一種工作負載、六種晶片：Gimlet Labs 以 30 億美元估值融資 3 億美元，打造 AI 異構運算的調度中樞

Andreessen Horowitz 一般合夥人 Raghu Raghuram 認為，這一波 AI 熱潮最奇特的地方，在於它幾乎完全建立在一個由單一公司晶片所支撐的技術堆疊上。「運算的歷史從來不是這樣，」他本週接受 Bloomberg 採訪時表示——「尤其是一個規模將達數兆美元、擁有這麼多不同應用場景的市場。」如今，這個信念有了明確的價格：30 億美元。

總部位於舊金山的 Gimlet Labs，是一家協助客戶把 AI 任務拆分到多種不同晶片上執行的新創公司。該公司剛完成由 Andreessen Horowitz 領投的 3 億美元融資，估值一舉升至 30 億美元——距離上一輪 8,000 萬美元的 A 輪融資，僅僅過了六個月。CEO Zain Asgar 在受訪時證實這項消息，本輪還引入了兩個極具策略意義的新投資人：Arm Holdings，以及微軟創投基金 M12——兩者都樂見 AI 工作負載不再預設流向單一晶片供應商的未來。

Gimlet 究竟在做什麼

Gimlet 的核心產品，是它自稱業界首個「多晶片推理雲」（multi-silicon inference cloud）——一層軟體，能接住一份 AI 工作負載、把它拆解成多個片段，再把每個片段映射到最適合執行的晶片上。這套平台可以調度來自 NVIDIA、AMD、Intel、Arm、Cerebras 與 d-Matrix 的硬體，涵蓋傳統 GPU 以及以 SRAM 為核心的特殊架構晶片。

它的創業洞察在於：現代 AI 應用（尤其是代理式 agent 應用）並不是鐵板一塊。一個 agent 可能串接多個模型與多種模態：規劃用小而快的模型、推理用大型前沿模型、檢索或解碼交給專用加速器。把整條管線塞進一個同質化的 GPU 機群固然省事，卻極度浪費——不同晶片針對不同運算的經濟效益差距巨大，大到「調度」本身就能成為一門生意。

Asgar 表示，Gimlet 先聚焦在一個非常具體的任務上——讓 AI 模型跑得超快——因為這正是混合使用不同晶片能產生最亮眼成果的領域。這家公司在 2025 年底走出隱身狀態時，就已宣稱擁有八位數美元的營收，對一家當時只募過 1,200 萬美元種子輪的新創而言，這個起點罕見地強勢。那輪種子由創投 Factory 領投，天使投資人包括 Intel CEO Lip-Bu Tan、Figma 負責人 Dylan Field，以及 Raghuram 本人——他如今也領投了這一輪。

一層層剝開洋蔥，剝進了資料中心

但整個故事更有趣的部分，是公司業務範圍的演變。Gimlet 在部署軟體的過程中撞上了一道與演算法無關的牆：客戶根本不知道該怎麼為複雜的多晶片架構安排資料中心硬體。

「我們把『如何把工作負載分配到不同晶片』的酷技術都搞定了，」Asgar 說，「但我們發現的挑戰之一是：沒有人用異構的方式建資料中心。所以我們開始一層一層剝洋蔥。」

不同類型的晶片往往需要不同的冷卻系統或工作溫度——為 GPU 氣流設計的機架，不見得容得下熱特性完全不同的另一種矽晶片。於是 Gimlet 現在也協助客戶建置資料中心，甚至開始打造自己的資料中心。一家原本做調度層的新創，就這樣變成了基礎設施公司。

這段演變同時解釋了這輪融資的速度與規模。Asgar 說，融資過程非常快，因為公司收到了好幾份投資人主動送上門的投資條款書。當一家擁有八位數營收、產品已經落地的新創，正好站在 AI 基礎設施兩大最熱主題——異構運算與推理經濟學——的交叉口上，投資人不會等你開程序。

為什麼異構突然成了共識

過去三年，「AI 基礎設施」基本上意味著一個垂直整合的堆疊：一個主導的晶片供應商、它的軟體生態系，以及圍繞著它建造的超大規模雲端業者。這種單一栽培式的結構，如今正因三個原因瓦解。

第一，供給。頂級加速器的需求仍舊遠超供給，拿不到足夠數量單一晶片的企業，越來越願意混用。第二，成本。推理（inference）——訓練好的模型實際上線服務的階段——正成為 AI 運算支出的大宗，而它對價格的敏感度遠高於訓練。Cerebras 的晶圓級引擎、d-Matrix 的記憶體內運算等新架構，針對特定運算能提供壓倒性的性價比——前提是工作負載真的能被送達這些晶片。第三，主權與供應鏈韌性：各國政府與企業都想要多供應商的選擇權。

看到這個機會的不只 Gimlet。上個月，較新的競爭對手 Callosum 從包含英國公共 AI 基金在內的投資人手中，募得 1 億美元早期資金，做的是把 AI 工作路由到最便宜晶片與模型的軟體，並宣稱能帶來 4 倍速度與 70% 的運算成本降幅。創投市場顯然已在定價一件事：一旦晶片版圖碎裂化，位於矽晶片之上的調度層將變得價值連城。

股東名單背後的策略訊號

新投資人的身分，與資金本身同樣重要。Arm 的指令集架構支撐著當今 AI 資料中心裡大量湧現的高能效 CPU 與加速器設計，如今它既是 Gimlet 的股東，也是合作夥伴——雙方正攜手讓 Gimlet 的軟體相容於各種形態的 Arm 晶片技術。對 Arm 而言，投資這個「把工作負載路由到最適晶片」的調度層，等於確保「最適」的評比在各種架構之間是公平進行的。

M12 的加入，則把同樣的邏輯延伸到微軟身上——在自研晶片、商用 GPU 與龐大 AI 雲端之間求取平衡的微軟，有充分理由為自己的運算策略做多供應商避險。而 a16z 的加碼——Raghuram 從種子輪一路領投到本輪——則傳達了明確的信念：「世界終將走向多晶片」，並將承載「需求截然不同的多種工作負載」。

後續觀察重點

Asgar 透露，Gimlet 的客戶包含 AI 實驗室與金融服務業者，但不願提供具體名單。對一家押注大趨勢的基礎設施新創來說，待解的問題一如往常：當投資人裡坐著各有立場的晶片公司，這層軟體還能保持中立、贏得信任嗎？晶片供應商會不會自己內建、捆綁同等的路由能力，把調度層商品化？以及，一家必須深入理解六種矽架構的公司，能否跑得比只為單一架構優化的對手更快？

無可爭辯的是方向。AI 只跑在一種晶片上的時代正在結束——不是因為 NVIDIA 犯了什麼錯，而是因為一個以兆美元計的市場，從來就不可能永遠保持同質。Gimlet 的 30 億美元估值，是一個提早進場、規模加碼的賭注：賭的是那個碎裂化未來的作業系統，值得提前擁有。