AI基础设施正在变成一场“网络战”，而不只是“堆芯片”的竞争。

由英特尔资深人士创办的初创公司 Delos Data 宣布融资超过1亿美元，拟开发用于AI数据中心的网络芯片和软件。它希望解决一个昂贵但常被忽视的问题：高价GPU和其他加速器已经通电，却因等不到数据而无法干活。12

Delos Data到底在做什么？

Delos Data开发的是让数据在AI数据中心内部更快流动的网络芯片和软件，服务对象包括计算、内存和存储等不同环节。公司推出了 Delos Nonstop AI，并公布了 Data Interface（数据接口）和参考架构，目标是为智能体AI工作负载提供低延迟、高带宽且具备韧性的基础设施。27

用更直白的话说，AI集群里的芯片并不是各自独立完成任务：它们需要持续交换模型参数、上下文、请求与中间计算结果。若这些数据在传输途中堵塞，再强的加速器也只能等待。Delos Data希望让运营商在不同类型处理器之间高效连接和交换数据，而不必围绕某一种加速器架构重新设计整张网络。1

为什么AI网络突然变得更重要？

AI热潮早期，大型集群通常以英伟达GPU为主，并采用英伟达的专有网络技术连接。如今，数据中心的重点正从训练大模型，转向处理用户请求，也就是推理；其中还包括需要多步骤执行任务的AI智能体。与此同时，运营商可选的算力芯片也在增多，包括AMD、Cerebras以及英伟达自身不同类型的产品。1

这意味着，数据中心不能再被视为一组固定、同质的处理器加上一套单一厂商互连方案。它需要在不断变化的芯片组合之间，维持高速、低延迟的数据传输，尤其要满足交互式推理和智能体任务对响应速度的要求。Delos Data的判断是：算力架构越多样，灵活的数据移动能力就越有价值。17

这1亿美元要解决的，是“芯片空转”问题

Delos Data表示，资金将用于扩大软硬件工程团队、加快产品开发并拓展销售。2

其背后是明确的经济账：GPU和专用AI加速器价格高昂、耗电也高。如果它们因等待其他设备传来数据而闲置，新增芯片并不必然带来相应的有效算力。

本轮投资方 Playground 的合伙人、前英特尔CEO帕特·基辛格（Pat Gelsinger）形容，设备间通信协调不佳，会让运营商面对“发烫的硬件、燃烧的瓦特”，但硬件实际上处于闲置状态。1 这句话点出了Delos Data的切入点：网络吞吐与延迟，直接关系到算力投资能否真正转化为可用产能。

不押注某一类芯片，而是押注“可变的未来”

Delos Data联合创始人兼首席技术官丹·戴利（Dan Daly）表示，没有人能确定“智能体（AI）的下一代基础设施架构会是什么样”。该公司的策略不是预测哪种芯片或架构最终胜出，而是提供一种能以极高速度传输所需数据的方式。1

这也是其产品定位的关键。Delos Data并非要求客户现在就选定未来的AI芯片路线，而是试图把网络打造为一层更通用的底座：无论未来集群加入何种处理器，或智能体工作流如何演进，基础设施都应能更灵活地衔接。

结论

Delos Data超过1亿美元的融资，反映出AI基础设施的一项变化：限制AI产能的，不只是GPU和其他加速器的供应，也包括把它们连接起来的网络能力。12

如果由异构芯片支撑的智能体推理成为长期的数据中心负载，那么让各组件快速交换数据、避免高功耗硬件闲置，将成为AI运营商的重要竞争要素。

AI基础设施正在变成一场“网络战”，而不只是“堆芯片”的竞争。

由英特尔资深人士创办的初创公司 Delos Data 宣布融资超过1亿美元，拟开发用于AI数据中心的网络芯片和软件。它希望解决一个昂贵但常被忽视的问题：高价GPU和其他加速器已经通电，却因等不到数据而无法干活。12

Delos Data到底在做什么？

Delos Data开发的是让数据在AI数据中心内部更快流动的网络芯片和软件，服务对象包括计算、内存和存储等不同环节。公司推出了 Delos Nonstop AI，并公布了 Data Interface（数据接口）和参考架构，目标是为智能体AI工作负载提供低延迟、高带宽且具备韧性的基础设施。27

用更直白的话说，AI集群里的芯片并不是各自独立完成任务：它们需要持续交换模型参数、上下文、请求与中间计算结果。若这些数据在传输途中堵塞，再强的加速器也只能等待。Delos Data希望让运营商在不同类型处理器之间高效连接和交换数据，而不必围绕某一种加速器架构重新设计整张网络。1

为什么AI网络突然变得更重要？

AI热潮早期，大型集群通常以英伟达GPU为主，并采用英伟达的专有网络技术连接。如今，数据中心的重点正从训练大模型，转向处理用户请求，也就是推理；其中还包括需要多步骤执行任务的AI智能体。与此同时，运营商可选的算力芯片也在增多，包括AMD、Cerebras以及英伟达自身不同类型的产品。1

这意味着，数据中心不能再被视为一组固定、同质的处理器加上一套单一厂商互连方案。它需要在不断变化的芯片组合之间，维持高速、低延迟的数据传输，尤其要满足交互式推理和智能体任务对响应速度的要求。Delos Data的判断是：算力架构越多样，灵活的数据移动能力就越有价值。17

这1亿美元要解决的，是“芯片空转”问题

Delos Data表示，资金将用于扩大软硬件工程团队、加快产品开发并拓展销售。2

其背后是明确的经济账：GPU和专用AI加速器价格高昂、耗电也高。如果它们因等待其他设备传来数据而闲置，新增芯片并不必然带来相应的有效算力。

本轮投资方 Playground 的合伙人、前英特尔CEO帕特·基辛格（Pat Gelsinger）形容，设备间通信协调不佳，会让运营商面对“发烫的硬件、燃烧的瓦特”，但硬件实际上处于闲置状态。1 这句话点出了Delos Data的切入点：网络吞吐与延迟，直接关系到算力投资能否真正转化为可用产能。

不押注某一类芯片，而是押注“可变的未来”

Delos Data联合创始人兼首席技术官丹·戴利（Dan Daly）表示，没有人能确定“智能体（AI）的下一代基础设施架构会是什么样”。该公司的策略不是预测哪种芯片或架构最终胜出，而是提供一种能以极高速度传输所需数据的方式。1

这也是其产品定位的关键。Delos Data并非要求客户现在就选定未来的AI芯片路线，而是试图把网络打造为一层更通用的底座：无论未来集群加入何种处理器，或智能体工作流如何演进，基础设施都应能更灵活地衔接。

结论

Delos Data超过1亿美元的融资，反映出AI基础设施的一项变化：限制AI产能的，不只是GPU和其他加速器的供应，也包括把它们连接起来的网络能力。12

如果由异构芯片支撑的智能体推理成为长期的数据中心负载，那么让各组件快速交换数据、避免高功耗硬件闲置，将成为AI运营商的重要竞争要素。