--- title: "- 本报告聚焦欧洲10家专注于AI计算替代方案的私人半导体公司。核心观点包括：(1) 随着AI工作负载从训练转向推理，能耗、内存墙和供应链瓶颈使GPU替代方案需" topic_id: 45548814814555248 created_at: 2026-09-10T20:58:57.951+0800 source: zsxq type: topic cssclasses: zsxq-vault --- # - 本报告聚焦欧洲10家专注于AI计算替代方案的私人半导体公司。核心观点包括：(1) 随着AI工作负载从训练转向推理，能耗、内存墙和供应链瓶颈使GPU替代方案需 - 序号：103 - 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/45548814814555248) - 附件：图片 0，音频 0，文档 0 - 音频文件：_无音频_ ## 图片 _无图片_ ## 正文 - 本报告聚焦欧洲10家专注于AI计算替代方案的私人半导体公司。核心观点包括：(1) 随着AI工作负载从训练转向推理，能耗、内存墙和供应链瓶颈使GPU替代方案需求增长，定制ASIC市场预计从2025年的170亿美元以约70%CAGR增长至2028年超1000亿美元；(2) 两大新兴架构——内存计算和光学计算——成为替代GPU的关键方向，旨在突破传统处理器的功耗和性能限制；(3) 私人公司可通过并购、合作或验证相邻技术来影响公开市场公司；(4) 报告对Arago、Lumai、Olix、Optalysys、Q.ANT（光学计算）、Axelera AI、Fractile（内存计算）、Euclyd、SiPearl、VSORA（传统计算）共10家公司进行了详细画像。 UBS于2026年9月10日发布的《》聚焦AI计算领域，深度剖析了10家欧洲私人半导体公司。这些公司的共同特征是，尤其是AI推理场景。报告核心观点可归纳为： ：随着AI从训练转向推理，能耗、内存墙和供应链约束使GPU经济性面临挑战，替代方案势在必行。 ：UBS全球半导体团队估计，AI云ASIC市场将以约70%的CAGR增长，从2025年的170亿美元扩张至2028年的超1000亿美元。 ：内存计算（In-Memory Compute）和光学计算（Optical Compute）是本报告重点剖析的两大颠覆性架构方向。 ：成为大型厂商的并购/合作伙伴目标、验证相邻技术投资方向、催生更早阶段的并购或少数股权投资。 ：多家公司具有"欧洲主权芯片"或"主权AI"色彩（如SiPearl用于欧洲HPC超算），反映了地缘政治背景下的产业战略。 一、行业背景：GPU的统治与替代浪潮 全球商用GPU收入从2020年的50亿美元飙升至2025年的1690亿美元，预计2030年达到8440亿美元。 Nvidia GPU代际演进中，功耗和单价双双攀升——从Hopper到Feynman架构，单卡功耗已逼近5000-6000W，售价突破25万美元。 当AI工作负载从训练转向推理后，通用GPU的灵活性优势开始变成"过剩"。 超大规模厂商（Google、AWS、Microsoft、Meta、OpenAI等）的定制ASIC市场规模从2020年的8亿美元增至2025年的172亿美元，预计2028年达898亿美元。 Google TPU（训练+推理）和AWS Trainium/Inferentia是已规模化的代表。 ASIC的优势：更高的每瓦性能、更低的单次推理成本、更优的延迟；但代价是灵活性差、前期NRE高、研发周期长。 二、两大颠覆性架构深度剖析 1. 光学计算（Optical Compute） ：用光子替代电子进行计算。神经网络中的大量矩阵-向量乘法运算天然适合光学的并行特性——多束光或多波长可同时计算。 ： 高并行度 + 更低能耗 特别适合重复性高、并行性强的AI推理 减少数据搬运产生的热和功耗 ： 光-电、电-光转换本身消耗能量，可能抵消计算节能收益 光学存储技术远不如电子存储成熟 需要从组件级性能转向端到端系统级验证 2. 内存计算（In-Memory Compute） ：在内存内部或紧邻内存处执行计算，消除传统架构中数据在内存与处理器间反复搬运的开销。 ： 显著降低数据搬运的能耗、延迟和成本 特别适合矩阵密集型推理 SRAM基础方案可与处理元件紧密集成 ： SRAM占用硅面积大、密度低于HBM 需要验证商业化良率、软件生态兼容性 需证明相对快速改进的GPU和传统加速器有持续优势 三、十家被剖析公司概览 公司总部技术路线核心定位最新融资 法国 混合光电（光学+电子） JEF加速器，瞄准推理，兼容PyTorch Seed轮2600万美元（2025.7） 英国 自由空间光学 Iris Nova，声称较GPU性能提升50倍、能耗降90% Early VC 1000万美元（2025.7） 英国 光子+SRAM（避HBM） 光学TPU，避开先进封装限制 A轮3.12亿美元，估值>30亿美元（2026.8） 英国 可编程硅光子 "传输中计算"，支持全同态加密 A轮3100万美元（2026.1） 德国 薄膜铌酸锂光子 全栈光子+商业化服务器 A轮6200万欧元（2025.7） 荷兰 数字内存计算 Europa AIPU，边缘推理，45W AIPU C轮2.5亿美元，估值约10-15亿美元（2026.2） 英国 内存-计算融合 推理速度提升25倍、成本降至1/10 B轮2.2亿美元（2026.5） 荷兰 计算近内存 Craftwerk SiP，16384核，32 PFLOPS FP4 Seed轮1000万欧元 法国 Arm架构CPU Rhea1，80核，集成HBM，主权CPU A轮1.3亿欧元（2025.7） 法国 Chiplet架构 Jotunn8，3.2 PFLOPS推理专用芯片 Seed轮（2026.7） ： ：估值超30亿美元，是本批次中估值最高的公司之一，由Arm等战略投资人加持。 ：BlackRock和三星催化基金参与，是边缘AI的领跑者，已有500+客户。 ：客户包含Anthropic，由Accel等顶级机构投资，定位前沿AI推理。 ：欧洲"主权CPU"代表，Rhea1将在2026年底规模上市，应用于Jupiter超算。 四、私人公司如何影响公开市场公司？ 报告提出三个核心影响路径： ：超大规模厂商和大型芯片公司可能通过收购或股权投资，获取光子学、内存计算、推理加速等领域的IP和人才。 ：即使未实现商业化规模，私人公司的技术路径可帮助公开市场公司验证相邻技术的投资逻辑。 ：初创公司的技术突破可能迫使大公司加快内部研发节奏或调整路线图。 ： UBS认为，，因为其盈利能力随规模扩张而变化。 ，反映更成熟的盈利状况。 当前报告未给出具体公司的目标估值或评级（因这些是私人公司，公开信息有限）。 ： 全球AI推理市场预计2030年达到2550亿美元（被剖析公司的共同TAM锚点）。 AI云ASIC市场预计2028年达>1000亿美元。 服务器CPU市场预计从约200亿美元/年增长至2030年的>1000亿美元（SiPearl TAM）。 ：报告未对这些私人公司给出明确的买入/卖出/持有评级或目标估值。这属于产业画像类报告而非个股投资建议。 ：内存计算和光学计算尚需证明端到端系统级性能、良率、软件生态兼容性，目前多为开发/样品阶段。 ：光学计算中的光-电转换本身消耗能量，可能部分抵消计算端节能收益。 ：Nvidia等领先者持续推进性能/能效比，替代方案需保持持续领先优势。 ：半导体行业高度周期性强，客户情绪突然转变可能导致需求骤降，许多公司高成本结构在行业下行期易陷入亏损。 ：若需求见顶而供给持续增加，可能出现全行业产能过剩。 ：如报告引言所提，Nexperia在2025年曾引发地缘供应中断，私人公司虽小但也面临供应链不确定性。 ：涉及先进计算芯片，可能受出口管制影响，特别是涉及中国市场的业务。 ：部分公司（如Fractile依赖Anthropic）客户集中度高，存在单一客户依赖风险。 ## 总体总结 主题正文 1. 核心观点包括：(1) 随着AI工作负载从训练转向推理，能耗、内存墙和供应链瓶颈使GPU替代方案需求增长，定制ASIC市场预计从2025年的170亿美元以约70%CAGR增长至2028年超1000亿美元； 2. (4) 报告对Arago、Lumai、Olix、Optalysys、Q.ANT（光学计算）、Axelera AI、Fractile（内存计算）、Euclyd、SiPearl、VSORA（传统计算）共10家公司进行了详细画像。 3. ：UBS全球半导体团队估计，AI云ASIC市场将以约70%的CAGR增长，从2025年的170亿美元扩张至2028年的超1000亿美元。 4. ：内存计算（In-Memory Compute）和光学计算（Optical Compute）是本报告重点剖析的两大颠覆性架构方向。 5. 全球商用GPU收入从2020年的50亿美元飙升至2025年的1690亿美元，预计2030年达到8440亿美元。 6. Nvidia GPU代际演进中，功耗和单价双双攀升——从Hopper到Feynman架构，单卡功耗已逼近5000-6000W，售价突破25万美元。 7. 超大规模厂商（Google、AWS、Microsoft、Meta、OpenAI等）的定制ASIC市场规模从2020年的8亿美元增至2025年的172亿美元，预计2028年达898亿美元。 8. 服务器CPU市场预计从约200亿美元/年增长至2030年的>1000亿美元（SiPearl TAM）。