公司 Euclyd
融资轮次 A轮
融资金额 2.3亿美元（2亿欧元）
投资方 三星、Somerset Capital Partners、Scaleup Europe Fund（由EQT管理）、Innovation Industries
总部 荷兰
创始人 未披露
官网 https://www.euclyd.ai/

一家没有创始人的芯片公司，和一个有哲学背景的CEO

Euclyd的公开信息里有一个醒目的空白：创始人名单未披露。这家2024年成立的荷兰公司，在CNBC的报道中只出现了一个核心人物——CEO Bernardo Kastrup。Kastrup在CNBC采访中表示：”AI正在成为经济增长、科学发现和国家竞争力的基础，但除非我们从根本上改变其底层基础设施，否则其潜力仍将受到限制。”这句话是典型的创始人融资话术，但它也精确地定义了Euclyd的自我定位：不是做一颗更好的芯片，而是重新定义AI基础设施的架构基础。

从已披露的2亿欧元A轮融资与2024年成立时间来看，Euclyd在极早期阶段就完成了大额融资。半导体创业通常需要较长的技术验证周期，A轮融资规模达到2亿欧元级别，意味着投资方对团队背景或技术路线给予了超出常规的信任。但创始人名单的缺失，以及CEO背景与芯片设计的关联度未在来源中说明，构成了一个信息缺口。编辑无法从现有材料推断Kastrup的芯片设计履历，也无法判断Euclyd的技术团队构成。这一点对评估公司执行风险至关重要，但来源材料未提供。

覆盖处理器与内存架构，这是Euclyd真正的技术赌注

Euclyd的产品描述中，最关键的表述是”覆盖处理器与内存架构两个层面”。这不是一个可有可无的修饰语。当前AI推理的能耗瓶颈，很大程度上来自处理器与内存之间的数据搬运。GPU架构下，算力单元与存储单元分离，数据需要在两者之间频繁往返，每一次搬运都消耗能量、产生延迟。英伟达的应对方案是不断堆叠HBM高带宽内存、扩大芯片面积、提升互连速度，但这本质上是在原有架构框架内做增量优化。Euclyd声称的非GPU架构，公司称其架构覆盖处理器与内存两个层面，但来源未明确”同时重新设计”的表述。

但这里必须严格区分公司说法与已验证事实。Euclyd称其面向基础模型的芯片系统将降低AI数据中心基础设施的能耗与成本——这是公司口径，目前没有任何独立第三方验证。CNBC的报道明确写道：”Euclyd的系统尚未在商业部署中经过规模化验证。”这意味着所有关于能耗与成本优势的表述，目前都停留在设计目标层面。Zetik聚合页面中曾出现”125kW power draw”和”100x efficiency”等具体数字，但该来源为聚合类页面且未提供原始出处，因此本文不将这些数字作为事实引用。

从产业链约束的角度看，Euclyd选择覆盖处理器与内存架构，意味着它必须同时解决两个维度的工程难题。处理器架构的重新设计涉及指令集、数据通路、计算单元布局；内存架构的重新设计涉及存储单元、带宽、延迟、与处理器的耦合方式。这两个维度中任何一个的工程失败都会导致整个系统无法工作。需要说明的是，以下”同时做两个维度”的复杂度分析，是编辑基于公司”覆盖处理器与内存架构”这一已披露表述的推演，而非公司确认的”同时重新设计”口径。若按同时推进两个维度理解，复杂度不是相加而是相乘。这是Euclyd技术路线最大的不确定性，也是其2028年才计划推出实体芯片系统的原因之一——从设计到流片到系统验证，三年时间在芯片行业属于正常偏紧的节奏。

三星的参与在这一技术路线中扮演的角色值得拆解。Kastrup在CNBC的引语中说：”三星能帮助我们的远不止资金。他们是全球最大的内存制造商之一，他们做大量工程，他们了解系统，他们了解供应链，他们拥有庞大的网络。”这段引语透露了一个关键信息：Euclyd对三星的期待，核心在内存制造与供应链能力。三星作为投资方，同时具备内存制造与供应链能力，这是已披露事实；但来源未披露三星为Euclyd供应商，双方技术契合度目前无法判断。

两条收入腿走路，但哪一条先落地仍是未知数

Euclyd的商业模式在芯片初创公司中并不常见。据CNBC报道，公司规划了两条收入来源：一是向希望以安全自托管方式运行AI推理的企业客户销售硬件与实体机架系统；二是向希望基于现有技术开发自有芯片的公司出售知识产权。第一条是产品公司的逻辑，卖的是实体系统；第二条是IP授权公司的逻辑，卖的是设计能力。两条腿走路的商业模式，在理论上分散了风险，但在执行上意味着Euclyd需要同时具备系统集成能力和IP打包能力。

