| 官网 | https://traceweave.net/ |
0.04 GB 对“数十 GB”：一个尚未被独立验证的架构主张
TraceWeave 的技术叙事围绕一个非常具体的数字展开。NAVER D2SF 通稿称，在 100 万 token 上下文、无量化条件下，其 1B 参数的 Phase-TITAN 模型 KV-Cache 仅占 0.04 GB，而同等 Transformer 的 KV-Cache 达数十 GB 或更多。这个对比构成了整家公司价值主张的核心：不是优化 Transformer，而是替换 Transformer。
NAVER D2SF 通稿还称，Phase-TITAN 的内部基准测试显示，其性能与同等规模及更大规模的 Transformer 模型相当。通稿提到了 RULER 和 BFCL 两个基准名称，但未披露完整的测试配置、对比模型清单、任务子集或误差范围。在长上下文评测中，上下文长度、检索深度、工具调用链长度和评测集版本都会显著影响结果，仅凭“性能相当”这一句结论，外部无法判断 Phase-TITAN 在哪些任务上接近 Transformer、在哪些任务上可能存在明显差距。
Jaeyoung Park 在通稿中的一句话点出了技术难点所在：“Taking the KV cache out was never the hard part. Staying capable without it was.”（移除 KV 缓存从来不是最难的部分，难的是在没有它的情况下仍保持能力。）这句话准确地描述了后 Transformer 路线的核心风险：内存恒定本身可以通过多种方式实现，但能否在移除 KV-Cache 后仍维持长上下文推理、工具调用和多步决策能力，才是真正的验证点。
用 CPU 跑多步智能体：演示了什么，没演示什么
TraceWeave 披露的最具体的技术演示，是在智能手机上仅用 CPU 运行多步智能体，且无云端调用。NAVER D2SF 通稿称，该智能体能够调用外部工具、解释结果并决定下一步行动，全程在设备端完成。
这个演示的意义在于，它把 Phase-TITAN 从架构论文拉到了真实硬件约束中。智能手机 CPU 是内存和算力都高度受限的环境，能在这种条件下跑通多步智能体，至少说明该架构在特定任务上具备端侧可运行性。但需要明确的是，该演示使用 CPU，未涉及 NPU 路径，因此不能说明其在专用加速器上的适配情况。当前主流端侧 AI 芯片的算力释放高度依赖 NPU、DSP 或张量加速单元，如果 Phase-TITAN 的架构特性无法映射到这些硬件上，其在高端手机、车载芯片和机器人 SoC 上的实际性能仍是一个未验证变量。
此外，NAVER D2SF 通稿未披露该演示的任务复杂度、上下文长度、工具数量、响应延迟或功耗数据。一个能在演示视频中跑通的多步智能体，与一个能在真实用户场景中稳定运行的产品之间，还隔着任务泛化、错误恢复和资源调度等多重工程问题。
两个没有名字的汽车客户，和一条尚未跑通的商业化路径
TraceWeave 的商业化进展集中在出行领域。NAVER D2SF 通稿称，其已完成一项付费试点，合作方是一家全球汽车集团的自动驾驶关联公司，试点内容是分析驾驶数据，识别能够改善该合作伙伴自动驾驶模型的数据帧，且无需人工标注。NAVER D2SF 通稿还称，其正与一家全球汽车电子软件公司验证车载智能体性能。上述商业化进展来自 NAVER D2SF 通稿，尚无独立第三方验证或客户公开确认。
这两项合作是评估 TraceWeave 商业前景最直接的证据，但它们的信息密度很低。两家合作方的名称均未披露，付费试点的合同金额、交付周期、数据规模、性能指标和后续转化路径均未披露。“付费试点”意味着客户支付了一定费用，但不等于产品已经进入量产或标准化采购流程。从付费试点到设计导入，再到规模化部署，汽车行业的每一级跨越通常都需要独立的验证、认证和商务谈判。
NAVER D2SF 通稿还称，TraceWeave 计划将技术商业化应用于机器人、无人机、智能眼镜、可穿戴设备等场景。但这些场景目前仍处于“探索”阶段，通稿未披露任何具体客户、试点项目或合作备忘录。与汽车领域的两项合作相比，这些方向的进展更接近市场叙事而非可核验的业务管线。
TraceWeave 还入选了 NVIDIA 2026 Inception Grand Challenge Top 20 决赛。这可以视为一种生态认可，但竞赛入选本身不构成技术验证或商业背书，也不代表 NVIDIA 对其架构性能的独立确认。
300 亿韩元投前估值，买的是什么
本轮融资的资本结构有一个值得注意的细节：领投方是 Mirae Asset Capital，而通稿发布方是 NAVER D2SF。该通稿由 NAVER D2SF 发布，这是可核实的事实。NAVER D2SF 负责人 Sanghwan Yang 在通稿中表示：“On-device AI is a core technology for implementing complex, advanced AI across diverse device environments beyond PCs, and it also offers advantages in reducing cloud call costs and protecting privacy.”（端侧 AI 是在 PC 之外的多样化设备环境中实现复杂、先进 AI 的核心技术，同时在降低云端调用成本和保护隐私方面具有优势。）他还称：“TraceWeave is a team that is innovating AI architecture to overcome the limitations of existing AI models and bring AI to on-device environments.”（TraceWeave 是一个正在创新 AI 架构、以克服现有模型局限并将 AI 带入端侧环境的团队。）
