维度网讯，SambaNova Systems公司正凭借其DataScale系统及全栈产品组合重新获得市场关注。该公司近期完成由泛大西洋投资集团（General Atlantic）领投的10亿美元后期融资，投后估值达到110亿美元。2026年全年，投资者对专用AI计算的需求持续增长，这强化了企业在基础设施规划领域的普遍趋势。

DataScale系统整合了定制芯片、集成硬件系统和云服务，旨在支持高性能训练与推理工作负载。这种组合模式对希望应对模型规模快速增长的各行业均有吸引力。虽然专用加速器并非所有用例必需，但生成式AI的规模化采用正持续扩大其应用空间。

高德纳（Gartner）预计，全球AI半导体市场规模到2027年将达到约1190亿美元。国际数据公司（IDC）预测，到2026年，以AI为中心的系统支出可能达到3000亿美元。这些数据表明，基础设施硬件正成为AI预算的重要组成部分，从而印证了该供应商的战略方向。麦肯锡（McKinsey）估计，生成式AI每年可为全球经济贡献高达4.4万亿美元，这直观体现了企业对支撑此类密集型工作负载的计算能力的庞大需求。

当前市场格局中，英伟达（Nvidia）凭借其GPU及Grace/Blackwell平台占据主导地位，超威（AMD）则正推进其MI系列加速器。Cerebras Systems采用晶圆级处理器架构，在方法上独具特色。SambaNova的差异化在于其硬件与软件的深度整合。部分IT团队认为全栈方法可降低集成复杂度，而另一些团队在跨多个云及本地环境运行时更倾向于模块化方案。

DataScale架构设计用于支持大型模型训练、大规模推理及领域特定定制。该平台为企业提供了一条不单纯依赖通用GPU集群即可实现高吞吐量计算的路径。其云服务层为寻求托管容量而非物理集群的客户提供了另一接入点。在金融、电信及公共部门等场景中，托管容量因延迟和数据驻留要求的不同而变得愈发重要。

开放神经网络交换格式（ONNX）等开放模型格式有助于模型在不同类型加速器间迁移，在企业计算资源日益多元化的背景下，这一特性至关重要。电气电子工程师学会（IEEE）的浮点数和处理器架构标准依然是基础，它们决定了芯片在处理精度、效率及系统协同方面的能力。

数据中心内AI加速器的部署正在快速推进。Omdia报告称，数据中心环境中AI加速器的出货量年复合增长率超过25%。超大规模云服务商仍是最大买家，但随着企业运行更多内部训练工作负载，其贡献也在显著增加。

此次新一轮融资为SambaNova Systems拓展全球部署及扩大产能提供了助力。过去数年的硅供应短缺曾影响项目进度，探索生成式AI部署的公司常将硬件获取视为主要瓶颈。尽管没有一家供应商能完全解决短缺问题，但专业硬件开发商增加供给为市场提供了更多选择。企业在比较各类方案时，需综合权衡性能、价格、软件成熟度及可用性，这促使市场形成支持多种架构的格局。

尽管许多组织依赖云平台提供的基座模型，但本地推理和微调工作负载持续推动着企业对加速器的需求。集成硬件系统简化了团队的工作流程，使其无需拼凑单个基础设施组件即可获得可预测的性能表现。

大型AI系统耗电量大且发热量高。数据中心运营商正采用新的冷却策略作出调整，全栈硬件供应商必须使其物理设计与此类设施相匹配，以满足严格的运营及能耗限制。

新投资、扩张计划与成熟产品组合相结合，使该公司在企业调整计算策略之际获得了增长动力。其未来增长取决于客户采用模式、竞争动态以及先进制造产能的可用性。AI加速器市场的强劲增长轨迹，为该公司继续扩大DataScale平台提供了明确的动力。