XCENA 的創立洞察在於,許多這類資料密集型操作,其實不需要用到 GPU 那種專門的平行處理能力。日常的過濾、搜尋和分析任務,可以交由更簡單、更省電的核心,直接放在記憶體晶片旁邊處理,徹底省去資料往返的過程。這種方法被稱為「近資料處理」(Near-Data Processing,NDP),其目標是分擔 CPU 的工作,而非取代它 。
MX1 被譽為全球首款同時支援 PCIe 6.0 與 CXL 3.2 標準的運算型記憶體產品 。CXL(Compute Express Link,運算快速互連)這項技術,能在處理器與記憶體之間提供一條高速、低延遲的專用通道,正好成為這類設計活在記憶體層的裝置之理想骨幹
。
MX1 並非一個單體式加速器,而是一個裝載了數千個客製化 RISC-V 核心的設備。XCENA 自己的文件指出,這些是「數千個 1.4GHz 的 RISC-V 核心」,直接整合到記憶體子系統中 。這些核心可以就地執行類似資料庫的操作(透過 XCENA 的 XFLARE 軟體庫),在資料不搬移到主機 CPU 的情況下進行處理
。
XCENA 的技術方案採用了一條透過 PCIe 6.0 的獨立 SSD(固態硬碟)擴展路徑,實現了該公司所謂的「無限記憶體」(Infinite Memory)功能。這項功能理論上可以利用 CXL 連接的 SSD,將主機可存取的記憶體池擴展到 PB(Petabyte,拍位元組)級規模,讓應用程式能以比傳統儲存存取更低的延遲,管理規模大得多的資料集 。
該公司的產品路線圖顯示出快速的迭代計畫:
這些擴充卡支援高達 256GB 的 DDR5 DIMM(雙列直插式記憶體模組),可達到 1TB 的容量,並配備 DDR5-8400 的記憶體控制器 。在 FMS 2025(未來記憶體與儲存大會)上,MX1 贏得了「最具創新運算型記憶體技術」大獎
。
理解 XCENA「不做什麼」相當重要。該公司設計的並非比 Nvidia H100 或 B200 更快訓練巨型基礎模型的晶片。MX1 被定位為資料密集型操作的協同處理器,與現有的 CPU 和 GPU 協同工作,而非取而代之 。
對於 AI 推論中必須反覆掃描大型記憶體池,或是像即時分析和向量搜尋等資料庫密集型工作負載,XCENA 的策略是,透過在源頭處理工作中「記憶體密集」的部分,來減輕主處理器的負擔。目標是建立一個無需讓每一筆資料都經過最昂貴、最耗電的運算引擎的資料中心 。
B 輪融資伴隨的 5.7 億美元估值,顯示投資人堅信以記憶體為中心的運算在 AI 基礎設施中將扮演有意義的角色 。目前,MX1 正與特定的合作夥伴進行探索性合作,以驗證真實世界中的系統級效率與效能提升
。
然而,驗證的故事仍在書寫中。FMS 大獎與規格亮眼的報導是充滿希望的訊號,但對一個試圖重新設計伺服器系統基礎環節的技術而言,量產部署與獨立的效能標竿測試,才是真正的考驗。XCENA 的賭注在於,AI 產業已準備好不再搬移資料,而是開始就地處理資料。