亚洲AI芯片新贵Acrab：端侧芯片量产，4.8亿押注Agent算力
成立不足三年，首款AI芯片已进入量产阶段，同时完成1.3亿美元B轮融资，来自新加坡的AI计算基础设施企业Acrab，正成为亚洲AI芯片赛道中备受关注的新兴玩家。
据行业观察消息，这家总部位于新加坡的企业近期完成本轮融资，Vertex Growth等多家机构参与了投资。
本轮融资完成后，Acrab的累计融资总额已突破4.8亿美元。这笔新资金将被用于扩大产品产能、搭建技术生态，以及加速下一代AI计算平台的研发工作。
Acrab成立于2024年，就在本轮融资前不久，该公司正式推出了首款端侧AI芯片GΞLIX 1，以及搭载这款芯片的个人AI中心设备Agent Box。目前首代产品已经启动客户导入工作，同时进入规模化生产的筹备阶段。
对于芯片创业企业而言，这样的发展速度实属少见。
过去两年间，AI基础设施赛道的核心叙事几乎都集中在云端。随着大模型参数规模不断扩张，GPU成本持续走高，微软、谷歌、Meta、亚马逊等科技巨头纷纷加码数据中心建设，英伟达则成为这一轮算力扩张的核心参与者。但AI的落地不会永远局限于数据中心内部。
随着模型量化压缩技术不断成熟、推理效率持续提升，PC、汽车、机器人以及更多智能终端所能承载的AI任务类型和复杂度都在增加。下一轮全球算力需求的增长点，正从“训练更大规模的模型”，转向“让智能能力真正渗透到每一台终端设备”中，而Acrab正是押注了这一正在快速增长的计算需求赛道。
大模型时代的首轮基础设施竞争，本质上是一场高投入的资本游戏。训练和运行超大规模模型，需要海量GPU资源、高带宽网络以及复杂的数据中心集群。随着模型规模持续攀升，资金门槛、供应链把控能力以及工程技术实力都在不断抬高行业壁垒，云端算力赛道逐渐成为少数头部科技巨头能够长期参与的竞争领域。
相比之下，过去的端侧AI所能承担的任务相对轻量化，拍照降噪、语音识别等基础功能，依靠一块通用NPU就能覆盖大部分需求，真正复杂的大模型推理仍主要依赖云端完成。但近两年来，这一边界正在被快速打破：一方面，模型量化、压缩以及推理优化技术不断迭代，相同算力规格下可以运行的模型能力持续增强；另一方面，PC、汽车、机器人等终端设备的内存、带宽和内置AI算力都在稳步提升。曾经因为模型体量过大、终端算力不足而必须上传到云端完成的任务，如今已经有条件在本地完成。
而Agent（智能体）的崛起，则进一步放大了这种本地计算的需求。个人文件存储、长期记忆管理、日程安排、设备状态同步以及实时交互等数据，本身就产生在终端设备中。如果一个全天候运行的Agent，每一次文件读取、工具调用、状态更新都需要往返云端，不仅会累积大量延迟，推高Token计费成本，还会带来个人数据持续上传的隐私风险。随着Agent从偶尔的问答交互转向全天候持续运行，按Token计费的云端服务模式，将给用户带来难以持续的成本压力。
这并不意味着端侧会完全取代云端，更合理的未来分工是：最复杂、算力需求最重的推理任务仍将留在数据中心，而高频次、隐私敏感、需要低延迟且需要长期保持运行状态的任务，则会逐步向终端设备迁移。这种趋势直接推高了终端设备对AI算力的需求：本地模型能力越强，能够在本地完成的任务就越多；而本地任务越复杂，对设备的内存、带宽和计算性能的要求也就越高。
不少硬件厂商已经提前布局这一变化：AMD提出了Agent Computer的产品方向，高通和英伟达也开始将更完整的本地AI能力整合进PC和边缘计算平台。尽管产品形态各不相同，但核心方向一致：下一轮AI基础设施的竞争，不仅会发生在规模不断扩大的数据中心中，也会在性能持续提升的终端设备上展开。
而Acrab选择的正是这片新兴赛道。这家企业没有挤入已经高度拥挤的云端GPU战场，而是依托团队在大型服务器芯片和系统软件领域的积累，围绕端侧大模型和Agent设计专属计算平台，切入高端端侧AI服务器市场，押注模型能力持续下沉后，端侧算力的长期升级需求。这一赛道的技术门槛远高于传统消费电子领域，Acrab将一支拥有大规模服务器芯片开发经验的团队带入了传统3C团队难以触及的技术深水区。
在端侧模型能力不断提升的同时，AI算力的消耗模式也在发生变化。传统大模型应用大多采用一问一答的模式：用户输入指令，模型完成推理并生成结果，一轮计算随即结束。但当Agent真正投入运行后，单次请求会被拉长为一条持续运行的任务链。
微软Azure研究团队近期发布的《Architectural Implications of Agentic AI Workflows》一文，就通过生产环境观察到了这一变化：Agent任务会不断在模型推理、工具调用和任务编排之间切换，反复跨越CPU与算力单元的边界；同时，算力需求不再像传统推理那样相对稳定，而是会出现明显的等待、恢复和短时峰值。这意味着，Agent时代的端侧芯片不能仅以单一的TOPS峰值算力作为衡量标准。CPU、NPU、内存以及软件生态需要协同工作，一台设备能否长时间稳定承载Agent任务，已经成为一道系统性的综合考题。
