Volantis 获得 8800 万美元融资，押注一条雄心很大的推理架构路线：在加速器封装内部用光连接计算单元与更大的内存池。其计划中的 A-1 系统面向参数超过 20 万亿的模型，目标是每位用户每秒最高生成 10,000 个 token。这两个目标都不是已经独立验证的量产性能。
这笔钱支持的是完整系统，而不只是服务器之间又一条光缆。Volantis 希望改变高速内存必须靠近处理器、大容量内存往往离得更远的物理约束。如果成功，运营方为容纳大型模型所需的加速器数量可能改变；融资本身不能证明这种经济效益。
为仍在成形的系统提供资金
公司于 2026 年 10 月 1 日宣布 A 轮融资。根据公告，Lachy Groom 与 Abstract Ventures 共同领投，John Doerr、VXI Capital、Triatomic 和 Susa Ventures 参与。公布的天使投资人包括 Dwarkesh Patel、Naveen Rao 和 Sholto Douglas。Volantis 称，累计融资因此达到 9700 万美元。
Rao 此前领导 Intel 的 AI 产品团队，Doerr 则投资过多代计算公司。他们的参与说明市场对传统推理硬件的替代方案抱有兴趣，而不是对 Volantis 技术的独立验证。创始团队包括 Nvidia、AMD、Broadcom 和 Ayar Labs 的前员工；公司称成员参与过商用 CoWoS 封装和硅光子系统。CoWoS 可将多枚芯片与高带宽内存紧密集成。
A-1 定位于交互式推理，而非训练。公开材料除了较新的“超过 20 万亿参数”，还保留着较早的“超过 10 万亿参数”门槛。差异可能来自规格演变，但不能据此推导出固定的出货配置。公告没有提供标准化基准、客户部署证据或足够详细的量产时间表。
更多算术单元为何不能消除内存墙
推理会反复将数值权重和工作数据送到处理器。如果内存供应速度不足，更多算术单元也可能只是等待。高带宽内存 HBM 将堆叠内存放在加速器附近，通过宽接口连接，缓解了问题；但封装面积限制了堆叠数量。更长、更快的电连接也面临信号质量下降与能耗增加。
交互式服务不能总把大量用户合批处理，因此这种取舍更明显。每生成一个 token，都可能需要再次移动权重与活跃上下文。即使模型不变，更长的对话也会扩大键值缓存。编程智能体处理代码仓库、命令输出、文档与长期操作历史时，就能说明为什么单纯加快计算未必能加快响应。
跨加速器分割模型、量化、缓存和较慢内存层级已经在应对这些压力，但会在精度、延迟、编程复杂度或利用率上付出代价。调度与压缩改进也会不断抬高基准。2025 年光子学综述将光学 I/O 和中介层列为成熟 HBM、电子网络之外的新兴路线，并不意味着它验证了 A-1。
光学距离、并行通道与集成激光器
Volantis 提议在中介层上布置光学波导；中介层是封装内部连接多枚芯片的基板。所谓光学“导线”，指微型集成路径，而不是在各组件之间逐根铺设传统光纤。路径变长后，内存有望分布在更大的封装面积上，不必全部挤在计算裸片旁边。
公司的技术规格声称，单通道速率为 24Gb/s，链路延迟低于 5 纳秒，能耗低于每比特 1 皮焦耳。数万条通道计划提供超过 200TB/s 的总带宽。光学距离据称超过 200 毫米；作为对照，公司将此场景中有用的电连接距离描述为约 2—5 毫米。
这支撑了连接超过 220 个内存 chiplet 的内存池设想，使访问特征保持一致，而不是表现为明显分离的快慢层级。Volantis 称可以兼具大容量与类似 SRAM 的速度。SRAM 通常直接位于处理器上，速度快但受密度限制；在大型内存池中实现类似的有效表现，仍是一项要求很高的系统主张。
光源来自集成式 micro-VCSEL 阵列。垂直腔面发射激光器会垂直于表面发光，已用于传感和通信，但这种封装级实现是专用方案。Volantis 强调采用砷化镓 VCSEL，而非依赖其他化合物半导体材料的激光技术。公司称，集成光源省去了外部激光器组件，波导占用的空间也远少于光纤。
其策略是“宽而慢”：用大量中等速率的并行通道，而非把少数链路推到极限。这可能减轻每条通道的电子电路和信号处理负担，同时也带来制造、测试数千条可靠路径的难题。Volantis 报告晶圆级链路误码率低于每传输一万亿比特出现一次错误，并能在 95°C 以上运行。这些是公司报告的链路特性，不是完整 A-1 出货系统的验证结果。
光子竞争中不同的切入位置
Nvidia 的光学网络系统结合可插拔光学器件与共封装光交换机。大量商用光子技术用于交换机、机架或加速器封装之间。Volantis 则想直接进入推理系统封装内的内存路径，在那里，数据移动影响响应时间。
Ayar Labs 将光学 I/O chiplet 放在处理器附近，并使用外部激光源。Lightmatter 的 Passage 通过可编程光子网络连接跨封装、跨板卡的处理器。Celestial AI 的互连覆盖封装、系统与机架；Marvell 于 2026 年 2 月完成对它的收购。这些路线相互关联，但不是可互换的产品。
Volantis 的机会在于同时改善容量和带宽。运营方目前可能主要为了内存容量而增加加速器，再承担分散模型的通信开销。更大的可访问内存池可能让较少计算单元发挥更大作用。稀疏混合专家模型就是例子：每个 token 只激活部分组件，但仍需存储所有可用参数。长上下文智能体也是潜在用途。
现有路线并未停步。HBM 厂商提高容量与带宽，AMD 和 Nvidia 则协调处理器、机架、互连、缓存与软件。成熟的部署渠道、接口和支持，都是专业初创公司必须面对的优势。
哪些问题必须经受完整系统检验
峰值总带宽不等于应用持续带宽。争用、协议开销、数据放置和内存控制器都可能降低实际值。同样，低于 5 纳秒的链路并不等于应用能在 5 纳秒内取到数据；交换、仲裁和内存操作还会增加延迟。统一内存池必须跨 chiplet 寻址，并处理故障和争用，不能把光学收益消耗掉。
大型中介层涉及成本和良率。数千条通道、数百个 chiplet 需要冗余、测试与恢复，集成发射器也必须容忍温度变化和生产差异。95°C 以上运行的报告有意义，却不能解决持续热稳定性、散热和封装可靠性问题。更换激光器材料也不能消除制造风险。
软件和交付形态同样尚未明确。现有模型服务技术栈依赖特定内存行为、库和加速器接口。客户需要调度、性能分析、模型放置与故障恢复工具。公开材料尚未充分解释兼容性、初始商业市场、合作伙伴，以及 A-1 会作为一体机、加速器、机架、授权架构还是合作伙伴集成组件交付。小模型已经能装入现有硬件的企业，其动机也不同于前沿实验室与超大规模云厂商。
有意义的演示应说明具体模型、精度、上下文与输出长度、批量大小、延迟、持续吞吐量和功耗。独立客户关于利用率、错误、可用性以及单次完成任务成本的测量，才能把器件主张与运营经济性连接起来。制造伙伴和可信的封装路线图则补充另一部分证据。8800 万美元让这些工作成为可能；在系统级结果出现之前，标题中的性能目标仍是提案。