9月29日，开发端侧AI芯片的初创公司SiMa.ai宣布完成1.5亿美元C轮融资，投后估值达到14.5亿美元。本轮融资由富达管理与研究公司和Amplify联合领投，Alter Venture Partners、戴尔科技资本与StepStone Group参投，另有多家新投资方加入。这家成立于2018年、创始人Krishna Rangasayee曾担任芯片公司Groq首席运营官的企业，累计融资额已经超过5亿美元。在AI算力投资高度集中于数据中心与GPU集群的当下，一家做低功耗端侧芯片的公司拿到这个估值，本身就说明边缘侧的需求正在被重新定价。
SiMa.ai的核心主张是把AI计算放在设备本地。它提供高能效芯片，让机器人、无人机、摄像头等设备直接运行模型，而不必把数据在设备与云端之间来回传输。这条路线在两类约束下变得必要：一是延迟，机器人抓取、避障、飞行姿态控制都要求毫秒级响应，一次云端往返的时间就可能让动作失败；二是连接与隐私，工业现场、野外作业与医疗场景中，网络未必可靠，数据也未必适合外传。
过去边缘AI的市场规模有限，原因是端侧算力太弱，只能跑一些简单的视觉模型。随着模型压缩、量化与蒸馏技术成熟，在几瓦到十几瓦的功耗预算里运行语言模型与视觉模型成为可能，边缘侧能承接的任务范围明显扩大。人形机器人与具身智能的兴起进一步放大了这一需求：这类设备需要同时处理视觉、传感器与语言指令，又不能背着数据中心跑。与英伟达的GPU方案相比，SiMa.ai主打的正是低延迟与更低价格，目标市场包括中高端无人机、人形机器人与汽车辅助驾驶。
从融资节奏看，这家公司的估值抬升并不激进。2025年7月完成8500万美元B轮融资时，估值约为9.6亿美元，一年出头之后估值升至14.5亿美元，涨幅约五成。这个幅度放在当前AI芯片赛道里算不上夸张，反而反映出投资方对边缘侧市场的判断相对审慎。本轮领投方是资产管理机构，而非纯风险资本，参投方中还包括戴尔科技资本这类产业资本，说明资金更看重商业化路径而非单纯的技术叙事。
资金的用途也印证了这一点。新融资将用于两件事：新一代Modalix系统级芯片的研发，以及Palette Neat开发环境的扩展。把软件工具与芯片并列作为投资重点，是芯片创业公司的常见选择，因为硬件的性能优势只有在开发者愿意迁移时才能转化为订单。公司同时披露，当前已经量产的Modalix模块可以适配英伟达模块的形态因子，这意味着客户不需要重新设计板卡就能替换，降低了从既有方案迁移的硬件门槛。
Palette Neat是这家公司今年6月推出的开源开发环境，它的卖点是让开发者用日常语言指令来构建应用，并把应用映射到自己的芯片上。官方估计，这套工具可以保留开发者约九成既有的软件投入，通过复用代码来降低迁移工作量。这个数字是公司自己的估算，并非对所有项目都成立，但它指向的问题非常真实：开发者不愿换平台，往往不是因为新硬件性能不够，而是因为重写与调优的工程量太大。
对芯片公司来说，软件生态的竞争比硬件参数更残酷。一个平台的护城河通常由编译器、算子库、调试工具与社区积累共同构成，这些都不是短期能补齐的。用自然语言辅助迁移的思路，本质上是把部分适配工作交给模型来完成，降低对开发者经验的依赖。这条路能否走通，取决于生成的代码在真实项目里的可用比例。如果大部分迁移仍需人工修正，那么工具的价值就会大打折扣；如果确实能把迁移周期从数月压到数周，它就可能成为客户选择这家公司而非行业龙头的核心理由。
在性能指标上，这家公司给出的是两个不同时间尺度的数字。当前量产的Modalix模块被描述为可以在10瓦以下同时运行多个大语言模型以及视觉与传感器模型，这属于已经交付硬件的能力。而新一代芯片的目标是在2028年上半年达到1000 TOPS的算力，这只是一个研发目标，尚未在量产硬件上得到验证。把两者放在一起看，可以理解这家公司的技术路线：先靠低功耗与可迁移性切入对功耗敏感的场景，再用下一代芯片去争夺对算力要求更高的市场。
作为横向参照，英伟达面向机器人的Jetson AGX Thor据称可提供约2000 FP4 TOPS，主流模块的算力在数百TOPS量级。单纯比较算力数字，SiMa.ai的下一代目标并不占优，但边缘场景的评价标准从来不是峰值算力，而是单位功耗下的有效算力、散热设计、封装尺寸与全生命周期成本。对无人机与小型机器人来说，多出的几十瓦功耗可能意味着续航大幅缩短，这恰恰是通用GPU方案难以覆盖的区间。差异化的空间正存在于这些约束最严苛的角落。
边缘AI芯片的商业化难点，在于它面对的是高度分散的市场。数据中心芯片可以靠少数超大客户支撑出货量，而端侧芯片的客户分布在机器人、无人机、安防、工业检测等几十个细分领域，每个领域的需求、接口标准与认证要求都不同。这意味着芯片公司必须投入大量资源做适配与支持，规模效应来得更慢。累计融资超过5亿美元、估值接近15亿美元，说明投资方认可这条路的长期价值，但也意味着公司需要在有限的窗口期内证明自己能把技术转化为持续的出货。
接下来的观察点集中在三处。一是Palette Neat能否被真实项目采用，迁移成本是否真如宣传那样低；二是现有Modalix模块能否在机器人客户中形成稳定的重复采购，而不是停留在评测与小批量试用；三是下一代芯片的研发进度是否可控，2028年的目标一旦延后，客户在规划产品路线时就会转向更成熟的方案。对整个行业而言，边缘算力的价值正在被具身智能重新定义，但能否形成一个足以支撑多家芯片公司的市场，仍然取决于机器人本身能否先跑出规模。