这些判断来自投资方声明，不是公司对技术性能的独立确认，也不是第三方验证。从编辑角度分析，NAVER D2SF 作为投资方和通稿发布方，其公开表述天然倾向于强调投资标的的战略价值，这是基于发布方身份的推断，而非对声明真伪的判定。投资者对技术路线的认可，与技术在真实客户环境中能否兑现商业价值，是两个不同层面的问题。
约 300 亿韩元的投前估值，对应一家成立一年、尚无公开产品交付、客户名称未披露的架构级 AI 公司。这个估值水平反映了投资方对“后 Transformer 架构”这一技术方向的溢价预期。但需要指出，投前估值与融资额之间的关系取决于投前/投后口径，来源未披露投后估值或新股比例，因此无法从现有数字推算稀释比例。唯一可以确认的是，投资方愿意在这个阶段以约 300 亿韩元的投前估值进入，说明其认为 Phase-TITAN 的技术主张和汽车领域的早期商业化信号足以支撑这一价格。
架构替换的赌注：从汽车试点和 CPU 演示看竞争约束
TraceWeave 选择的路线与量化、剪枝、KV-Cache 压缩等保留 Transformer 主干的方案不同。NAVER D2SF 通稿明确称，Phase-TITAN 是“replacing the conventional Transformer architecture altogether”（完全替换传统 Transformer 架构），且公司开发自有 AI 模型，而非依赖现有开源模型。这意味着 TraceWeave 不仅要解决模型性能问题，还要同时解决训练基础设施、推理工具链、硬件适配和开发者生态等一系列问题。
对客户而言，采用 Phase-TITAN 意味着放弃现有 Transformer 生态的成熟工具和人才储备，转向一个由单一初创公司维护的专有架构。这种转换成本在汽车行业会被进一步放大。TraceWeave 目前披露的汽车领域进展只有一项未具名付费试点和一项未具名车载验证，尚未进入设计导入或量产采购阶段。汽车供应链的每一级跨越都需要独立的验证、认证和商务谈判，而 TraceWeave 尚未披露任何可核验的合同金额、部署规模或客户名称。
从另一个角度看，如果 Phase-TITAN 的 0.04 GB KV-Cache 主张在真实设备上成立，它解决的就不是“省一点内存”的问题，而是让长上下文多步智能体在端侧运行从“不可能”变为“可能”。前述公司口径的性能主张尚无独立验证，但技术路线的逻辑自洽性是可以分析的：如果内存不再随上下文增长，那么端侧智能体的上下文长度上限将由算力和延迟决定，而非内存容量决定。CPU 演示至少说明该架构在特定任务上具备端侧可运行性，但未涉及 NPU 路径，其在专用加速器上的适配情况仍是未验证变量。
资金用途明确，但验证路径仍然狭窄
NAVER D2SF 通稿称，本轮资金将用于扩大研究和工程团队以开发下一代架构，并拓展业务。这里有一个值得注意的表述：资金用途中明确包含“下一代架构开发”，而不仅仅是 Phase-TITAN 的商业化推广。NAVER D2SF 通稿未说明该开发与 Phase-TITAN 商业化的先后关系，因此不能推断公司已经放弃或搁置 Phase-TITAN，也不能推断下一代架构是 Phase-TITAN 的迭代还是并行路线。但这一表述至少说明，TraceWeave 在种子轮阶段就将自身定位为持续进行架构创新的研究型公司，而非单纯围绕单一产品做商业化的工程公司。
从已披露事实看，TraceWeave 未来 12—18 个月的可观察验证节点包括：第一，Phase-TITAN 的公开基准复现，即是否有独立研究机构或第三方评测在相同条件下重现 0.04 GB KV-Cache 和性能相当的主张，并披露 RULER 和 BFCL 的完整测试配置、对比模型清单、任务子集或误差范围；第二，全球汽车电子软件公司的车载智能体验证结果，包括是否披露具体的性能指标、延迟数据或设计导入进展；第三，付费试点能否转化为更大规模的商业合同，包括是否披露合同金额、部署规模或续约情况；第四，公司是否在机器人、无人机、智能眼镜等新场景中披露具体客户或试点项目。上述每一项都有明确的判断标准：公开基准复现看独立评测是否支持公司口径；汽车验证看是否有可核验的技术指标或商务进展；付费试点转化看是否有合同升级或客户名称披露；新场景拓展看是否有具体合作方而非方向性描述。
在这些节点到来之前，TraceWeave 的估值支撑主要来自三个方面：投资方对后 Transformer 路线的战略判断、汽车领域两项未具名合作的早期信号，以及 NVIDIA 竞赛入选带来的生态曝光。这三者都不是技术验证本身，但它们共同构成了一个早期架构公司的融资叙事。这个叙事能否成立，最终取决于 Phase-TITAN 能否在真实设备环境中兑现其内存恒定与性能相当的双重主张。
验证边界与可复核指标
本文所涉技术性能、商业化进展和客户关系均来自 NAVER D2SF 通稿，尚无独立第三方验证或客户公开确认。可复核的关键指标包括：100 万 token 上下文、无量化条件下 1B Phase-TITAN 模型 KV-Cache 占 0.04 GB；内部基准测试在 RULER 和 BFCL 上性能与同等规模及更大规模 Transformer 模型相当；智能手机 CPU 多步智能体演示；全球汽车集团自动驾驶关联公司付费试点；全球汽车电子软件公司车载智能体验证；NVIDIA 2026 Inception Grand Challenge Top 20 决赛入选。上述指标中，除融资轮次、金额、估值和投资方外，其余均为单方声明，尚未获得独立复现或客户公开确认。
RecodeX 极客视：TraceWeave 以约 300 亿韩元投前估值完成种子轮，支撑这一价格的是 0.04 GB KV-Cache 的架构主张和两家未具名汽车客户的早期信号。真正的分水岭不在融资通稿里，而在未来 12 个月是否有人能在独立环境中复现这个数字，以及那两家没有名字的汽车客户是否愿意把自己的名字写进合同。
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。