Axelera AI：欧洲边缘 AI 加速器新锐，用“存内计算”挑战 GPU 的 Metis、Europa 与 Titania
Axelera AI 是一家来自欧洲的 AI 芯片企业，专注于 AI 推理加速器、边缘 AI、生成式 AI 和高性能计算。
与 NVIDIA、AMD 依靠 GPU 执行大量通用并行计算不同，Axelera AI 选择了一条非常不同的技术路线：Digital In-Memory Computing，也就是数字存内计算。
它的基本思路非常直接：传统处理器需要不断把神经网络权重从内存搬到计算单元，再把结果写回去。
Axelera AI 则希望：尽量在存放数据的地方直接完成计算。这样可以大幅减少 AI 推理过程中最耗费电力和时间的数据搬运。
Metis
Europa
Titania
其中 Metis 面向低功耗边缘 AI，Europa 将性能进一步提高到服务器级别，而 Titania 则准备通过 Chiplet 架构进入 HPC 和大型 AI 基础设施市场。
Axelera AI 是什么公司？
Axelera AI 成立于 2021 年 7 月，总部位于荷兰 Eindhoven，也就是欧洲著名的埃因霍温高科技产业中心。
公司创始团队实际上结合了几支不同的技术力量。
其中一支来自 Bitfury AI，由 Fabrizio Del Maffeo 领导。
另一支来自 IBM Research Zurich，由长期从事存储、计算和芯片研究的 Evangelos Eleftheriou 领导。
此外还有来自 ETH Zurich、imec、Qualcomm 和 Google 等机构的研究人员和工程师。
2021 年，这些团队合并并建立 Axelera AI。
现任 CEO、联合创始人是：Fabrizio Del Maffeo
他此前曾担任 Bitfury Group 的 AI 负责人，也曾在 ASUS 集团旗下 AAEON Technology Europe 担任副总裁和 Managing Director。
联合创始人兼 CTO 是：Evangelos Eleftheriou
他曾经在 IBM Research Zurich 工作超过 35 年，并获得 IBM Fellow 和 IEEE Fellow 等荣誉。
Axelera AI 为什么值得关注？
大型 GPU 可以拥有非常高的 AI 算力，但与此同时，它们也需要：
大量电力
复杂散热
高速内存
大型服务器
昂贵的数据中心基础设施
对于云计算中心来说，这可能还能接受。
但是对于：
智能摄像头
机器人
无人机
工业设备
零售设备
医疗设备
边缘服务器
汽车
来说，几百瓦甚至上千瓦的 AI 计算平台往往并不现实。
Axelera AI 因此选择从另外一个方向进入市场：不是单纯追求最高算力，而是追求每瓦电力和每美元成本能够获得多少 AI 推理性能。
这也是 Metis 最核心的设计思想。
什么是 AIPU？
Axelera AI 把自己的 AI 芯片称为 AIPU。也就是 AI Processing Unit。
从功能上看，它和我们通常所说的 NPU、AI Accelerator 属于同一个大类。
但 Axelera AI 并没有采用传统 GPU 的大规模 SIMD 或 Tensor Core 路线。
它的核心技术叫：D-IMC。全称，Digital In-Memory Computing 即 数字存内计算。
为什么 AI 需要“存内计算”？
现代神经网络最重要的计算之一是：Matrix-Vector Multiplicatio 矩阵与向量乘法。
卷积神经网络、Transformer 和大量 AI 模型都需要执行数量惊人的矩阵运算。
传统计算机架构通常是：
内存存数据
↓
把数据送到处理器
↓
处理器计算
↓
再写回内存
问题在于：现代芯片计算速度越来越快，但移动数据本身需要耗费大量时间和能量。
这就是所谓的：Memory Wall。
Axelera AI 的 D-IMC 尝试把矩阵乘法直接放进 SRAM 存储阵列附近执行。
也就是说：不要把大量权重搬到计算单元，而是在权重所在的位置完成计算。
Axelera AI 表示，其 D-IMC 可以在减少数据搬运的同时提高 AI 推理的性能和能源效率。
为什么是“Digital” In-Memory Computing？
存内计算并不是 Axelera AI 首创。