这一判断与Acrab首席执行官Ken Phua的观点不谋而合。Ken Phua曾在Arm UK负责亚太地区应用工程，并参与全球IP战略制定，之后担任Arm China联席CEO。他认为，当AI进入异构计算阶段后，系统执行效率不仅取决于NPU的性能，更取决于CPU与NPU之间的协同顺畅程度。
因此，Acrab最新发布的GΞLIX 1芯片，并没有只强调700TOPS的峰值算力，而是将统一内存架构、CPU与NPU协同优化、Prefill（输入预处理）能力以及Agent编排功能都纳入了核心产品设计中。这套产品思路也体现在了公司名称的含义中：Acrab取自Agentic Compute、Reasoning、Action与Brain的首字母，同时也参考了天蝎座β星这一多恒星系统，寓意不同计算单元之间的协同运行。
GΞLIX的命名则源自“Helix（螺旋）”，公司借用DNA演化和适应的意象，表达这套计算平台支持AI持续演进、适应环境变化并进行长期规划的产品目标。
Acrab还公布了一组长上下文性能测试数据：在运行Gemma 26B A4B模型、搭载4万Token上下文缓存、输入长度为1万Token的测试条件下，GΞLIX 1的平台Prefill速度达到1416 Token/s，比当前业界领先的端侧AI计算平台快7倍。需要说明的是，这组数据来自公司内部自测，实际表现会受到模型加载、软件调度以及具体任务场景的影响，仍需要第三方独立验证。
但Acrab将Prefill、统一内存架构和异构协同作为核心设计重点，说明其瞄准的并非只是“让模型在端侧跑起来”，而是当长上下文任务和Agent真正进入终端场景后，对整套计算系统效率的更高要求。换句话说，Acrab押注的不是“端侧需要一颗更快的NPU”，而是当本地AI从单次推理转向长期持续运行后，终端设备需要一套全新的计算底座。
基于GΞLIX 1芯片，Acrab还推出了Agent Box设备，被定义为Personal AI Center（个人AI中心）。这是一款可放置在桌面的小型端侧AI设备，搭载GΞLIX 1芯片，能够在本地运行千亿参数级大模型，同时整合了长期记忆管理、多模态交互、工具调用以及Agent编排功能。
在产品发布会上的演示中，用户提出想要为孩子制作一份太空主题的礼物，Agent会自动提供创意方案、协助筛选合适的制作选项，并调用相关工具推进整个制作流程。单个步骤看似并不复杂，但核心难点在于如何将自然语言指令拆解为连续的执行动作，以及如何在模型和工具之间持续传递任务状态——这也正是Agent Box区别于普通本地大模型电脑的核心所在。
根据Acrab公开的信息，其软件平台覆盖了本地大模型部署、优化后的Runtime运行环境、开发工具套件以及Agent编排框架。Agent Box不仅是一款完整的终端产品，同时也承担了参考系统的角色：Acrab将GΞLIX 1芯片、大模型和完整软件栈整合到同一台设备中，验证完整Agent任务能否在本地稳定运行，之后再将这套能力复制到AI PC、AI NAS、汽车、工业设备以及机器人等不同类型的终端设备中。
对于Acrab而言，真正的商业空间并不局限于Agent Box本身，而是在于GΞLIX 1芯片以及背后的软件平台能否被更多设备厂商采纳和集成。目前，这套计算平台已经进入量产验证阶段。
根据Acrab披露的信息，GΞLIX芯片于2025年11月完成流片，随后进入上电测试和系统验证环节。据公司介绍，芯片上电后6小时内就通过了12项关键验证，并在24小时内成功启动Linux和Android系统。2027年7月，GΞLIX 1芯片和Agent Box正式发布，目前第一代计算平台已经启动客户导入工作，并推进规模化生产。
最新一轮1.3亿美元的B轮融资，恰好处于这一关键节点：首款芯片已经完成流片和验证，参考系统也已公开亮相，接下来的重点是扩大产品产能、拓展技术生态，并持续研发下一代AI计算平台。Vertex Growth从Acrab的早期阶段就开始投资，并伴随着公司完成不同技术节点的研发持续加注。投资方此前透露，GΞLIX芯片已经在部分高要求的真实部署环境中完成验证，目前正在推进首次行业落地和量产工作。
Acrab成立不足三年，从芯片流片到产品发布、客户导入，累计融资超过4.8亿美元，已经从技术验证阶段走到了商业化验证的门槛前。接下来市场将重点关注：GΞLIX 1芯片最终会进入哪些量产设备中，首批合作客户何时正式公布，以及这些项目能否形成持续的出货量。
4.8亿美元的融资为Acrab继续押注端侧算力赛道提供了充足的筹码，属于Agentic AI的专属计算平台，正一步步走向现实。
