GPU de raciocínio doméstico conclui quase 3 bilhões de financiamento, como a próxima geração de chips de computação irá remodelar a infraestrutura Web3

SerumDegen · 2026-01-22T11:46:18+00:00

A empresa nacional de chips GPU Xiwang anunciou a conclusão de uma rodada de financiamento estratégico de quase 30 bilhões de yuans, com a participação de várias instituições industriais e de capital. A Xiwang destacou o desenvolvimento de um "GPU nacional mais inteligente para IA", com o objetivo de reduzir os custos de chips de computação de alta gama, apoiando a pesquisa e desenvolvimento da próxima geração de GPUs de inferência e a construção de ecossistemas. Isso afetará a aplicação de modelos de IA na blockchain e a estrutura de custos da infraestrutura de poder de computação.

SerumDegen

2026-01-22 11:46:18

Geração do resumo em andamento

【区块律动】Os chips GPU nacionais enfrentam um novo marco de financiamento. A emergente empresa de chips曦望 anunciou a conclusão de um financiamento estratégico de quase 30 bilhões de yuans, com investidores incluindo o fundo Huaxu do Grupo Sany, a inteligência范式, o Grupo de Dados de Hangzhou, além de principais instituições de VC/PE como IDG Capital, GaoRong Venture Capital, Zhongjin Capital, e também fundos de reforma mista de Chengtong, e forças de fundo de capital estatal como Hangzhou Jintou.

Esta empresa foi fundada no final de 2024, como uma spin-off independente do departamento de chips de SenseTime. Seu posicionamento central é bastante interessante — enfatizando um “GPU nacional mais inteligente para IA” e “produtos de ponta acessíveis e úteis”. Em contraste com o atual mercado de chips de alta performance, frequentemente com preços exorbitantes, essa direção atinge diretamente a dor.

Os fundos de financiamento serão principalmente direcionados para três áreas: pesquisa e desenvolvimento do próximo geração de GPUs de inferência, produção em escala e co-construção do ecossistema. Do ponto de vista do Web3, a melhoria de desempenho e redução de custos dos chips de inferência estão diretamente relacionadas à viabilidade da aplicação de modelos de IA na cadeia, além de influenciar a operação dos nós e a eficiência econômica do cálculo na cadeia. Com a entrada de mais alternativas nacionais, a estrutura de custos de toda a infraestrutura de computação Web3 pode passar por ajustes.

Ver original

Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.

10 Curtidas

Recompensa
10
2
Repostar
Compartilhar

Comentário

0/400

AirdropHunter

· 01-22 12:12

Caramba, 3 bilhões investidos, finalmente alguém quer fazer algo com relação à relação custo-benefício.

Ver originalResponder0

Layer2Observer

· 01-22 12:03

O interessante é a combinação de financiamento — capital industrial + VC de topo + capital estatal — essa configuração indica que todos estão otimistas com a lógica de substituição de GPU nacional. Mas é preciso esclarecer um ponto, uma empresa fundada no final de 2024 consegue captar 3 bilhões, a velocidade de captação é realmente rápida, e o respaldo do SenseTime é um reforço adicional. Do ponto de vista técnico, chips de inferência e chips de treinamento são coisas diferentes, o potencial de redução de custos é realmente maior. O mais importante ainda é olhar para os dados de desempenho reais e o ecossistema de compatibilidade, teoricamente ambos funcionam, só que só conta mesmo quando puderem ser utilizados. No que diz respeito ao Web3, tenho reservas, a menos que eles façam otimizações específicas para cálculos on-chain, caso contrário, o cenário de implementação ainda precisa ser explorado.

Ver originalResponder0