Positron AI 募資上看 8.75 億美元：不用 HBM 的 Asimov 能兌現嗎？（2026）

2026 年 9 月 10 日，Positron AI 發布〈Positron AI Raises $875 Million at a $5 Billion Valuation〉，把一個大膽問題推到檯面上：大型模型推論真的非得綁在 HBM 與先進封裝上嗎？這篇文章先還原募資結構，再拆開 Atlas 與 Asimov 兩個世代，最後用可驗證的量產與效能門檻判斷這場賭注。

先看結論：Positron AI 融資上看 8.75 億，產品證據分兩代

新聞稿把交易稱為 8.75 億美元 Series C，但細節是兩筆：第一筆 3.75 億美元、投前估值 35 億美元；第二筆 C-1 是「最高 5 億美元」。因此，最精確的說法是融資方案上看 8.75 億美元、投後估值 50 億美元，而不是斷言 8.75 億美元現金已全數到帳。卡達投資局（QIA）的公告確認參與這輪融資及 50 億美元估值，但沒有拆解第二筆資金的交割時程。

1. 現在：Atlas 官方產品頁標示「Shipping Today」；Positron 表示正在 Oracle Cloud Infrastructure（OCI）部署超過 50 個機櫃。
2. 下一關：公司把 Asimov 在 TSMC N3P 流片的目標定在 2026 年底。
3. 真正兌現：流片後才有實體晶片可測；Titan 系統與 Asimov 晶片的量產目標是 2027 年下半年，屆時才能驗證這條 LPDDR5X 路線能否規模交付。

一句話判讀：Positron AI 已對外宣告第一代推論設備出貨與部署，但公開證據主要仍由公司提供；這輪投資人給出的 50 億美元估值，主要押注的是尚未用量產晶片證明的第二代架構。

Atlas 不是「不用 HBM」的證明

這是整則故事最容易被混在一起的地方。Atlas 官方規格列出 8 顆 Archer 加速器、每顆 32GB HBM，總計 256GB 加速器記憶體，另配 384GB DDR5 系統記憶體。換句話說，現在出貨的 Atlas 仍然使用 HBM；改用商品化 LPDDR5X、避開 CoWoS 依賴，是未來 Asimov／Titan 的設計。

部署訊號也要精確解讀。Positron 的原文是「正在 OCI 部署超過 50 個 Atlas 機櫃」，並稱 Parasail 使用這批容量提供推論服務；新聞稿沒有揭露機櫃的驗收比例、資產歸屬、利用率或服務等級。截至 2026 年 9 月 12 日，OCI 公開 Compute shape 文件列出的加速器型號中未見 Atlas 名稱；這不排除私有容量或合作部署，但不能把 50 多櫃改寫成一般 OCI 客戶已可自助租用的公開產品。

“AI’s center of gravity is shifting from training models to running them.”

中文：「AI 的重心正從訓練模型，移向實際運行模型。」

Positron AI，2026 年 9 月 10 日新聞稿

這句話抓對了產業方向：每個已訓練的模型版本，在服務期間會隨每一次聊天、搜尋與 Agent 操作被反覆呼叫。不過，「推論市場變大」只證明需求存在，不會自動證明某一種晶片架構勝出。

Asimov 的 LPDDR 賭注，為何有物理道理？

大型語言模型在逐字生成的 decode 階段，會反覆搬動模型權重並讀寫 KV cache。當單一使用者、低批次、低延遲是主要目標時，運算單元經常在等資料，記憶體容量、有效頻寬與搬移能耗就會比峰值 FLOPS 更重要。Positron 的核心主張，正是把晶片從一開始就圍繞資料流與記憶體配置，而不是先堆算力、再補記憶體。

Asimov 官方設計目標並列每顆 288GB 至 2.3TB 記憶體、2.76TB/s 可實現頻寬與約 400W TDP；作為參照，已上市的 NVIDIA H200每顆有 141GB HBM3e、4.8TB/s 峰值頻寬，TDP 最高 700W。這兩組數字不能直接宣布勝負：Asimov 提供較高的目標容量，但 H200 的原始頻寬更高，而且前者目前是設計規格，後者是已出貨產品。

還有一個容易被規格表隱藏的問題：Positron 沒有在該頁說明不同容量配置、LPDDR5X 與 CXL／主機記憶體層級，如何分別對應 2.76TB/s。因此不能把「最高 2.3TB」理解成整個容量池都以 2.76TB/s 運作；這個映射要等更完整的架構文件與實機測量。

Positron 用來跨越 LPDDR 峰值頻寬差距的核心說法，是其資料流架構可在真實 Transformer 工作負載實現超過 90% 的可用頻寬，對照 GPU 低於 30%。但公司沒有隨這項主張公開模型、序列長度、batch、量測定義或原始紀錄；依它在同一份新聞稿所列的 2026 年底流片目標，這也不是 Asimov 量產晶片的矽後測量。現階段應把它視為設計與模擬假說。

真正的推論服務也不只有 decode。輸入很長時，prefill 階段更偏向計算密集；高併發下，排程、網路、KV cache 管理與軟體核心都可能成為瓶頸。OSDI 2024 的 DistServe 研究因此把 prefill 與 decode 分開配置，並同時看首字延遲（TTFT）、每字延遲（TPOT）與符合延遲門檻的吞吐量。這也說明，記憶體優先是一個可信的工程假說，卻不是所有工作負載都會贏的保證。

