2026 年夏天，美国数据中心运营商的焦虑正在从“买不到 GPU”转向一个更基础的问题：电网还能给这些机房批多少电。与此同时，AI 训练和推理集群的机架功率密度持续攀升。电力，而不是算力，正在成为 AI 基础设施最硬的约束。
在这个背景下，一家总部位于圣克拉拉、前身名为 Auradine 的芯片设计公司 Velaura AI 于 8 月 18 日宣布完成 1.1 亿美元 A 轮融资，估值超过 10 亿美元。公司官方新闻稿称，本轮由 Seligman Ventures 领投，Capricorn Investment Group 和 Prosperity7 Ventures 作为新投资方加入，Mayfield、Maverick Silicon、MARA、Premji Invest、Samsung Catalyst Fund 和 StepStone Group 等既有股东参与。这笔融资让 Velaura AI 进入独角兽行列，而它试图回答的问题只有一个：如果数据中心拿不到更多电，能不能让每瓦电做出更多计算。
Velaura AI 的答案是一款名为 Titan Core 的硅平台。据公司披露，该平台包含数字芯片 IP 和设计工具，能将 AI 加速器的性能功耗比提升 2 至 4 倍，且不影响性能；据公司披露，其底层技术已经部署在超过 3000 万个 ASIC 中。上述性能、部署规模、客户合作、团队背景及“领先”“首个”等表述均为公司或投资方在公开材料中的单方面声称，公开材料中未提供独立第三方测试报告、客户公开背书或审计文件。相关验证边界见文末“验证边界与可复核指标”小节。
| 字段 | 内容 |
|---|---|
| 公司 | Velaura AI（前身为 Auradine） |
| 轮次 | A 轮 |
| 金额 | 1.1 亿美元 |
| 投资方 | 公司官方新闻稿口径：Seligman Ventures（领投）、Capricorn Investment Group、Prosperity7 Ventures、Mayfield、Maverick Silicon、MARA、Premji Invest、Samsung Catalyst Fund、StepStone Group；SignalBase 另列 GSBackers、Maverick Capital、Qualcomm Ventures，未列 Seligman Ventures |
| 总部 | 圣克拉拉，加利福尼亚州 |
| 创始人 | Rajiv Khemani（联合创始人兼 CEO） |
| 官网 | https://velaura.ai |
从 Auradine 到 Velaura：路线切换与资本痕迹
Velaura AI 并不是一家从实验室直接跳进 AI 芯片赛道的公司。它最初的名字是 Auradine，业务方向为区块链硬件。SignalBase 报道称，Velaura AI 的前身为 Auradine；公司官方新闻稿未在本次采集材料中确认更名时间或成立年份。CEO Rajiv Khemani 在官方声明中表示：“AI 的每一次进步，从推理模型到具身智能，都会创造更多计算需求，最终是更多电力需求。下一代 AI 将不仅由更好的模型定义，也将由根本更好的计算经济性定义。”
这段区块链背景在资本结构中留下了痕迹。本轮投资方之一 MARA Holdings 是美国上市比特币矿企。比特币挖矿本质上是一场电力成本竞赛，每太哈希节省的每一瓦电都直接转化为利润率。Velaura 在区块链硬件阶段积累的低电压电路设计经验，构成了它转向 AI 芯片能效优化的技术底座。Qualcomm Ventures 出现在 SignalBase 的报道中，但未出现在公司官方新闻稿口径中；该来源未显示完整编辑团队信息或事实核查规范，Qualcomm Ventures 是否参与本轮融资应以公司官方口径为准。
从已披露的信息看，Velaura 的路径不是直接与英伟达在 AI 加速器主芯片上竞争，而是把低电压运行能力包装成可授权的 IP 和设计工具，卖给那些正在设计自己 XPU 的超大规模厂商。这个定位让它的潜在客户范围比单一芯片产品更宽，但也意味着它的收入取决于下游客户的设计周期和量产节奏。
Titan Core 的能效声称：2 到 4 倍提升，验证路径仍不透明
Titan Core 的技术核心是专有低电压库和电子设计自动化工具流程。通俗地说，Velaura 开发了一套方法，让芯片电路在低于常规电压的条件下运行，同时保持逻辑性能不下降。据公司披露，这套方案不需要客户修改软件，也不需要重新设计整个系统级芯片，可以嵌入现有的 AI 加速器设计流程中。
