有媒体报道称，一家由美国国防部高级研究计划局(DARPA)全面支持的硅谷初创AI芯片公司正在向金融市场寻求至少7000万美元的融资规模，以开发一种用于人工智能技术的超高效芯片。

据悉，这家名为EnCharge AI Inc.的AI芯片公司加入了日益激烈的芯片技术竞赛，旨在制造综合性能更好的AI芯片，为当前的人工智能技术浪潮提供核心驱动力。在人工智能领域，算力这一科技资源已经成为一种稀缺而宝贵的资源，帮助AI芯片霸主英伟达(NVDA.US)的市值一举飙升至2万亿美元以上，并促使OpenAI首席执行官萨姆·奥尔特曼(Sam Altman)为满足OpenAI对AI芯片的庞大需求而向金融市场寻求数十亿美元资金，来提高全球OpenAI所需AI芯片的产能。

美国政府，尤其是美国军方似乎也对此非常感兴趣。美国政府除了花费数十亿美元刺激美国芯片等高端制造业回流外，还斥资支持初创企业。EnCharge首席执行官纳文·维尔马(Naveen Verma)曾表示，EnCharge“在Darpa以及整个国防部的全面支持下诞生”。

据了解，这家初创AI芯片公司是从维尔马在普林斯顿大学的研究项目中衍生出来，他现在仍然是普林斯顿大学的电子和计算机工程教授。“即使在我们被剥离出来的时候，Darpa也帮助我们找到了第一批风险投资者。”

EnCharge AI首席执行官维尔马表示，这家初创AI芯片公司正在为下一轮融资寻找新的战略投资者。不过他拒绝就融资谈判或公司估值进一步置评。EnCharge的竞争对手包括总部位于荷兰的Axelera AI BV和d-Matrix Corp.，后者已融资超过1.6亿美元。

美国国防部所支持的EnCharge AI聚焦于“存内计算”领域

EnCharge是全球众多致力于所谓“存内计算”(in-memory computing)这一聚焦未来芯片结构的芯片公司之一。但是到目前为止，这主要是一项学术研究事业，可以大幅度减少人工智能天量级别并行化计算过程中芯片所消耗的能量，以及极大幅度提高计算效率。除了初创公司，芯片制造领域的领导者，比如台积电、英特尔以及三星电子等巨头们也在研究这项技术。这种“存内计算”芯片的目的是通过在存储数据的地方高速处理数据，而不是将数据传输到 不同的位置，从而节省电力以及大幅提高计算相率

一般来说，“存内计算”是一种旨在提升计算效率和能效的计算架构。它通过在存储器内部直接执行计算操作来减少数据传输，从而加速数据处理。这一方法尤其适用于需要频繁存取大量数据的应用，如人工智能(AI)训练/推理以及机器学习。传统计算架构通常将数据从存储器端传输到处理器进行处理，然后将结果传回存储器。这种数据移动过程不仅耗时，还会消耗大量电力资源。存内计算则尝试打破这一瓶颈，通过在存储器内部直接进行计算操作，减少甚至消除数据传输的需求。

AI芯片通常需要在高性能和低能耗之间取得平衡，“存内计算”这种模式通过减少不必要的数据移动，提高了能效，此外许多AI应用软件，无论端侧还是云端均需要极低延迟，存内计算能够提供更快的响应时间，满足实时处理的需求。

目前，芯片行业实现存内计算的三种主流潜在路径为SRAM、DRAM以及非易失性存储器(如RRAM、MRAM、PCM等)，其中SRAM为多数芯片公司选择的研究途径，SRAM具有高速度和低延迟的特点，适用于缓存和临时数据存储，存内计算可以利用SRAM的这些特性，实现高速计算操作。

首席执行官维尔马表示，除了私营科技公司不断增长的AI芯片需求外，美国政府对快速处理化的芯片也有迫切的需求。例如，在电力有限的地方(如偏远地区和飞机上)运行基于人工智能技术的军事应用的能力，这在美国政府看来是一项日益重要的国防需求。

据了解，EnCharge所开发的第一代芯片不是为OpenAI、Anthropic和其他训练人工智能大模型的公司而专门研发设计，而是为使用这些大模型进行专业化高精度预测的应用程序所专门设计。

维尔马表示，这家50人的初创公司已经有客户评估其芯片和技术，并计划明年开始发布由芯片代工巨头台积电(TSM.US)所制造的全新芯片产品。

据悉，Darpa最近对EnCharge的拨款使得美国国防部对这家初创公司的资助总额增加到大约2300多万美元，自三年前EnCharge在加州圣克拉拉悄然成立以来，美国军火商雷神技术公司旗下的风险投资部门和其他私人投资者的投入大约是这个数额的两倍。