从时间表看，这两条收入线都不会在短期内产生规模化收入。Kastrup向CNBC表示，Euclyd计划2028年开始推出实体芯片系统，到2030年服务数千家企业客户。这意味着从2026年9月完成融资到2028年产品落地，中间有至少两年的纯投入期。而”数千家企业客户”的目标，对于一个尚未在商业部署中验证过系统的公司来说，是一个需要跨越巨大鸿沟的承诺。从已验证事实看，Euclyd目前没有披露任何客户名单、试点项目或设计订单。目标客户被描述为”希望以安全自托管方式运行AI推理的企业客户”，这是一个真实存在的细分市场——尤其是对数据主权和隐私有严格要求的企业——但这个市场的购买决策周期长、验证门槛高，与前述2030年客户目标之间存在明显的张力。

IP授权这条线则面临另一种挑战。向希望开发自有芯片的公司出售知识产权，意味着Euclyd的潜在客户中包括那些正在自研AI芯片的云厂商和大型科技公司。但问题在于，这些公司——OpenAI、Google、AWS、Meta——据CNBC报道，都在开发自己的AI芯片。它们是否有意愿从一家初创公司购买IP，取决于Euclyd的技术是否提供了它们无法快速复制的独特价值。如果Euclyd的技术路线确实在能耗与成本上有数量级优势，IP授权可能成为比硬件销售更快的收入来源；但如果优势不够显著，这条线可能长期停留在纸面上。目前没有任何来源材料显示Euclyd已签署IP授权协议。

替代英伟达的赛道正在拥挤，Euclyd的差异化窗口有多长

Euclyd不是第一家试图绕开英伟达GPU路线的公司，也不会是最后一家。CNBC的报道勾勒了一个正在快速拥挤的竞争格局：OpenAI于8月宣布其首款AI芯片，据公司称具有行业领先的速度和效率；Google、AWS和Meta都在开发自有AI芯片。这些公司有一个共同特征：它们既是英伟达的客户，也是英伟达的潜在竞争者。当最大的客户开始自研芯片，英伟达的垄断地位就在被从需求侧侵蚀。

Euclyd与这些巨头的自研芯片有一个根本区别：Euclyd是独立第三方，不绑定任何单一云平台或AI模型生态。这既是优势也是劣势。优势在于，对于不想依赖特定云厂商的企业客户，Euclyd提供了一个中立的硬件选项；劣势在于，Euclyd没有云厂商那样的内需市场来消化早期产品，也没有AI模型公司的软件生态来优化芯片与模型的协同。OpenAI的芯片可以针对自己的模型做深度优化，Google的TPU可以与其云服务和TensorFlow生态无缝集成，Euclyd的芯片则需要在通用性与效率之间找到平衡。Euclyd已披露的双收入模式——硬件销售与IP授权——意味着它必须同时面对这两类竞争者：在硬件销售上面对云厂商自研芯片的内需优势，在IP授权上面对潜在客户自研能力的替代威胁。这种双重挤压是Euclyd特有的竞争约束，而非所有AI芯片初创公司的通用处境。

从投资逻辑看，Euclyd的A轮融资发生在AI推理投资热潮的上升期。Euclyd瞄准的是推理侧的成本敏感型需求，其已披露的定位是向希望以安全自托管方式运行AI推理的企业客户销售硬件与实体机架系统，并以2028年产品推出、2030年数千家客户为时间表。但”推理侧需要替代架构”这个判断本身，目前仍是一个待验证的假设。英伟达的GPU在推理侧同样占据主导地位。替代架构能否在推理侧真正打开缺口，取决于Euclyd这类公司能否在真实部署中证明能耗与成本优势，而不是在PPT上证明。

三星为什么投一家没有验证过产品的荷兰初创公司

三星的入局是这笔融资中最值得拆解的资本信号。三星投资Euclyd，从Kastrup的引语中可以读出一个清晰的逻辑：三星是全球最大的内存制造商之一，而Euclyd的非GPU架构恰好覆盖内存架构。以下为编辑基于公开投资结构的推测性分析，不代表三星或Euclyd的官方立场：如果Euclyd的技术路线成功，三星的内存产品可能获得一个新的高端需求场景——定制化AI推理内存。如果Euclyd失败，相对于三星整体业务体量，该笔投资的风险敞口可能有限；但来源未披露三星具体出资额，此处仅为基于其业务体量的定性判断。编辑分析认为，这是一个典型的战略期权结构：用相对小额的投资，换取对一条潜在替代技术路线的早期卡位；但这一判断基于已披露的引语与投资结构，来源未披露双方的具体约束条款。

从资本结构看，本轮由四方共同领投：三星、Somerset Capital Partners、EQT管理的Scaleup Europe Fund、Innovation Industries。这种多领投结构在A轮融资中并不常见。来源材料仅披露了四方共同领投的事实，未披露各方领投地位形成的具体原因、定价责任分配或约束条款，因此无法对多领投结构背后的资本逻辑作出有依据的判断。三星带来的是内存制造与供应链能力，EQT的Scaleup Europe Fund带来的是欧洲科技投资网络，Innovation Industries是一家荷兰深科技投资机构，Somerset Capital Partners的角色在来源材料中未详细披露。四方共同领投的结构，在分散风险的同时，也可能意味着公司在后续轮次中需要协调多方利益。

