硅谷初创公司CScale完成1.45亿美元C轮融资，计划推进针对AI数据中心的光互连技术，目标在2028年出货。英伟达与英特尔以战略投资者身份参投，但公司尚未披露完整技术细节或大规模部署证据，光互连的可靠性与商业化仍待验证。
硅谷初创公司CScale于2026年9月30日宣布完成1.45亿美元（约合人民币10.3亿元）的C轮融资，并正式结束隐身状态。公司希望利用这笔资金推进面向AI数据中心的光互连技术，将光学连接引入大规模AI系统中，减少传统铜缆在距离、带宽和系统扩展上的限制。
这轮融资由Atreides Management、Valor Equity Partners和Premji Invest共同领投，Sutter Hill Ventures和Maverick Silicon等现有投资方继续参与。英伟达和英特尔旗下Intel Capital则作为战略投资者加入。CScale表示，本轮融资后，公司累计融资额达到1.88亿美元。
路透社报道与CScale发布的公司公告均显示，CScale此前使用过CSpeed这一名称。公司总部位于美国加州帕洛阿尔托，成立于2023年，目前全球约有85名员工。
CScale想解决的不是单个芯片，而是芯片之间的连接
训练和运行大型AI模型时，成千上万块加速器需要持续交换数据。芯片本身的计算能力固然重要，但如果芯片之间的通信受到距离、带宽、延迟或故障影响，部分计算资源就可能处于等待状态。
路透社称，CScale正在开发一种用光纤连接AI芯片的方案，目标是替代AI服务器内部部分铜缆连接。铜缆在短距离内具有成熟、可靠和成本相对可控等优势，但传输距离受到限制。当AI系统不断扩大时，芯片通常需要更紧密地布置在服务器和机架中，并配合复杂的散热系统。
光互连通过激光脉冲而不是电子信号传输数据，可以在更长距离上提供高带宽通信，因此被视为扩大AI集群规模的一条技术路径。不过，光学组件自身也存在可靠性问题。激光器可能发生故障，在大规模系统中，单个链路上的低概率故障可能会累积为持续性的系统运维问题。
CScale在公告中称，公司的目标不是简单提高峰值带宽，而是设计能够“容纳”光学故障的互连架构，在某个光学部件失效时避免中断计算。公司首席执行官Martin Lund说：“激光器会失效，但计算不应当因此停止。”
这些表述目前主要代表公司的技术方向和产品设计目标。CScale没有完整披露其芯片架构、互连协议、性能测试、客户名单或已签署的商业合同，也没有公开证明其方案已经完成大规模客户部署。
英伟达和英特尔的投资说明了什么
英伟达和英特尔以战略投资者身份参与融资，使这轮融资具有一定的产业信号意义。两家公司都在AI芯片、服务器和数据中心基础设施领域占据重要位置，光互连则处于芯片、网络和系统架构的交叉地带。
对英伟达而言，AI基础设施的竞争已经不再只围绕GPU型号展开。机架设计、网络、内存、供电、散热和软件栈，正在共同决定一个AI系统能否规模化运行。英伟达近期推动专用芯片接入其机架和互连生态的做法，也体现出平台级基础设施的重要性。
例如，AIFlux此前报道的d-Matrix将Raptor推理芯片接入英伟达NVLink Fusion机架体系显示，专用推理芯片公司也在尝试借助成熟的机架、网络和供应链进入大型AI工厂。CScale的路径则更加聚焦于连接层本身：它试图让光学互连成为AI scale-up系统的一部分，而不是把问题局限在单个加速器的性能上。
英特尔同样长期参与服务器、网络和光通信相关技术。对CScale这样的初创公司来说，战略投资者不仅可能带来资金，也可能提供产业链关系、技术验证和潜在客户接触渠道。但投资本身不等于产品采购或商业部署，CScale与两家公司的具体合作范围尚未公开。
2028年出货仍是公司的计划
路透社报道，CScale计划在2028年出货相关芯片。公司首席执行官Martin Lund此前负责思科的Common Hardware Group，涉及芯片、硬件系统和光学业务；CScale的官方介绍还称，他曾在博通、微软和Cadence担任高级管理职务。
2028年出货是公司给出的产品时间表，而不是已经完成量产或客户部署的结果。现阶段也没有公开信息显示CScale已经实现规模化收入，或者其产品已经在大型AI数据中心中运行。
这一点对理解融资故事非常重要。CScale已经完成融资，且公司已从隐身状态进入公开运营阶段，这是可以确认的事实；但光互连技术的具体性能、可靠性、成本和商业化进度，仍需要后续样品、独立测试和客户部署来验证。
AI基础设施的瓶颈正在向系统层移动
CScale获得大额融资，反映出投资者关注的对象正在从训练芯片延伸到芯片之间的连接、数据搬运和系统可靠性。随着AI集群扩大，单独增加加速器数量并不能自动带来等比例的有效计算能力。网络拥塞、同步、故障隔离、散热和维护，都可能决定新增芯片能否真正转化为可用算力。
类似的系统级思路也出现在Cornelis Networks获2.05亿美元融资、推动网络参与计算的案例。后者试图通过网络内计算减少加速器等待数据的时间，CScale则把重点放在光学连接和故障连续性上。两者共同说明，AI基础设施的价值竞争正在向“如何把芯片组织成可运营系统”推进。
但这场竞争也面临现实约束。光学器件需要在大规模部署中保持稳定，系统还必须与既有芯片、网络协议、软件和运维流程兼容。即使技术能够提供更高带宽，也不代表客户会立即替换已经运行的铜缆和网络设备。迁移成本、供应链能力、软件适配和长期故障率，最终都会影响商业采用。
因此，CScale这轮1.45亿美元融资更准确地说明，资本正在押注AI数据中心互连层的重要性，而不是证明光互连已经成为成熟的行业标准。公司能否按计划在2028年出货，以及其技术能否在真实AI集群中实现可靠、可维护且具备经济性的连接，仍有待后续产品和客户数据回答。