公司披露的性能数据相当激进：性能功耗比提升 2 至 4 倍。编辑基于公司声称的假设性推演认为，如果这些数字在真实工作负载中成立，意味着同样一座 100 兆瓦的数据中心可以承载两到四倍的 AI 计算量，或者在保持算力不变的情况下把电费砍掉一半。但这一推演尚未经独立验证，其前提本身也未被独立证据确认。
半导体行业的能效声明历来需要经过从仿真到流片、从单芯片到系统级、从实验室到生产环境的层层验证。据公司披露，其技术已部署在超过 3000 万个 ASIC 中。如果属实，说明其低电压库至少经过了商业级制造流程的检验。但“部署在 ASIC 中”与“在 AI 加速器上实现 2 到 4 倍性能功耗比提升”之间仍有距离。前一个事实来自公司披露，后一个性能指标同样来自公司披露，两者之间的因果链条尚未被独立证据连接起来。
IP 授权模式：更宽的潜在市场，更长的收入兑现周期
Velaura 的商业模式是 IP 授权和设计工具销售，而非制造完整芯片。这与 Groq、Cerebras、SambaNova 等同样在 AI 芯片能效或架构创新上竞争的公司形成差异。后三者都在销售自己的芯片或系统，收入直接来自硬件交付。Velaura 则把自己的技术嵌入到别人的芯片设计中，收入来自授权费和工具订阅。Reuters 报道称，Velaura 的收费模式是前期技术授权费加上基于客户节省电力的版税，CEO Rajiv Khemani 确认这一结构类似于 Arm 在自研芯片之前的按芯片授权模式。
这种模式的潜在优势在于市场覆盖面。超大规模厂商越来越倾向于自研 AI 加速器，谷歌有 TPU，亚马逊有 Trainium 和 Inferentia，微软有 Maia，Meta 也在推进自己的芯片项目。这些公司不太可能从外部购买完整的 AI 主芯片，但可能愿意为能效提升的 IP 付费。据公司披露，Velaura 已经在与领先的超大规模数据中心运营商合作，将其技术整合到未来的 XPU 路线图中。Reuters 报道称，CEO Rajiv Khemani 表示 Velaura 正在与四大云服务提供商中的三家接洽，但拒绝透露名称。这一合作尚处于路线图整合阶段，公司未披露具体客户名称、合同金额或量产时间表。
但 IP 授权模式的收入兑现周期比卖芯片更长。一个超大规模客户从评估 IP、完成设计整合、流片验证到最终量产，通常需要 18 到 36 个月。在这段时间里，Velaura 需要持续投入工程资源支持客户，而收入可能在客户芯片量产后才以版税形式逐步确认。对于一家刚完成 A 轮融资的公司来说，这意味着未来两到三年的现金流主要依赖融资而非经营收入。
投资方名单的版本差异：一笔融资背后的信息不对称
Velaura 本轮融资的投资方名单在不同来源之间存在明显冲突。公司官方新闻稿口径为：Seligman Ventures 领投，Capricorn Investment Group 和 Prosperity7 Ventures 作为新投资方加入，Mayfield、Maverick Silicon、MARA、Premji Invest、Samsung Catalyst Fund 和 StepStone Group 参与。TechStartups 和 Ventureburn 的报道与官方口径一致。而 SignalBase 的报道列出的投资方是 GSBackers、MARA Holdings、Maverick Capital、Premji Invest 和 Qualcomm Ventures，未提及 Seligman Ventures。
从来源性质看，公司官方新闻稿是公司主动披露的一手信息，权威性最高；TechStartups 和 Ventureburn 是媒体报道，与官方口径相互印证。SignalBase 是一个聚合融资信息的数据库型网站，其页面未显示完整的编辑团队信息或事实核查规范，内容以短讯形式呈现，且未转载公司官方新闻稿；Cryptobriefing 是加密货币行业媒体，其编辑重点在加密资产与相关硬件，对传统半导体融资轮次的处理可能不如专业半导体媒体严谨。两者均未转载公司官方新闻稿，且其投资方名单与公司官方新闻稿及多家转载官方声明的来源存在直接冲突；其中 Cryptobriefing 还将本轮称为“Series V-A”，进一步显示其对融资轮次信息的处理不够严谨。建议读者以公司官方新闻稿口径为准。
Cryptobriefing 同时披露了一个更精确的估值数字：10.5 亿美元。这一数字与其他来源的“超过 10 亿美元”表述一致，但精度更高。如果 10.5 亿美元是准确的，那么 Velaura 的估值在 A 轮就达到了独角兽门槛，这在半导体领域并不常见。需要说明的是，Cryptobriefing 的融资历史信息未与其他来源交叉验证，其可靠性低于公司官方口径。
1.1 亿美元能走多远：半导体开发的资本消耗现实