一个值得注意的细节是融资数字的表述差异。CNBC标题写的是2.3亿美元，正文写的是2.31亿美元，Kastrup对CNBC说的是2亿欧元，Dealroom标题写的是2.26亿美元。这些数字之间的差异来自汇率换算和四舍五入，本身不构成实质性矛盾。本文以CNBC的2亿欧元/2.31亿美元为准，同时并列呈现上述差异口径。

资金用途未披露，但时间表本身就是最大的资金消耗源

Euclyd没有披露本轮2.3亿美元的具体用途。这在芯片初创公司中并不罕见——资金用途通常涉及敏感的研发路线图和流片计划——但它给外部评估带来了困难。从已披露的时间表可以推断，这笔资金需要支撑公司从2026年9月到2028年产品推出的至少两年运营。芯片设计、流片、系统集成、软件工具链开发、早期客户验证，每一项都是高消耗活动。2.3亿美元在芯片行业能支撑的研发规模是有限的：一次先进制程流片的成本就可能达到数千万美元，而Euclyd需要的是完整的芯片系统，包括处理器、内存架构、机架系统，以及配套的软件栈。

从已披露的2028年产品推出时间与2030年数千家客户目标来看，Euclyd的资金消耗曲线将在2027-2028年达到峰值。这意味着公司很可能在产品落地前需要新一轮融资。如果届时产品验证进展顺利，新一轮融资的估值逻辑将建立在真实性能数据之上；如果进展不顺，公司将面临在未验证技术的情况下继续融资的困难局面。Euclyd未披露具体资金用途，因此无法判断其流片计划、制程选择或软件栈投入的优先级；这些未披露项本身就是评估其资金消耗节奏的关键缺口。

风险不在竞争，在于2028年之前的一切都是纸面承诺

Euclyd面临的最大风险不是英伟达的竞争，而是它自己的时间表。CNBC的报道明确写道：”Euclyd的系统尚未在商业部署中经过规模化验证。”这是一个无法回避的事实。所有关于能耗降低、成本优势、非GPU架构优越性的表述，目前都停留在设计层面。Euclyd计划2028年推出实体芯片系统，这意味着它需要在未来两年内完成架构定型、流片、系统集成、软件适配和早期客户验证。任何一个环节的延迟都会直接压缩前述2030年客户目标的实现窗口。

第二个待验证假设是”非GPU架构在推理侧具有结构性优势”这个前提本身。英伟达的GPU虽然在能耗效率上存在争议，但其软件生态——CUDA——构成了极高的迁移成本。Euclyd的非GPU架构意味着它无法直接利用CUDA生态，需要构建自己的软件栈和开发者工具。对于企业客户而言，从英伟达迁移到Euclyd的成本不仅是硬件采购成本，还包括软件适配、模型优化、运维团队重新培训的成本。如果Euclyd的能耗与成本优势不能显著到足以覆盖这些迁移成本，客户就不会切换。这个临界值在哪里，目前没有任何公开数据可以回答。Euclyd未披露其软件栈策略或开发者工具计划，因此上述CUDA迁移成本框架在Euclyd案例中无法用具体参数验证；这一信息缺口本身就是评估其商业切换可行性的关键边界。

第三个风险来自竞争的时间窗口。OpenAI、Google、AWS、Meta的自研芯片项目都在推进中。这些公司拥有Euclyd不具备的资源：内需市场、软件生态、工程团队规模。如果替代架构的窗口期只有三到五年，Euclyd需要在2028年产品落地时拿出足够差异化的性能数据，否则可能被巨头的自研芯片挤压到边缘市场。从已披露信息看，Euclyd的差异化在于同时覆盖处理器与内存架构，以及独立第三方的中立定位。这两个差异化能否转化为可防御的竞争壁垒，取决于技术实现的质量和速度，目前无法判断。

从已披露的2亿欧元A轮融资、2028年产品时间表和2030年客户目标来看，Euclyd的叙事逻辑是清晰的：用非GPU架构切入推理市场，用处理器与内存的协同设计解决能耗瓶颈，用硬件销售与IP授权的双轮模式覆盖不同客户群体。但叙事逻辑的清晰不等于执行风险的降低。在2028年实体芯片系统推出之前，Euclyd的一切承诺都停留在设计文档和融资公告里。芯片行业的残酷之处在于，纸面上的架构优势只有在流片回来的测试数据里才能被证明或证伪。而Euclyd距离那个时刻，还有至少两年。

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：Euclyd的故事之所以值得跟踪，不是因为它挑战英伟达的野心——这个赛道里从不缺挑战者——而是因为它把赌注押在了处理器与内存的协同重构上，这触及了AI推理能耗问题的结构根源。但2.3亿美元买到的只是一个入场券，真正的验证发生在2028年流片回来的那一刻。在那之前，所有关于”非GPU架构优势”的表述，都只是需要被时间检验的假设。三星的入局给这个故事增加了产业链的厚度，但厚度不等于确定性。芯片行业最诚实的语言是测试数据，而Euclyd还没有说出一句。