SiMa.ai 為實體 AI 晶片籌得 1.5 億美元資金

SiMa.ai 以 14.5 億美元的估值籌集了 1.5 億美元資金，用以擴大規模其實體人工智慧軟體，並開發將於 2028 年問世的下一代邊緣處理晶片。

2分鐘閱讀Posted: 2026年9月29日

加州聖荷西，2026年9月28日：SiMa.ai 已籌集 1.5 億美元資金，公司聲稱估值達 14.5 億美元，此筆資金將用於擴大規模其物理人工智慧軟體，並為預計於 2028 年推出的新晶片提供資金。這筆資金目前已到位，但具備最高性能潛力的硬體仍處於開發規劃階段，因此對機器人買家而言，「遷移保障」的重要性遠高於估值數字本身。

對機器人製造商而言，最直接的答案是：SiMa.ai 的 C 輪融資是用來開發適用於類人機器人、無人機、車輛及工業機器的替代性邊緣運算堆疊，而非一款已完成的 1,000-TOPS 產品。 SiMa.ai 是一家位於聖荷西的私有半導體與軟體公司，將其 Palette 開發環境與 Modalix 機器學習系統級晶片（SoC）及開發硬體相結合。富達管理與研究公司（Fidelity Management & Research Company）與 Amplify 共同領投本輪融資，SiMa.ai 表示此輪融資使累計融資總額達到 5 億美元。

本輪融資為構建下一代運算層爭取時間

SiMa.ai 表示，這筆新資金將用於擴展其專為實體 AI 應用設計的軟體環境「Palette Neat」，並資助機器學習智慧財產權、小晶片（chiplets）以及旨在提供每秒 1,000 密集太級運算（dense tera operations per second）的系統級晶片（SoC）的開發。該公司預計於 2028 年上半年推出這些產品，目標市場為中高端無人機、類人型機器人、先進駕駛輔助系統、車載駕駛艙以及其他受電力限制的邊緣設備。

此時間表至關重要，因為機器人採購流程往往在處理器出貨前便已展開。硬體團隊需在早期階段便確定熱設計功耗、電路板尺寸、感測器介面及功耗預算。軟體團隊則需驗證模型支援、量化、排程、工具鏈及故障行為。一款 2028 年的處理器雖能影響當前正在規劃的設計，但買家在矽晶片、軟體及獨立基準測試結果出爐前，不能將目標吞吐量視為實際測量出的效能。

因此，本輪 C 輪融資旨在

一舉兩得。SiMa.ai 必須在擴展現有 Modalix 平台以爭取短期專案的同時，也得建立一套後繼架構，避免這些客戶日後面臨另一輪昂貴的重寫工程。資金可以增加工程師人數、軟體覆蓋率、支援能力以及量產準備工作，但無法消除從已公開目標到量產合格元件之間所存在的執行風險。

實體人工智慧重塑「有用運算」的定義

機器人需要的遠不止是標榜的算術吞吐量。它們必須在嚴格的功耗與延遲限制內，處理來自攝影機、雷達、光達、音訊、力感測及位置的數據，且往往缺乏可靠的雲端連線。功耗過高的倉儲機器人會損失運作時間；加裝散熱硬體的無人機則會減少有效載荷。若人形機器人需等待遠端推論服務，便可能錯過平衡或接觸控制需要即時本地回應的關鍵時刻。

正因如此，儘管 SiMa.ai 並未製造完整的機器人，其市場定位仍至關重要。該公司主張，專為特定用途設計的晶片與軟體，能比改裝自資料中心硬體的方式，更快速且以更低的功耗，將模型從開發階段部署至邊緣裝置。其開發套件讓工程團隊得以測試現有平台，而 2028 年的路線圖則為更龐大的多模態模型指明了方向。買家關心的問題在於，現有的軟體工作能否在這一轉型過程中得以延續。

更廣泛的市場早已將運算層視為戰略瓶頸。 D-Robotics 籌集了 4 億美元用於擴大具身 AI 晶片的生產規模，而主要機器人製造商則持續圍繞既有的圖形處理和汽車平台進行標準化。SiMa.ai 正以更狹窄的定位加入這場競爭：一個專為物理系統打造的軟體為核心的技術堆疊，其中瓦特、延遲和部署

投入的努力與峰值吞吐量同樣重要。

軟體可移植性是本次融資的商業試金石

SiMa.ai 表示，使用其現行產品的客戶將能夠將應用程式遷移至下一代架構。這項承諾在商業上至關重要，因為處理器更換中最大的隱性成本，極少僅限於主板本身。在舊產品與新產品並存期間，團隊必須移植模型、重新驗證運算子、重建安全論證、重現效能、重新培訓人員，並維護並行版本。