1.1 亿美元在软件创业公司可以支撑数年的高速扩张，但在半导体领域，这笔钱的花法完全不同。即使 Velaura 不自己流片，而是授权 IP 给客户，它仍然需要投入大量工程资源来支持客户的集成工作，同时持续改进自己的低电压库和 EDA 工具流程。
Cryptobriefing 报道称，Velaura 在 2025 年 4 月完成了一轮约 1.38 亿至 1.53 亿美元的 C 轮融资，总融资额在 2.79 亿至 3.43 亿美元之间。该信息来自 Cryptobriefing，与公司官方新闻稿将本轮明确称为 Series A 的口径存在冲突。Cryptobriefing 的融资历史信息未与其他来源交叉验证，可靠性较低，建议读者以公司官方口径为准。目前公开材料无法确认哪一种解释更接近事实。
据公司披露，本轮资金将用于开发商业化 AI 计算产品组合、扩大工程和客户团队、深化与 AI 基础设施和物理 AI 系统公司的合作。TechStartups 报道称，Velaura 的高管和工程师拥有来自 Apple、Nvidia、Google、Qualcomm 和 Marvell 的背景。这些人才的成本在硅谷半导体市场处于高位，1.1 亿美元中的相当一部分将用于人力支出。
超大规模客户的认证周期：Velaura 必须跨越的时间鸿沟
据公司披露，Velaura 已经在与领先的超大规模数据中心运营商合作，将其技术整合到未来的 XPU 路线图中。但“路线图整合”距离“量产部署”之间隔着一条漫长的认证链条。超大规模厂商对任何进入其芯片设计流程的第三方 IP 都有严格的验证要求，包括功能正确性、时序收敛、可靠性、良率影响和供应链安全。以下认证周期为编辑基于半导体行业常识的分析，未在本次采集材料中找到 Velaura 具体客户的认证时间表：一个低电压库要在客户的芯片中通过全部认证，通常需要 12 到 24 个月，而客户自己的芯片从设计到量产又需要额外 18 到 24 个月。客户认证时间表需待公司披露。
这意味着，即使 Velaura 今天已经与某个超大规模客户达成了路线图合作，其技术真正进入大规模部署的芯片可能要到 2028 年甚至更晚。在此之前，公司的收入贡献可能主要来自设计工具授权和工程服务费，而非版税。对于投资人来说，这是一个需要耐心等待的周期；对于公司来说，这意味着需要在没有大规模收入的情况下维持高强度的研发投入。
物理 AI 是 Velaura 瞄准的另一个市场。机器人、无人机和自动驾驶系统对功耗的约束比数据中心更严格，因为它们依赖电池供电，同时需要在设备端完成越来越多的 AI 推理任务。据公司披露，其解决方案面向这些物理 AI 系统开发商，但未披露具体客户或合作进展。从技术逻辑上看，低电压运行能力对电池供电设备的价值可能比对数据中心更直接，但物理 AI 市场的碎片化程度也更高，单一 IP 授权模式能否在这个市场中形成规模效应，仍然是一个未经验证的假设。
竞争格局：能效优化的赛道正在变得拥挤
以下为编辑分析，基于已核实的公司产品定位与融资用途，而非公司明确表述的竞争结论。Velaura 并不是唯一一家试图从 AI 电力瓶颈中获利的公司。Groq 以其确定性低延迟推理架构切入市场，强调单位能耗下的推理吞吐量；Cerebras 用晶圆级芯片减少数据移动带来的能耗；SambaNova 则通过可重构数据流架构优化 AI 工作负载的效率。这三家公司都在销售自己的硬件系统，与 Velaura 的 IP 授权模式形成间接竞争。
编辑分析认为，Velaura 与上述三家公司的差异首先体现在商业模式上：Groq、Cerebras 和 SambaNova 均以销售自有芯片或系统为主要收入来源，客户采购的是成品硬件；Velaura 则授权低电压库和 EDA 工具流程，收入来自授权费和基于客户节省电力的版税，客户采购的是设计能力而非硬件。其次，在技术路线上，Groq 的确定性低延迟架构针对推理工作负载的调度效率，Cerebras 的晶圆级芯片通过减少芯片间数据移动来降低能耗，SambaNova 的可重构数据流架构侧重工作负载适配；Velaura 的低电压库则从电路级电压裕度入手，与上述架构层创新不在同一技术层级。这一差异意味着 Velaura 的竞争对象不是这些公司的芯片性能，而是客户自研团队内部解决能效问题的意愿和能力。
目前公开材料没有提供 Velaura 与 Groq、Cerebras、SambaNova 在性能功耗比、部署规模或客户采用率方面的直接对比数据。可比较但尚未披露的指标包括：Velaura 低电压库在 AI 加速器上的实测性能功耗比与上述公司已发布硬件的同口径对比、各公司已部署系统的总算力规模、以及各自在超大规模客户中的实际采用情况。这一信息缺口本身就是 Velaura 需要向潜在客户证明的验证边界。