业内还有一种重要路线叫：Analog In-Memory Computing。
模拟存内计算。模拟计算理论上可以获得非常高的能源效率，但同时可能面对：
噪声
器件差异
精度变化
模拟电路复杂度
计算结果重复性 等问题。
Axelera AI 选择的是：Digital In-Memory Computing。
也就是采用数字方式完成存内计算。公司认为，这样可以在保留存内计算高效率优势的同时，提高计算结果的确定性和精度。
Metis：Axelera AI 第一代主力 AI 加速器
Axelera AI 最重要的第一代产品是：Metis AIPU。
Metis 专门针对 Edge AI Inference，也就是边缘 AI 推理设计。
Metis 采用 12nm CMOS 工艺，内部拥有 4 个 AI Core。每个 AI Core 都拥有自己的存内计算矩阵单元和向量计算单元。
四个 AI Core 可以：共同执行一个模型，并行处理多个模型，同时处理多路视频，或者根据应用需求分配不同 AI 工作负载。
Metis 有多少 AI 算力？
根据 Axelera AI 公布的数据，单颗 Metis AIPU 可以提供最高约 214 TOPS INT8 AI 推理性能。
每个 AI Core 大约可以提供 53.5 TOPS
四个核心组合后达到约 214 TOPS。
Axelera AI 给出的能源效率最高约为 15 TOPS/W。
需要注意的是：TOPS 只是 AI 芯片的一个理论性能指标。
不同芯片的 模型支持，量化方式，内存，软件，实际利用率，模型大小 都会影响真实应用性能。
因此不能简单用：“214 TOPS” 判断一块 AI 芯片一定比另一块 100 TOPS 的芯片快两倍。
但 Metis 的这些指标仍然说明它非常明确地把 性能 / 功耗比 作为核心竞争方向。
Metis 的功耗非常低
Axelera AI 当前将 Metis 定位在大约 4W—8W 平均功耗范围。这也是它和大型 GPU 最大的区别之一。
在这种功耗级别下，Metis 可以被做成：
M.2 模块
PCIe 卡
小型计算板
Mini PC
Edge Server
而无需建立大型 GPU 服务器所需要的复杂电源和散热环境。
Metis 为什么使用 RISC-V？
Metis 的 AI Core 不只是固定功能矩阵运算单元。
其内部还使用：RISC-V Controlled Dataflow Engine，也就是利用 RISC-V 控制 AI 数据流。
RISC-V 的一个优势是开放和可扩展。
Axelera AI 可以根据自己的 AI 芯片需求增加定制控制方式，而不需要完全依赖传统 CPU 指令集。
Metis 每个 AI Core 中还拥有用于处理非矩阵运算的 Vector Datapath。
因此它并不是一块只能执行单一矩阵乘法的固定功能 ASIC。
这种：RISC-V + D-IMC + Vector Processing 组合，是 Axelera AI 架构的重要特点。
Metis 不是独立 CPU
需要特别说明：Metis 的定位主要是 AI Accelerator。它通常需要和 Host CPU 配合工作。
例如处理视频时：
摄像头输入
视频解码
图像预处理
AI 推理
后处理
业务逻辑
并不一定全部都在 Metis 上执行。
Metis 重点负责神经网络计算，而 Host CPU 负责系统和部分前后处理任务。
从这个角度看，它和 SiMa.ai MLSoC 的定位有明显区别。
SiMa.ai 更强调把 CPU + AI Accelerator + Vision + Video 集成到完整 SoC 中。
Axelera AI Metis 则更加接近 高效率独立 AI Accelerator。
Metis 可以运行什么？
Metis 最早主要面向 Computer Vision。
例如：图像分类，目标检测，目标追踪，人脸分析，工业缺陷检测，智能摄像头，交通监控，零售分析，机器人视觉。
随着软件和模型支持不断扩大，Metis 目前也能够运行部分：
Transformer
Large Language Model
Generative AI
工作负载。
Axelera AI 表示，单颗 Metis 可以支持最高大约 8B 参数级别的 LLM，具体能力会受到模型结构、量化和内存配置影响。
