芯片初创公司 Mythic AI 在去年 12 月完成 1.25 亿美元融资后，近日于印度班加罗尔设立卓越中心，旨在强化半导体工程能力。该城市汇聚了 AMD、英伟达、高通和 Arm 等巨头的研发中心。新中心将作为产品开发与创新枢纽，计划组建涵盖超大规模集成电路（VLSI）设计、物理设计、测试设计及系统应用工程的顶级 AI 芯片团队。公司表示，此次扩张是其计划在 2027 年第一季度将团队规模扩大四倍战略的一部分。
押注模拟计算，重构能效逻辑
Mythic AI 的核心技术路线是模拟存内计算。其 M1、Vanguard 和 Mead 芯片均在内存内部执行矩阵运算，避免了模型权重在内存与独立处理器间的频繁搬运。这种架构旨在显著降低 AI 推理，尤其是边缘端推理的功耗与延迟。
Mythic AI CEO Ozcelik 指出，传统架构中数据在内存和处理器间的往返消耗大量能量，而模拟计算将这些操作合并于内存中完成。与 GPU 不同，Mythic 直接消除导致高能耗的数据移动过程，利用模拟信号在存储权重的内存中执行矩阵乘法。“我们正在制造有望改变世界而不破坏地球的芯片。”Ozcelik 表示。
性能宣称：功耗降低 25 倍，吞吐量激增
Mythic 的产品线代表其商业化模拟计算的不同阶段，可根据工作负载从单个低功耗芯粒扩展至数百个芯粒阵列，服务于从边缘设备到大语言模型（LLM）推理的各类场景。
目前，M1 芯片已上市，提供高达 25 TOPS 的推理性能，片上存储多达 8000 万个模型参数。其运行功率为 3–4 瓦，轻负载下可降至 1–2 瓦。M1 既可作为独立芯片集成，也可作为 M.2 加速卡，应用于工业视觉、监控、无人机及边缘服务器等领域。公司称，M1 已在汽车、机器人、国防和边缘 AI 应用中得到客户验证，但未披露具体收入或部署数据。
下一代 APU Vanguard 预计于 2027 年推出。该芯片结合 28 纳米模拟晶粒与 5 纳米数字晶粒：模拟侧处理密集矩阵乘法，数字侧负责控制及高性能任务。Vanguard 旨在将架构从边缘推理扩展至 LLM、计算机视觉和企业 AI 领域，班加罗尔中心初期将参与其开发。更后期的 Mead 芯片则采用改进架构以提升内存密度。
公司声称，在机架级解决方案中，相比英伟达 GPU 机架，其方案可实现高达 12 倍的资本节约、25 倍的功耗降低以及 50 至 675 倍的吞吐量提升。在当前的 APU 架构下，Mythic 称每瓦特可实现高达 112 TOPS，性能功耗比高出同等 GPU 约 100 倍。对于 Vanguard，公司称 LLM 推理的每瓦特 Token 速度可达 75 至 1900 个，具体取决于配置。
直面英伟达：没有显著优势就会被击败
在商业合作方面，洛克希德·马丁风险投资既是 Mythic 的投资者也是国防合作伙伴。今年 2 月，本田与 Mythic 签署联合开发协议，为其下一代软件定义车辆开发汽车 AI SoC，目标是在低功耗下实现超过 10 万 TOPS 的性能，支持视觉 Transformer、自动驾驶及车内 LLM。原型芯片预计在 2020 年代末或 2030 年代初上车测试。
今年 5 月，Mythic 收购德国处理器 IP 公司 Videantis，后者技术已部署于约 3000 万辆量产汽车中，为 Mythic 带来成熟的汽车平台。此外，公司还在开发低于 1 瓦的 Starlight 传感平台，将模拟计算嵌入传感器，服务于国防、机器人和汽车视觉领域。
Ozcelik 强调，软件栈是差异化的关键。Mythic 的软件支持 PyTorch、TensorFlow 及 ONNX 格式模型的优化编译。“目前半数团队从事软件开发，”他表示，“如果软件易用且芯片性能符合预期，我们有信心获胜。”他直言，要在英伟达主导的市场中生存，新芯片必须提供实质性改进：“如果你只好了 60%，黄仁勋会在一个季度内击败你。”
“伤痕是资产”，穿越生死线
Mythic 并非全新初创公司，由 Mike Henry 和 Dave Fick 于 2012 年创立。早期筹集超过 1.65 亿美元后，因工程挑战巨大，公司于 2022 年底资金耗尽。2023 年 3 月，投资者注入 1300 万美元维持运营。Ozcelik 于 2024 年中旬出任 CEO，他将此前时期描述为一场昂贵的工程实验，公司花费约 2 亿美元学习如何可靠地大规模实现模拟计算，期间经历三次芯片修订。
Ozcelik 承认早期存在模数转换器精度不足、组件滥用及软件栈滞后等“新手错误”，但他认为这些失败构成了公司的技术壁垒。“伤痕是公司的资产，”他说，“我们已清理大部分错误，现在这是一家崭新的公司。”
商业化的终极挑战
Mythic 采取通用架构策略，试图用同一套硬件和软件栈覆盖从边缘设备到数据中心的所有市场，类似英伟达的通用 GPU 路径。目前，公司在托管设施中运行 16 个 M1 APU 测试 SDK 及系统性能，并开始运行小型语言模型。
然而，商业成功仍面临严峻挑战。尽管定制 AI 加速器如 Google TPU、Cerebras 和 Groq 已进入商业领域，但多数挑战英伟达的初创公司步履维艰。曾估值 28 亿美元的 Graphcore 于 2024 年被软银收购；筹集超 1.5 亿美元的 Untether AI 在 2025 年关闭销售业务，团队被 AMD 收购。
尽管如此，资本市场仍看好这一长期赛道。近期，Etched 以 210 亿美元估值融资 7 亿美元；SiMa.ai 获美光战略投资；Positron 以 50 亿美元估值融资 8.75 亿美元；MatX 融资 5 亿美元开发面向大规模 AI 负载的芯片。虽然开发周期漫长且昂贵，但业界仍期待新的架构能成为未来基础设施的核心。对于 Mythic 而言，其激进的能效声明尚待大规模独立验证，如何在解决模拟计算固有难题的同时保持效率增益，将是其突围的关键。