目前最漂亮的倍數，仍在模擬器裡

Asimov 頁面宣稱相較 NVIDIA Rubin 可達 5 倍 tokens per dollar 與 5 倍 tokens per watt；Titan 頁面的圖表則是在 DeepSeek R1 0528 671B、FP4、8K input／1K output 設定下，比較 Asimov TitanRack 與 NVIDIA Blackwell GB300 NVL72，並另外列出單機最高 18.4TB 記憶體。Titan 把 Asimov TitanRack 明確標成「Simulated」，也註明 Asimov 效能來自 cycle-accurate simulations；在晶片流片、封裝、散熱、良率與軟體完成前，這些都應視為公司的模擬目標，而不是第三方實測結果。

同一頁還有「24.8 倍 revenue per TCO dollar」，但其計算包含較快服務層收取 2 倍價格，以及 neocloud 持有成本等假設；這是商業模型，不是晶片效能倍數。

第一代 Atlas 官網至少公布了一組比較數字，但沒有附上可重現的原始紀錄。Positron 用 Llama 3.1 8B、BF16、關閉 speculative decoding 與 paged attention，比較 Atlas 的 280 tokens/s/user、2,000W 與 DGX H200 的 182 tokens/s/user、5,900W，算術上得到 4.54 倍每瓦效能。官網沒有交代 concurrency、輸入／輸出長度、batch、軟體版本、重複次數、價格或功耗量測邊界；Atlas 規格欄的 2,000W 電源描述，與比較表的 system power 是否為同一量測也不清楚。這組數字只能支持「指定設定值得重測」，不能外推成所有模型、上下文長度、併發量與延遲門檻都領先。

軟體覆蓋同樣需要實證。公開 v1.1 release notes文件化的 shipping models 是 Llama 3.1 8B GPTQ、Llama 3.1 70B GPTQ 與 Mixtral 8x7B GPTQ，主要測試的 prompt 加 response 總長度為 2,048 tokens。這不代表實際支援範圍只有三個模型，卻仍不足以驗證官網對廣泛 Transformer 與 Hugging Face 相容性的主張。

截至 2026 年 9 月 12 日，MLPerf Inference v6.0 公布的 24 個提交組織中未列 Positron。這只代表它沒有參與該輪公開提交，不等於市場上不存在任何測試；但在採購決策上，可重現的標準化結果仍是公司下一步最該補上的證據。

Positron AI 上看 8.75 億美元的方案，要跨越四道死亡谷

Positron 說這輪資金將用於 Asimov 流片、2MW 以上工程資料中心與模擬平台、LPDDR5X 供應承諾，以及 Titan 的製造和上市。若各批資金按規劃到位，這項上看 8.75 億美元的融資方案可降低 Positron AI 在資本密集的 ASIC 階段因資金不足而中止的風險，卻不保證晶片良率、系統整合或量產成功。判斷焦點因此移到四個更硬的問題：

• 晶片：N3P 流片後能否如期 bring-up，實際頻率、功耗、良率是否接近模型。
• 系統：4 至 8 顆 Asimov 的記憶體、互連、網路與散熱能否一起穩定工作。
• 軟體：新模型、量化格式、長上下文與 MoE 更新能否快速支援，而不是只在固定模型上漂亮。
• 客戶：能否公開同一模型、精度、輸入／輸出長度、併發量與延遲 SLO 下的真實流量與總成本。

還有一個需要揭露的利益關係：這輪共同領投者之一是 SemiAnalysis Capital，創辦人 Dylan Patel 同時加入 Positron 董事會；Titan 頁面的 GPU 對照資料又引用 SemiAnalysis InferenceX。這不會讓數據自動失效，但它已不是與交易無關的獨立背書，讀者應把原始設定與重現性放在名人引言之前。

AlphaLab 的判讀：方向有理，倍數待驗

我同意 Positron 對問題的切法：在推論時代，記憶體容量、有效頻寬、電力與既有機房條件，確實可能比理論算力更接近客戶的痛點。Atlas 官方頁標示已出貨，加上公司披露的 OCI 部署，構成比純路線圖更具體、但仍待客戶資料確認的執行訊號。

我不接受的跳躍，是把 Atlas 的部署直接當成 Asimov 已勝過 HBM 路線。Atlas 用 HBM、Asimov 用 LPDDR5X；Atlas 有官網比較數字但設定單一，Asimov 的漂亮倍數仍是模擬。兩者之間隔著晶片、封裝、系統、編譯器、模型相容性與量產六道關卡。50 億美元估值反映的是這輪投資人願意為這條可能性付多少錢，不是工程結論。

觀察燈號	目前能說什麼	下一個可驗證門檻
🟢 已確認	公司與 QIA 已公告融資方案及 50 億美元估值；Atlas 官網標示 Shipping Today	各批資金交割與持續交付
🟡 待驗證	OCI 50 多櫃、客戶可用性、Atlas 效能與成本優勢主要來自公司披露	客戶確認、相同 SLO 的可重現實測
🟠 核心賭注	Asimov 用 LPDDR5X 換容量、功耗與供應鏈彈性	量產晶片的頻寬利用率、功耗、良率與模型覆蓋
🔴 失效條件	若延誤、軟體跟不上，或只能在窄工作負載領先	2027 年仍無實體晶片與第三方端到端數據

你現在該怎麼看這筆募資？

如果你是基礎設施採購者，不要只問「tokens/s 有多快」，要索取同一模型與精度下的 TTFT、TPOT、goodput、併發量、牆上功耗、網路與冷卻邊界、軟體版本和故障率。如果你在觀察 AI 產業，真正的里程碑不是下一輪估值，而是 Asimov 實體晶片能否把模擬曲線變成可重現的服務品質。

Positron AI 的賭注值得認真看，因為它瞄準的是推論經濟的核心瓶頸之一；也正因如此，標準應該更高。等到公司公開跨模型、跨上下文、帶延遲門檻的實測，我們才知道 LPDDR5X 是新的成本曲線，還是一張昂貴但漂亮的路線圖。