Metis M.2 Max
2025 年，Axelera AI 进一步推出：Metis M.2 Max。
这个版本在原有 Metis M.2 基础上提高内存带宽，并改善了散热和安全功能。
Axelera AI 表示，M.2 Max 在部分 LLM Edge 应用中可以把性能提高到原 M.2 产品的约两倍。
这说明 Axelera AI 的产品重点已经从单纯 Computer Vision 逐渐扩展到：Generative AI at the Edge。
Europa：629 TOPS 的第二代 AI 加速器
如果说 Metis 是低功耗 Edge AI 芯片，那么 Europa 就是 Axelera AI 向更高性能市场迈出的关键一步。
Europa 于 2025 年正式公布，并计划在 2026 年进入更广泛部署。
Europa 拥有 8 个第二代 AI Core，也就是 Metis 的两倍。
每个核心继续采用 Axelera AI 第二代 Digital In-Memory Computing 技术。
整个 Europa 可以提供最高约 629 TOPS INT8 AI 推理性能。
Europa 功耗约 45W
Europa 一个非常值得注意的数字是 45W TDP。
629 TOPS 与 45W 的组合，让 Europa 的定位非常特殊。
它既不是几瓦级嵌入式 AI 芯片，也不是数百瓦甚至上千瓦的大型数据中心 GPU。
它瞄准的是 Heavy Edge 以及 Enterprise AI Server 之间的市场。
例如：工业服务器，机器人，本地 GenAI Server，智能工厂，医疗系统，企业内部 AI，视频分析服务器。都可能成为 Europa 的应用市场。
Europa 加入 16 个 RISC-V Vector Core
Europa 不只是简单地把 Metis 的 AI Core 从 4 个增加到 8 个。
它还加入了 16 个 RISC-V Vector Processing Core。
这些 Vector Core 可以负责：
Pre-processing
Post-processing
以及其他不适合 D-IMC 矩阵单元执行的计算。
这样可以减少 Host CPU 的负担。
这也是 Europa 相比第一代 Metis 一个非常重要的改变。
Axelera AI 正逐渐把更多 AI Pipeline 计算移入自己的 AIPU。
Europa 的内存系统
Europa 配备：128MB L2 SRAM
同时拥有最高大约：200GB/s DRAM Bandwidth。
单颗芯片可以配置最高：64GB 内存。
这使 Europa 能够运行明显大于 Metis 的 AI 模型。
Axelera AI 当前给出的产品定位是：单颗 Europa 可支持大约 32B 参数级别模型
而通过多芯片组合，可以进一步运行最高约：100B 参数级别 的 LLM。
这里同样需要注意：
“支持多少 B 参数”并不等于所有此规模模型都能够以完全相同的性能运行。
模型量化、KV Cache、Context Length 和架构都会影响实际部署。
Europa 开始进入本地生成式 AI
Europa 一个非常重要的目标就是：Multi-user Generative AI。
过去企业如果要在本地运行较大的 LLM，VLM，Multimodal AI，通常需要部署 GPU Server。
Axelera AI 希望 Europa 提供另一种选择：使用更低功耗、更低成本的专用推理加速器执行本地 AI。
例如企业可以运行：
私人 LLM
文档问答
视频理解
视觉语言模型
机器人 AI
多用户生成式 AI
而不必把所有数据发送到云端。
Europa 与 GPU 的竞争逻辑
Axelera AI 宣称，在其目标工作负载和比较配置下，Europa 可以实现大约：
3—5 倍 Performance per Dollar
以及：
2—3 倍 Performance per Watt 的优势。
这些数字来自 Axelera AI 自己的比较，因此不能理解成 Europa 在所有 AI 工作负载下都比 GPU 快几倍。
真正应该关注的是它的竞争逻辑：
NVIDIA GPU 强调：通用性 + CUDA + 大规模训练和推理。
Europa 强调：Inference + Energy Efficiency + Lower Cost。
