作者丨馮汝梅

編輯丨關(guān)雎

人工智能賽道又一個驚人融資事件誕生。

2025年12月8日，由前Databricks人工智能主管Naveen Rao創(chuàng)立僅兩個月的AI神經(jīng)形態(tài)計算芯片初創(chuàng)公司——Unconventional AI，在種子輪融資中籌集了4.75億美元（約合33億元），投后估值飆升至45億美元（約合318億元）。這一融資規(guī)模不僅遠超常規(guī)種子輪水平，甚至超過多數(shù)初創(chuàng)企業(yè)的C輪融資，創(chuàng)下AI芯片領(lǐng)域早期融資紀錄之一。

此次融資由Andreessen Horowitz（a16z）和Lightspeed Venture Partners共同領(lǐng)投，其他投資者包括Lux Capital和DCVC。Rao的前雇主Databricks以及亞馬遜創(chuàng)始人杰夫·貝索斯（Jeff Bezos）也參與了本輪投資。Rao本人也按與其他投資者相同的條款投資了1000萬美元。

值得注意的是，這筆融資還只是Unconventional AI更大規(guī)模融資計劃的第一步。根據(jù)Rao透露，公司計劃后續(xù)融資總額可能高達10億美元。

作為一家尚無產(chǎn)品、成立僅數(shù)周的初創(chuàng)公司，Unconventional AI的核心競爭力首先源于其豪華的創(chuàng)始團隊。公司由Rao牽頭創(chuàng)立，聯(lián)合創(chuàng)始人包括麻省理工學院副教授Michael Carbin、斯坦福大學助理教授Sara Achour以及前谷歌工程師MeeLan Lee。他們的背景覆蓋硬件、軟件和神經(jīng)科學領(lǐng)域，為技術(shù)從理論到落地構(gòu)建了完整能力鏈條。

Unconventional AI聯(lián)合創(chuàng)始人（從左至右）：Sara Achour、Naveen Rao、MeeLan Lee 和 Michael Carbin ，圖源：Lightspeed Venture Partners官網(wǎng)

硅谷AI芯片發(fā)展的見證者

Rao對AI計算的探索始于25年前。9歲時，他便對類腦計算產(chǎn)生濃厚興趣，通過觀察動物行為來思考大腦的信號轉(zhuǎn)化機制。這一興趣貫穿了他的學術(shù)生涯：1997年，他從杜克大學畢業(yè)，2011年獲得美國布朗大學神經(jīng)科學博士學位，博士后期間則專注于大腦信息編碼研究，為日后轉(zhuǎn)向人工智能領(lǐng)域奠定了神經(jīng)科學基礎(chǔ)。

博士畢業(yè)后，Rao加入高通擔任神經(jīng)形態(tài)研究員。但因高通當時的戰(zhàn)略更側(cè)重于智能低功耗計算，而非深度神經(jīng)網(wǎng)絡(luò)，且公司拒絕將其研究成果產(chǎn)品化，他于2014年選擇離職，并由此開啟了他的創(chuàng)業(yè)歷程。

事實已經(jīng)證明，Rao是一位成功的連續(xù)創(chuàng)業(yè)者，他的創(chuàng)業(yè)履歷幾乎是硅谷AI芯片發(fā)展的縮影。

Naveen Rao

Rao的第一次創(chuàng)業(yè)是在2014年。當時他與Uber首席執(zhí)行官的堂兄弟Amir Khosrowshahi、布朗大學的博士同學Arjun Bansal聯(lián)合創(chuàng)立了AI芯片公司Nervana Systems。Nervana 的核心產(chǎn)品是一款專為神經(jīng)網(wǎng)絡(luò)設(shè)計的處理器，旨在通過自定義架構(gòu)加速 AI 訓練過程。

在AI尚未成為行業(yè)風口的當時，Nervana的前瞻性布局吸引了投資者的目光。公司在成立兩年內(nèi)迅速完成了三輪共超過2400萬美元的融資，主要投資方包括DFJ、Data Collective、Lux Capital等風投機構(gòu)，以及“安卓之父”安迪·魯賓（Andy Rubin）的孵化器Playground Global。

2016年，成立僅兩年的Nervana被英特爾以約4億美元的價格收購。此次收購讓Rao進入英特爾高層，他擔任Nervana團隊的領(lǐng)導者，推動英特爾在AI芯片領(lǐng)域的布局。

收購后，Rao在英特爾工作了數(shù)年，主導了多項AI芯片項目，但很快他再次選擇創(chuàng)業(yè)。2021年初，他聯(lián)合前同事在硅谷創(chuàng)立MosaicML，聚焦生成式AI工具平臺，為企業(yè)提供大語言模型訓練與部署服務(wù)，降低了AI開發(fā)的門檻。盡管團隊僅約60人，但憑借技術(shù)優(yōu)勢快速崛起，在被收購前的最后一輪融資后，其估值已達2.22億美元。