Palette Neat 旨在透過為開發人員提供模型準備與部署的共通環境，來降低這方面的阻力。這筆資金將能深化模型支援、除錯、效能分析、文件編寫及應用工程等領域——這些正是決定機器人團隊能否從示範階段過渡到維持機隊運作的關鍵平台要素。SiMa.ai 的硬體照片雖展示了一個緊湊的開發盒，但真正經得起考驗的產品，其實是圍繞在它周圍的軟體與支援系統。

這也是競爭超越晶片層面的關鍵所在。 NVIDIA 推出的 Isaac ROS 5.0 版本，將「代理就緒（agent-ready）」技能與十四家機器人合作夥伴相連，展現了廣泛的開發者與整合生態系統如何讓運算技術更易於採用。SiMa.ai 必須證明，其更專業化的平台能夠支援買家現已使用的模型、感測器、框架與部署工具，同時不強迫他們為了更狹窄的軟體生態圈而犧牲功耗效率。

強大的投資者陣容無法取代客戶經濟效益

本輪融資由富達管理與研究公司（Fidelity Management & Research Company）與 Amplify 共同領投。現有投資方包括戴爾科技資本（Dell Technologies Capital）、Maverick Capital、+ND Capital、Point72 及 StepStone Group。該公司還公布了四家首次參與投資的機構：密西根州政府、J.P.

摩根、Baron Capital 及 AllianceBernstein。SiMa.ai 表示本輪融資超額認購，並公布估值達 14.5 億美元。

這些投資機構的名單印證了投資者的興趣，但公告並未披露出售的股權比例、估值屬投前或投後、先前可用的現金金額、現金消耗率、利潤率、訂單積壓量或營收。 SiMa.ai 表示，2024 年至 2025 年間營收年增率達四倍，且 2026 年的成長動能依然強勁。在缺乏具體營收數字的情況下，該成長率既無法證明其已具備商業規模，也難以與該公司聲稱已募得的 5 億美元進行明確對比。

所列出的客戶與合作夥伴名單同樣具有參考價值，但資訊有限。該名單涵蓋電子、工業自動化、機器視覺、汽車及機器人等產業，顯示該平台正在多個實體人工智慧市場中接受評估。該新聞稿並未詳細列出量產客戶、付費試用案、設計中標、出貨量，或與類人型機器人直接相關的營收。機器人採購方應將此清單視為進入生態系統的佐證，而非證明 2028 架構已實際應用於現有機器人車隊的證據。

機器人採購者需要與機器相匹配的基準

若缺乏工作負載的詳細資訊，1,000 高密度 TOPS 的目標便意義不大。採購方需要了解這個數字背後所涉及的資料類型、模型規模、稀疏性假設以及功耗限制。他們還需要了解感知與控制管道的實際延遲、記憶體頻寬、熱管理行為、感測器輸入支援、功能安全選項、安全性功能，以及機器人在其使用壽命期間的預期可用性。

開發經濟性同樣至關重要。一份有用的評估應測量：將現有模型移植至 Modalix 所需的人力工時、無需客製化工作即可運行之操作者的比例、未受支援層所導致的效能損失、效能分析工具的品質，以及在現有與未來環境中維護程式碼的成本

數代產品。對於工程能力有限的小型機器人公司而言，一個雖能節省瓦特但卻需額外耗費數月進行軟體整合的平台，可能並非明智之選。

開放式介面是另一個採購考量點。機器人團隊越來越期望硬體能與「機器人作業系統」（Robot Operating System）軟體、通用模型格式以及廠商中立的工具並存。 Robotiq 將其物理人工智慧技術堆疊的部分組件開源的舉措，正說明了為何買家重視檢視、調整及維護關鍵整合層的能力。SiMa.ai 雖無需將每個組件都開源，但必須確保其可移植性足夠可靠，使買家不會受限於單一編譯器、單一開發板或單一代次。

中國市場的關鍵在於技術堆疊的勝出之處

對於亞洲機器人製造商而言，這輪融資在出口管制、供應鏈集中化及能效等因素皆影響產品設計之際，為其提供了另一家值得評估的運算供應商。SiMa.ai 的機會不在於取代所有現有廠商，而在於贏得那些因本地推論、嚴格的能耗預算及快速軟體部署需求，而需要專為特定用途打造的替代方案的專案。

這個機會將因市場細分領域而異。無人機可能更重視重量與功耗的節省，而非廣泛的模型靈活性；工業機器則可能優先考量漫長的支援週期、確定性延遲以及成熟的現場總線整合。人形機器人可能需要高多模態吞吐量，同時也要求成熟的除錯機制與快速的模型更新節奏。汽車客戶則會追加認證、安全與供應保障等要求，這些流程可能需要數年才能完成。

C 輪融資為 SiMa.ai 提供了並行開拓這些市場的資源，但投資者應期待該公司證明其具備哪些營運優勢，而非僅將某個實體 AI 類別視為單一市場。一款表現優異的晶片

在以攝影機為主的工業系統中，其性能未必能自動滿足人形機器人或車輛在控制、記憶體或安全方面的要求。