Eridu公司在今天完成2亿美元A轮融资后,计划突破阻碍人工智能发展的网络"壁垒"。
这笔资金将帮助该公司将全新的网络交换机商业化,该产品有望将AI工作负载扩展到前所未有的高度。本轮融资由Socratic Partners领投,风险投资家John Doerr、Hudson River Trading、Capricorn Investment Group和Matter Venture Partners参与。芯片制造业的主要企业也参与了投资,包括联发科和台积电通过其VentureTech Alliance投资工具参与。
首席执行官Drew Perkins告诉SiliconANGLE,由于AI网络存在巨大瓶颈,数十亿美元的数据中心投资正在被浪费,这些网络根本无法应对需要传输的海量数据。他表示,情况正在恶化,因为新的芯片架构和算法创新增加了对数据的需求,但现有网络根本跟不上。
Perkins指出,现有网络公司提出的发展路线图只承诺性能的渐进式提升,因为它们专注于改进现有架构,但这些架构已经被推到了极限。"网络技术已经远远落后,需要一个完全新的设计,"他说。"现有和新解决方案承诺的缓慢渐进式改进根本不足以解决问题。"
Perkins表示,现有网络交换机的带宽、延迟、功耗和端口数量与其基于的硅架构紧密相关,而这种架构是为比今天新兴AI工厂小得多的云数据中心设计的。"这种硅架构在过去二十年中基本保持不变,只是每2到2.5年容量翻倍的渐进式改进,"他说。"我们相信这些渐进式改进浪费了很多性能潜力。"
Perkins解释说,Eridu的解决方案是完全重新设计的网络交换机架构,承诺在性能和效率方面实现"数量级"的进步,并实现以前不可能的功能。他没有透露太多关于新交换机的细节,因为产品尚未发布,但表示它基于"全新硅架构",旨在充分利用最先进的硅和封装技术。
这使得单个高端口Eridu交换机可以替换多达30个低端口交换机,形成延迟更低、功耗显著降低的扁平化网络,改善Token/瓦特和Token/美元指标。该交换机降低了延迟和网络"抖动",使数据中心运营商能够显著增加图形处理单元集群的规模。他相信客户最终能够将其域扩展到数百万GPU,同时在资本支出上节省多达40%,并受益于更快的部署。
本轮融资将帮助加速交换机的开发,并支持公司的招聘工作,为将产品推向市场做准备。
SemiAnalytics分析师Dylan Patel表示,Eridu的交换机是一个有前景的发展,因为迫切需要重新设计网络交换机,带宽和规模需求的加速超出了现有架构可行支持的范围。他对这家初创公司的技术给予了高度评价。
"Eridu的网络技术专为大规模AI构建,支持横向和纵向扩展,"他说。"它将实现更多带宽、更大的AI集群和更低的成本,提供满足加速计算无穷需求所需的下一级互连规模。"
Eridu目前还没有官方客户,但Perkins表示公司在硅、系统和软件开发方面已经取得很大进展,正在与多家"领先的超大规模云服务商"密切合作。他补充说,这些公司已经"完全验证"了公司的产品定义,并深度参与帮助塑造符合其数据中心要求的设计。"由于保密协议我们不能透露名字,但他们深度参与,"他承诺。
Q&A
Q1:Eridu公司开发的新型网络交换机有什么特点?
A:Eridu的网络交换机采用全新硅架构设计,单个高端口交换机可以替换多达30个传统低端口交换机,实现更低延迟、显著降低功耗的扁平化网络,并改善Token/瓦特和Token/美元等关键指标。
Q2:为什么现有的网络技术无法满足AI发展需求?
A:现有网络架构在过去二十年基本保持不变,只能实现渐进式改进,无法应对新芯片架构和算法创新带来的海量数据传输需求,形成了严重的网络瓶颈。
Q3:Eridu的技术能为用户带来什么实际好处?
A:用户可以将AI集群规模扩展到数百万GPU,在资本支出上节省多达40%,享受更快的部署速度,并实现更大带宽、更低成本的AI集群运行。
好文章,需要你的鼓励
微软在年度Build开发者大会上一次性发布7款AI新模型,涵盖推理、编程、图像生成、语音及转录等多个领域。其中首款推理模型MAI-Thinking-1拥有350亿参数,基于商业授权数据训练,在盲测中击败Anthropic Sonnet 4.61;编程模型MAI-Code-1已上线Copilot与VS Code。微软还宣布与梅奥诊所合作,共同开发医疗领域前沿AI模型。
阿里Qwen团队发布Qwen-VLA,一套模型同时驾驭机器人抓取、室内导航与视觉理解,通过具身感知提示词统一多平台控制,多项基准超越专科模型。
微软在Build 2026大会上宣布,其多模型智能安全扫描系统MDASH已从私有预览升级为扩展预览,并整合进企业级安全控制平台,连接Defender、GitHub Code Security、Agent 365及Purview。MDASH通过100余个专用AI代理协同运作,聚焦可利用漏洞的优先排序,有效降低安全告警噪声。该系统在CyberGym基准测试中得分已达96.55%,标志着AI漏洞发现正式进入企业级生产部署阶段。
OmniInteract是由香港中文大学等机构联合开发的实时AI对话测评平台,包含250段视频和1430个时间节点,专门测试AI在真实音视频流中的实时应答、打断处理和任务监控能力,揭示当前模型的显著不足。