更直接的竞争可能来自 EDA 巨头和 IP 供应商。Synopsys 和 Cadence 在低功耗设计工具领域拥有深厚积累，它们的工具链已经嵌入全球几乎所有芯片设计流程。如果低电压设计成为 AI 芯片的标配需求，这两家公司有能力快速推出竞争性产品。此外，Arm 和 Synopsys 的 IP 部门也在持续优化低功耗 IP 组合。Velaura 的差异化在于它披露的低电压库和工具流程是专有的，且已经在 3000 万个 ASIC 中部署。目前公开材料没有提供 Velaura 低电压库与 Synopsys、Cadence 或 Arm 低功耗 IP 在电压裕度、时序收敛、良率影响或 EDA 工具兼容性方面的可比较指标，因此无法做出量化对比。
从投资逻辑看，Mayfield 管理合伙人 Navin Chaddha 的声明提供了一个清晰的投资框架：“Velaura AI 正在让超低功耗计算在物理 AI 中变得实用，并大幅提升数据中心的效率——这解决了 AI 基础设施中两个最重要的机会。”据投资方声明，Mayfield 看中的是“可衡量的效率提升和商业验证的结合”。但需要指出的是，投资方声明中的“商业验证”具体指向什么，目前公开信息中并未给出明确证据。3000 万个 ASIC 的部署量如果主要来自区块链硬件阶段，那么它在 AI 加速器领域的可迁移性仍然需要证明。
风险与待验证假设：能效叙事的边界在哪里
Velaura 的故事建立在三个核心假设之上。第一，低电压运行能力可以在不牺牲性能的前提下实现 2 到 4 倍的性能功耗比提升。第二，超大规模厂商愿意为这种能力支付 IP 授权费，而不是自己开发或从 EDA 巨头采购。第三，区块链硬件阶段积累的低功耗技术可以顺利迁移到 AI 加速器场景。这三个假设均为编辑基于公司披露和行业逻辑的分析框架，并非公司明确表述的验证结论。
第一个假设面临的技术风险是电压裕度与良率之间的权衡。芯片在低电压下运行会降低噪声容限，增加时序违规和逻辑错误的风险。Velaura 披露其专有低电压库和 EDA 工具流程可以解决这个问题，但具体的技术细节未披露。公开材料未提供 Velaura 低电压库在电压裕度、时序收敛或良率影响方面的可验证指标，因此无法判断其技术方案是否在商业制造条件下解决了上述权衡。第二个假设面临的市场风险是超大规模厂商的自研倾向。谷歌、亚马逊和微软都在建设自己的芯片设计团队，它们可能更倾向于在内部解决能效问题，而不是向一家初创公司支付 IP 授权费。谷歌 TPU 和亚马逊 Trainium 的研发路径已经表明，这些公司有能力在内部构建完整的芯片设计能力。
第三个假设面临的是 Velaura 特有的迁移风险。编辑分析认为，区块链 ASIC 与 AI 加速器在工作负载特征上存在显著差异：区块链 ASIC 的逻辑相对固定，计算模式以哈希运算为主，工作负载高度单一；AI 加速器则需要处理矩阵乘法、注意力机制、激活函数等多种计算模式，工作负载的动态范围和调度复杂度远高于区块链 ASIC。低电压库在区块链 ASIC 上积累的时序收敛和良率数据，能否直接迁移到 AI 加速器的复杂数据路径上，目前公开材料未提供任何测试证据。
从已披露的融资历史和投资方构成看，Velaura 拥有一个混合了传统风投、企业战投和加密矿业公司的资本结构。这种结构在早期阶段提供了多元化的资源支持，但也可能在未来融资中带来利益协调的复杂性。公司未披露本轮融资后的具体资金消耗计划和下一轮融资时间表，也未披露 Titan Core 平台的定价模式或已签约客户数量。这些信息的缺失使得外部观察者难以判断 1.1 亿美元能否支撑公司走到超大规模客户量产的关键节点。
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：Velaura AI 的融资故事之所以值得关注，不在于它又造出了一颗“挑战英伟达”的芯片，而在于它选择了一条更安静但可能更务实的路径：把低电压电路设计能力打包成 IP，卖给那些正在自研 XPU 却受困于功耗墙的超大规模厂商。这条路径的成立条件相当苛刻——它要求 Velaura 的技术在真实 AI 工作负载中兑现 2 到 4 倍的能效承诺，要求超大规模客户愿意为外部 IP 打开设计流程，还要求公司在没有大规模收入的情况下熬过 18 到 36 个月的认证周期。1.1 亿美元给了它一个起跑位置，但半导体行业的残酷之处在于，起跑位置从来不等于终点位置。能效叙事的真正考验，将在第一颗搭载 Titan Core 的客户芯片流片并跑出公开基准数据的那一刻到来。在那之前，所有关于“破解电力瓶颈”的说法，都还只是硅谷最擅长生产的东西——一个有根据的希望。
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。