背景：AI 的瓶颈，从来不只是算力
过去一年，谈 AI 瓶颈，大家说得最多的是「算力」。英伟达的 GPU 一代代往上堆，数据中心的耗电量已经按「吉瓦」来算。美光前几天在财报电话会上放话：「内存才是 AI 的首要瓶颈，而不是算力」。但还有一个更底层的追问正在被摆上台面——AI 的每一份智能，到底要用多少电来换？
这不是学术问题，而是成本问题：一座 1GW 的 AI 数据中心，一年的电费账单吓人；而在电池供电的另一端，无人机、小型机器人里想塞进更多 AI 功能，第一块绊脚石就是功耗。过去十年，芯片行业回答功耗问题的方式是「堆」——更先进的工艺、更大的封装、更凶的液冷。而现在，一条沉寂了几十年的老路，被人重新翻了出来。
事件：卡内基梅隆的「数据流芯片」，融了 1 亿美元
美国时间 9 月 30 日，匹兹堡芯片初创公司 Efficient Computer 宣布完成新一轮融资：路透社报道为约 1 亿美元新增资金，行业媒体口径多为 B 轮 9700 万美元，投后估值 6.5 亿美元。领投方是 TQ Ventures，跟投的有 Eclipse、Union Square Ventures、丰田风投等。这笔钱让公司累计融资达到约 1.73 亿美元——而 7 个月前，它刚拿了 6000 万美元的 A 轮。
Efficient 是卡内基梅隆大学的孵化项目，创始人兼 CEO Brandon Lucia 本人就是 CMU 教授。它做的东西叫「数据流架构」（data-flow architecture）芯片，代号 Fabric，官方称在通用负载下能效比英特尔、英伟达的架构高出 10 到 100 倍。
它的第一款量产处理器 Electron E1 已开始批量出货，瞄准无人机和小型机器人这类电池供电设备。TQ Ventures 合伙人 Andrew Marks 的话很直白：「架构漂亮的芯片初创公司多的是，但极少有哪家真把硅片送到了客户手里。」而 Efficient 迄今已四次流片成功，正在放量发货——在芯片创业圈，这句评价含金量很高。
分析：一条从「学术坟场」里爬出来的路
「数据流芯片」不是新概念，它在学术文献里飘了几十年，一直没做成生意。原因很现实：传统 CPU 那套架构虽然功耗高，但什么任务都能跑、程序员闭着眼睛都会写；数据流架构理论上能效高得多，但写软件异常痛苦，通用性一直过不了关——学术圈管它叫「好想法、没市场」。
Efficient 的解法是软硬件一起推倒重来：从 CMU 实验室里从零开始，既造芯片，也造配套的编译器和软件工具链，目标是让数据流架构成为一颗真正的「通用处理器」，而不是只能跑一两个 AI 算法的加速器。CEO Lucia 的原话是：「我们找到了一个微妙的平衡点——好编程、速度快、还省电。」
这个叙事为什么现在有人信了？首先，时代的风向变了。十年前算力便宜，功耗问题可以靠「多装几块卡」掩盖；今天数据中心每兆瓦电力都要排队申请，英伟达的卡又贵又缺货，「同样算力、十分之一功耗」的方案都值得听一耳朵。
其次，切入点选得聪明。它没有一上来就挑战英伟达的数据中心王座，而是先啃无人机和小型机器人——电池供电设备对功耗极度敏感，客户愿意为「同样的 AI 功能、几分之一的电」付溢价。这块市场是人形机器人、低空经济这些「物理 AI」故事的入口，先在小芯片上证明能出货、能赚钱，再做数据中心级大芯片，比一上来就造大芯片现实得多。
第三，资本已经用脚投票。Efficient 不是孤例：同样做物理 AI 芯片的 SiMa.ai 几天前刚以 14.5 亿美元估值融了 1.5 亿美元，Cerebras 刚和云初创 Gimlet Labs 签下约 100MW 的推理算力大单。端侧推理赛道，正在从「讲故事」进入「交货」阶段。
当然，质疑声也真实存在：10 到 100 倍的能效数字是公司自己的说法，未经独立第三方验证；公司没有披露营收；数据流架构的软件生态成熟还需要时间。出货只是第一关，持续放量、熬过数据中心客户漫长的验证周期，才是真正的考试。
展望：从无人机飞向数据中心
Efficient 已把下一站写进路线图：把 Fabric 架构放大到数据中心级芯片，目标能耗比今天的系统再降一个数量级以上。这一步远比做无人机芯片难——云厂商要的是生态、软件栈和「替换英伟达」的确定性，没人会为一句「省电」重写基础设施。
但 Efficient 的出现本身就是一个信号：芯片创新的重心，正在从「工艺微缩」转向「架构革命」。当 2nm 越来越贵、当数据中心的电比芯片还难买，下一代算力的答案，可能不在更小的晶体管里，而在被学术界冷落了几十年的老想法里。
能不能把论文里的架构变成数据中心的主流，现在下结论还太早。但至少它证明了一件事：在 AI 这场烧钱的军备竞赛里，「省电」本身，就是一种竞争力。
本文基于路透社、Economic Times、AI Weekly 等多家媒体公开报道交叉核对整理，为原创分析，不构成投资建议。