半导体公司 Volantis 于 10 月 1 日宣布完成 8800 万美元 A 轮融资，由 Lachy Groom 与 Abstract Ventures 联合领投，John Doerr、VXI Capital、Triatomic 和 Susa Ventures 参投，天使投资人包括 Dwarkesh Patel、Naveen Rao 和 Sholto Douglas。该公司正在构建一类新的 AI 推理系统，核心卖点是同时提升内存容量与带宽，以突破长期困扰大模型推理的「内存墙」。
所谓内存墙，指的是运行大模型时既要足够大的内存容量来容纳模型权重与上下文，又要足够高的带宽持续向计算单元喂数据，而现有架构往往只能二选一。片上 SRAM 带宽高但容量有限，会限制模型规模与上下文窗口，并推高成本与能耗；基于 HBM 的 GPU 等方案容量更大，但带宽限制了服务超大模型的速度。即便是较新的 3D DRAM 路线，也仍处在同一条取舍曲线上。
Volantis 的思路是用光子互连把大量内存芯片连成一个统一内存池，随着内存增加而聚合带宽，从而让容量与带宽同步扩张，并可使用成本更低的片外内存。其首款系统 A-1 的设计目标，是运行参数规模超过 20 万亿的模型，单用户每秒最高 1 万 token，同时降低每 token 的推理成本。公司称，其架构可将内存容量与带宽同时提升近两个数量级。
在技术路线上，Volantis 强调其光子互连是专为「计算芯片到内存」的连接而设计，而非数据中心内已较常见的芯片间连接。公司指出，芯片到内存的连接需要在更短距离内传输超过 100 倍的数据量，对能耗与成本的要求截然不同。为此，其平台采用定制的 micro-VCSEL 而非外部激光器，依托现有的砷化镓 VCSEL 供应链，避开磷化铟的供应约束。这些 micro-VCSEL 体积小、温度稳定且功耗低，可实现每比特能耗低于 1 皮焦的端到端链路。
团队背景是这轮融资的重要背书。Volantis 创始团队汇集了来自 英伟达、AMD、博通和 Ayar Labs 的半导体与光子学资深人士，过往经历包括首款 CoWoS 产品、首批高量产可调谐 VCSEL，以及早期硅光共封装光学系统。CEO 兼联合创始人 Tapa Ghosh 表示，随着 AI 智能体承担更多工作，其完成任务的速度将越来越决定企业运转的速度，而今天的硬件迫使人们在「跑最大最复杂的模型」与「跑得快」之间做取舍，Volantis 的创立初衷就是消除这一取舍。
从产业含义看，这一叙事切中的是推理侧日益突出的经济性问题。当模型参数与上下文持续膨胀，推理成本与延迟成为智能体能否规模化落地的关键变量。若光子互连真能把容量与带宽同时推高，理论上可让更大模型以更快速度服务，从而加速编程智能体等长链条工作流的迭代——例如把原本需要 30 分钟的任务压缩到 2 分钟。
不过，这一路线仍处于早期。Volantis 计划在 2027 年向客户交付首批集成推理引擎，本轮资金将用于 A-1 及其光子内存架构的开发与商业化，包括扩充工程团队、推动系统走向客户部署。公司表示，随着 A-1 迈向商业化，将陆续披露该架构背后的更多创新。对关注算力产业链的读者而言，值得跟踪的是：光子互连能否在成本与可靠性上兑现承诺，以及它与现有 GPU/HBM 体系是替代关系还是互补关系。