2023年6月，Databricks宣布以13億美元的全現(xiàn)金交易收購MosaicML，Rao隨即加入Databricks擔任AI負責人。在那里，他領(lǐng)導了多項生成式AI工具的開發(fā)，包括優(yōu)化Spark框架對Transformer模型的支持。

這些經(jīng)歷讓Rao積累了從硬件設(shè)計到軟件生態(tài)的全棧能力，也讓他親身感受到傳統(tǒng)GPU在AI擴展中的局限性：能源消耗過高，無法支撐萬億參數(shù)模型的持續(xù)迭代。盡管前兩次創(chuàng)業(yè)的成功出售，解決了特定階段的問題，但未能觸及他心目中AI算力挑戰(zhàn)的核心。

無論是被英特爾收購的Nervana，還是成為Databricks一部分的MosaicML，其技術(shù)演進仍被框定在現(xiàn)有的數(shù)字計算范式之內(nèi)。而Rao越來越確信，要突破能效墻，必須進行更底層的革新。

2025年10月，Rao離開Databricks，組建Unconventional AI。他將公司定位為“下一代數(shù)字計算機”的開發(fā)者，借鑒神經(jīng)科學原理設(shè)計模擬芯片。這一決定并非突發(fā)奇想，而是基于他過去十年觀察：AI訓練的電力需求已接近全球數(shù)據(jù)中心總能耗的2%，而目前英偉達主導的GPU架構(gòu)難以從根本上緩解這一問題。

開發(fā)比傳統(tǒng)GPU更高效的模擬計算芯片

Unconventional AI的核心是重新設(shè)計AI計算的底層硬件架構(gòu)，開發(fā)專為人工智能工作負載優(yōu)化的高能效模擬計算芯片及完整配套系統(tǒng)。這一愿景的顛覆性，在于其對當前AI算力發(fā)展路徑的反思與重構(gòu)。

過去幾年，整個行業(yè)普遍信奉“擴展定律”（Scaling Laws），認為更多的計算能力、數(shù)據(jù)和更大的模型將直接帶來AI能力的飛躍。但Rao指出，若需求持續(xù)增長，計算資源和能源供應(yīng)將面臨難以逾越的瓶頸。

問題的根源在于，當前驅(qū)動AI的GPU等數(shù)字芯片，其精確、確定性的計算方式，與AI任務(wù)本身概率性、非確定性的本質(zhì)并不完全匹配，從而造成了巨大的能效浪費。

對此，Unconventional AI的解決方案是雙管齊下的“非常規(guī)”路徑：

向生物智能尋求終極能效藍圖。公司的靈感來源于一個簡單對比：人腦能夠完成極其復雜的工作，而功耗僅約20瓦，相當于一個昏暗燈泡的能耗。Unconventional AI的目標并非復制人腦，而是借鑒其高效利用能量的原理，追求“生物規(guī)模的能源效率”。

重拾模擬計算路徑，發(fā)揮半導體固有物理特性優(yōu)勢。當整個行業(yè)都在追求更強大的數(shù)字芯片時，Unconventional AI正在走一條不同于主流AI芯片的技術(shù)道路。它將目光投向了數(shù)字計算興起之前的“模擬計算”。

數(shù)字計算機基于經(jīng)典的馮·諾依曼架構(gòu)，其精確、確定性的計算方式與AI隨機、概率性的本質(zhì)并不完全匹配。Rao也指出，早期的模擬計算機（如ENIAC）非常高效，只是受限于當時制造工藝的不穩(wěn)定性而無法擴展。

Unconventional AI則探索利用半導體材料本身的物理特性來直接進行計算，如同用風洞模擬氣流繞過飛機一樣，讓物理系統(tǒng)直接“成為”計算本身。

圖源：Unconventional AI

Rao認為：“模擬本質(zhì)上仍然更高效。你實際上是在利用底層介質(zhì)的物理特性進行計算?！边@一方法的核心優(yōu)勢在于，能顯著降低能源消耗，同時提升計算的適應(yīng)性，使計算機在處理AI任務(wù)時更高效——通過模擬生物般的概率計算，芯片能更自然地處理不確定性數(shù)據(jù)，實現(xiàn)更高效的推理和訓練過程，而非依賴高功耗的數(shù)字精確性。

Unconventional AI的技術(shù)路線圖既雄心勃勃又務(wù)實。公司計劃花費五年時間開發(fā)一種新型模擬芯片。Rao透露，第一個原型芯片“很可能是有史以來最大的模擬芯片之一”。

在研發(fā)策略上，公司采取了開放探索的態(tài)度。Rao明確表示，未來幾年將測試一系列想法和原型，以確定最高效、最具可擴展性的范式。這種探索不僅需要工程師，還需要能夠思考如何構(gòu)建耦合系統(tǒng)的理論家。

與追求快速商業(yè)化的初創(chuàng)公司不同，Unconventional AI專注于長期的基礎(chǔ)研究，目標是成為一家真正的系統(tǒng)公司。目前公司仍處于一個“正在進行中的原型設(shè)計和驗證”階段，且短期內(nèi)預計不會有產(chǎn)品上市。其商業(yè)模式建立在徹底改變AI計算基礎(chǔ)設(shè)施的愿景之上——如果成功，將可能從芯片設(shè)計、計算架構(gòu)到能源模式，全方位顛覆現(xiàn)有硬件生態(tài)。

