一個斯坦福兼職教授帶著8000萬美元A輪融資殺回戰(zhàn)場，目標不是造新芯片，而是讓現(xiàn)有芯片別閑著。

Zain Asgar的創(chuàng)業(yè)公司Gimlet Labs剛完成這筆由Menlo Ventures領投的融資。這家公司做的事聽起來技術味很重——"多硅推理云"（multi-silicon inference cloud）——但本質(zhì)像個智能調(diào)度員：把AI應用的工作拆成碎片，同時甩給CPU、GPU、高內(nèi)存系統(tǒng)一起干。

「我們基本上能在任何可用的不同硬件上運行。」Asgar對TechCrunch說。

1. 為什么現(xiàn)在必須有人干這個

AI推理正在成為新的燒錢黑洞。McKinsey預測，如果繼續(xù)按現(xiàn)在的"堆算力"模式走，2030年數(shù)據(jù)中心支出將逼近7萬億美元。

但Asgar拋出一個扎心數(shù)字：現(xiàn)有已部署的硬件，實際利用率只有15%到30%。

「換個角度想：你正在浪費數(shù)千億美元，因為資源就閑置在那兒?！?/b>他說。

問題出在AI工作負載的"精神分裂"。Menlo Ventures的Tim Tully在博客 post 里拆解得很細：一個AI agent可能串起多個步驟——推理環(huán)節(jié)吃算力（compute-bound），解碼環(huán)節(jié)吃內(nèi)存（memory-bound），工具調(diào)用環(huán)節(jié)吃網(wǎng)絡（network-bound）。

沒有一顆芯片能同時擅長這三件事。新硬件在 rollout，舊GPU在被重新部署，但缺一層軟件把它們串起來。Tully認為Gimlet Labs補的就是這個缺口。

2. "多硅"到底怎么玩

Gimlet Labs的解法是把agentic工作負載切成細片， orchestration（編排）軟件負責實時調(diào)度——哪塊任務適合CPU，哪塊該扔給GPU，哪塊需要高內(nèi)存系統(tǒng)，自動分配。

公司聲稱能把AI推理速度提升3到10倍，成本和功耗不變。這個數(shù)字如果屬實，意味著客戶用同樣的電費賬單，能多跑幾倍的請求。

創(chuàng)始團隊配置很典型：Asgar是連續(xù)創(chuàng)業(yè)者，此前公司已被收購；聯(lián)創(chuàng)Michelle Nguyen、Omid Azizi、Natalie Serrino分別來自不同技術背景。這種組合暗示產(chǎn)品需要同時啃下系統(tǒng)架構、編譯器和分布式計算的硬骨頭。

3. 誰在買單，以及為什么現(xiàn)在

推理成本正在從"后臺數(shù)字"變成"生死線"。大模型API價格戰(zhàn)打到token成本按厘算，企業(yè)客戶開始摳每一張GPU的利用率。

Gimlet Labs的 timing 踩在一個尷尬節(jié)點：云廠商和芯片廠商都在推自己的"優(yōu)化方案"，但都是單一生態(tài)內(nèi)的優(yōu)化——NVIDIA有CUDA，AWS有Trainium/Inferentia，Google有TPU。跨硬件的調(diào)度層，大廠要么沒動力做，要么做不出來。

獨立第三方有機會，但窗口期有限。如果Gimlet不能快速證明3-10x的提速在真實生產(chǎn)環(huán)境可復制，云廠商的自研方案會迅速填上這個空。

4. 8000萬買的是什么

Menlo Ventures押注的不只是技術。Tully的博客 post 里有個細節(jié)：他提到"多硅艦隊已經(jīng)就緒，只缺軟件層讓它運轉(zhuǎn)"。

這句話的潛臺詞是——硬件碎片化已經(jīng)是既成事實，不是bug是feature。AMD MI300、Intel Gaudi、NVIDIA H100/H200、各種ASIC，加上存量CPU資源，共同構成一個" heterogeneous（異構）"的算力池。Gimlet Labs賭的是這個池子需要統(tǒng)一的調(diào)度層，而不是被某一家芯片廠商重新統(tǒng)一。

這筆錢的用途大概率分成三塊：工程團隊擴張（把編排引擎做硬）、早期客戶案例打磨（證明3-10x不是實驗室數(shù)字）、以及和云廠商的集成談判（讓調(diào)度層能真正觸達企業(yè)客戶）。

5. 一個還沒被回答的問題

Gimlet Labs的敘事里有個微妙張力。Asgar說目標是"讓AI工作負載效率提升10倍"，但公司同時強調(diào)"多硅"——用更多樣化的硬件，而非更少的。

這像是一個"用復雜性換效率"的賭注。企業(yè)客戶真的愿意為了潛在的10倍提速，接受更復雜的底層架構嗎？還是最終會倒向"單一廠商全棧優(yōu)化"的簡單方案？

答案可能取決于Gimlet能把"多硅"的復雜度藏得多深。如果開發(fā)者感知不到底層硬件的碎片化，只看到一個更快的API，這盤棋就能下下去。如果每次調(diào)試都要面對CPU/GPU/內(nèi)存系統(tǒng)的切換邏輯，那15-30%的利用率可能反而是更便宜的選擇。

Asgar在采訪里沒提的一個細節(jié)是：公司名字"Gimlet"來自一種雞尾酒，也是雷蒙德·錢德勒小說里的硬漢偵探最愛。那種酒的特點是杜松子酒加青檸汁，簡單、直接、勁大。這個命名或許暗示了產(chǎn)品哲學——把復雜調(diào)度藏進簡單接口，讓客戶只嘗到提速的酸爽，不用管后臺怎么調(diào)的酒。