# Gimlet Labs 拿到 3 亿美元 B 轮，用混搭芯片做推理，声称同功耗下快 5 到 10 倍

> 原标题：Gimlet's Series B

- 来源：Hacker News 首页
- 发布时间：2026-09-04T23:09:18.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/54848
- 原文：https://gimletlabs.ai/blog/announcing-series-b

## 摘要

Gimlet Labs 在 A 轮仅五个月后宣布了 3 亿美元 B 轮融资，由 a16z 领投。他们的做法是把大模型拆开，让不同任务跑在不同类型的芯片上——比如 GPU、近内存计算芯片、数据流架构芯片和 CPU——而不是全用同一种卡。公司声称，这种混搭方案能在相同功耗下把推理速度提升 5 到 10 倍，或者在相同延迟下大幅提高吞吐量。他们瞄准的痛点是电...

## 推荐理由

A 轮后五个月就融 3 亿美元，a16z 领投，这个节奏和金额本身就是信号。技术上有具体数字——同样功耗推理快 5 到 10 倍——不是空口号。扣分是因为纯基础设施融资，正文没提客户或生产验证，我会先打个折，别太激动。

## 锐评

Gimlet 这轮融资最值得看的是他们的技术思路：不再用同一种 GPU 硬扛所有推理任务，而是把模型拆成几块，分别放到 GPU、近内存计算芯片、数据流架构芯片和 CPU 上跑。这有点像给不同零件配不同工具，而不是一把螺丝刀拧所有。他们声称在相同功耗下能把推理速度提 5 到 10 倍，或者在延迟不变时大幅拉高吞吐量。这个数字如果属实，对现在被电费逼疯的 AI 公司来说确实省钱。

但文章没给任何第三方验证或客户名字，只提了“数十亿合同收入”和“吉瓦级数据中心储备”。这种表述弹性很大，可能是意向书，也可能只是远期规划。另外，他们瞄准的痛点是电力和延迟，但没解释不同芯片之间通信延迟怎么解决，也没说支持哪些模型架构。如果只对特定模型有效，适用范围就窄了。

五个月从 A 轮到 B 轮，速度很快，要么是技术真有突破，要么是市场太缺能省电的方案。在没看到独立测试和具体客户案例之前，5-10 倍这个数字先打个折看。