Neo-Lab熱潮下的資本邏輯

過去近十年，AI領(lǐng)域的重大突破主要由少數(shù)Frontier Lab（前沿實驗室）推動。以O(shè)penAI、DeepMind和Anthropic等為代表，它們依托數(shù)百億美元資本與海量算力，遵循“擴展定律”（Scaling Laws），通過擴大數(shù)據(jù)與模型規(guī)模提升通用AI能力。這一范式雖成果顯著，如GPT-4的推理躍升，但也暴露高成本、高能耗與路徑趨同等問題。

2025年7月的一項元分析研究對部分下游任務(wù)的縮放實驗進行了系統(tǒng)復現(xiàn)和驗證，結(jié)果顯示：在可驗證的實驗中，僅39%的任務(wù)表現(xiàn)出穩(wěn)定的線性縮放關(guān)系，其余61%呈現(xiàn)非線性、非單調(diào)或完全不可預測的行為。此外，多項研究已確認“逆擴展現(xiàn)象”（inverse scaling）：模型規(guī)模增大后，部分任務(wù)性能反而下降，這與擴展定律的經(jīng)典假設(shè)直接矛盾。

英偉達CEO黃仁勛在2025年3月GTC大會上也表示，過去一年，幾乎全世界都誤判了擴展定律。其彈性遠超預期，甚至出現(xiàn)超加速現(xiàn)象。但單純靠堆算力、堆電力的傳統(tǒng)路徑已經(jīng)走到極限。他強調(diào)，未來必須轉(zhuǎn)向推理強化、代理式AI和合成數(shù)據(jù)等更高效的迭代方式。

行業(yè)共識也在逐漸形成：擴展定律本身沒有失效，但“只靠規(guī)?！钡膯我宦肪€已不可持續(xù)。

于是，當規(guī)模擴張的瓶頸日益明顯時，一種名為“Neo-Lab”（新生代實驗室）的新研發(fā)范式開始興起。所謂“Neo-Lab”，指的是一批從OpenAI、DeepMind、Anthropic等AI巨頭出走的頂尖研究員創(chuàng)立的、專注于高風險長周期基礎(chǔ)研究的新型實驗室。

它們的共同特點是：創(chuàng)始人履歷顯赫，研究方向大膽甚至看似天方夜譚（如情感智能、AI社會、自動化科學家），沒有成熟產(chǎn)品甚至沒有明確營收路徑，卻在種子輪就能斬獲數(shù)十億乃至數(shù)百億美元的估值。它們不再追逐規(guī)模競賽，轉(zhuǎn)而探索智能本質(zhì)、神經(jīng)形態(tài)計算或高效推理等基礎(chǔ)方向，試圖從根源上重構(gòu)AI發(fā)展路徑。

而Unconventional AI正是身處這樣一場席卷硅谷的Neo-Lab資本熱潮之中。類似的企業(yè)還有，前OpenAI首席科學家Ilya Sutskever創(chuàng)立的SSI（Safe Superintelligence Inc.），專注于安全超智能研究，至今未發(fā)布任何公開產(chǎn)品，但估值高達320億美元。前OpenAI CTO Mira Murati創(chuàng)立的Thinking Machines Lab，在僅推出一個初步開發(fā)者工具“Tinker”的情況下，估值已達100億美元。

在這種背景下，Unconventional AI的45億美元估值便不難理解。資本押注的已不是短期的產(chǎn)品路線圖或財務(wù)報表，而是創(chuàng)始人Rao及其團隊本身——更具體地說，是Rao那被兩次成功創(chuàng)業(yè)驗證的卓越判斷力與執(zhí)行力，以及該團隊挑戰(zhàn)行業(yè)根本問題的抱負。

Unconventional AI投資方a16z在官方博客《Investing in Unconventional》中直言，他們投資的是“一家旨在為人工智能構(gòu)建更高效計算基礎(chǔ)的公司”。

這種邏輯意味著，像Rao這樣擁有連續(xù)成功創(chuàng)業(yè)履歷的創(chuàng)始人，其信用本身已成為一種硬通貨。資本用巨額資金購買的，是他們“用履歷兌換一個不一樣未來”的可能。在這個賽道，傳統(tǒng)商業(yè)邏輯或已暫時失效，取而代之的是一場基于創(chuàng)始人認知與聲譽的押注。

Unconventional AI的項目才啟動兩個月，其技術(shù)路線是否能在五年內(nèi)實現(xiàn)量產(chǎn)、最終能否改變AI基礎(chǔ)設(shè)施的能耗結(jié)構(gòu)，仍需后續(xù)驗證。但這輪巨額融資本身已表明：在擴展定律邊際效應(yīng)遞減、電力成為新瓶頸的背景下，市場或許更愿意為系統(tǒng)級、基礎(chǔ)性的計算創(chuàng)新支付高額溢價。