因此 Europa 并不是试图完全代替 GPU。
它真正想抢的是：那些不需要 GPU 全部通用能力，却又长期运行大量 AI 推理的工作负载。
Titania：Axelera AI 开始向数据中心和 HPC 进军
Axelera AI 的下一步更加大胆。
2025 年，公司宣布：
Titania。
Titania 不再只是传统独立 Edge AI Accelerator。它将采用 Chiplet 架构。
多个 Titania AI Chiplet 可以组合到一个 System-in-Package 中，从而把 Axelera AI 的 D-IMC 技术从边缘设备扩大到：
HPC
AI Data Center
Supercomputer
大规模 AI 推理基础设施。
Titania 得到欧洲 EuroHPC 支持
Titania 是欧洲 DARE 项目的一部分。
Axelera AI 获得最高约 6160 万欧元 的相关资金支持，用于开发可扩展 AI Chiplet。
DARE 属于 EuroHPC 体系的重要项目之一，其目标包括建立欧洲自己的：
高性能处理器
AI Accelerator
Chiplet
Supercomputing
技术体系。
这意味着 Axelera AI 的意义已经不仅是一家创业公司。
它也开始进入 欧洲半导体自主战略 的一部分。
Axelera AI 还在进入汽车 Chiplet
Axelera AI 还参与了欧洲 CHASSIS 项目。这个项目希望建立开放的 Automotive Chiplet 生态。
Axelera AI 将提供基于 D-IMC 的 AI Accelerator Chiplet，与其他公司的 Base Die 和处理器组合。
未来一个汽车 SoC 可能不再全部来自一家半导体公司。
而是：
CPU Chiplet
AI Chiplet
I/O Chiplet
Safety Chiplet
由不同厂商提供，然后通过统一 Die-to-Die Interface 组合。
Axelera AI 希望成为其中提供 AI Compute Chiplet 的厂商之一。
Voyager SDK：芯片之外的软件平台
NVIDIA 最大的优势就是 CUDA。
因此任何挑战 NVIDIA 的 AI 加速器企业，都必须回答一个问题：开发者怎么把现有模型放到你的芯片上？
Axelera AI 的答案叫：Voyager SDK。
Voyager 提供：
模型编译
Inference Runtime
模型优化
Pipeline
性能测试
硬件管理
Model Zoo
Python API
开发工具 等完整软件环境。
Voyager 支持主流 AI 开发框架
Voyager 的目标不是要求用户完全重新开发模型。
开发者可以继续使用常见 AI 框架，例如：
PyTorch
TensorFlow
ONNX
然后通过 Axelera AI 的工具链把模型转换并部署到 Metis 等硬件。
Voyager 内部还使用包括 TVM Compiler、GStreamer 等软件组件建立 AI Pipeline。
因为客户最怕的问题不是 “你的芯片算力够不够？” 而是 “为了换你的芯片，我是不是得把整个软件重新写一遍？”
Voyager Wingman：AI 帮工程师开发 AI 加速器应用
2026 年 7 月，Axelera AI 又公开推出：Voyager Wingman。
这是一个面向 Axelera AI 开发环境的 AI Coding Assistant。
它可以利用自然语言帮助开发者：
查找 SDK 文档
Debug
优化性能
寻找编译配置
解决 Axelera 硬件部署问题。
过去竞争的是 芯片。
后来竞争 芯片 + SDK。
Axelera AI 的主要应用市场
Axelera AI 当前重点覆盖的市场包括：
智能安防
工业自动化
智能城市
零售
机器人
Computer Vision
航空航天
医疗
农业
HPC
本地生成式 AI
汽车
Edge Server
这些市场的共同特点就是：
需要在本地大量执行 AI 推理，但又希望降低 GPU 带来的功耗和成本。
太空也是 Axelera AI 的市场
2026 年，Axelera AI 与 AIKO 合作，把 AI 加速能力进一步用于 卫星和航天器。
在传统卫星中，大量数据需要首先发送回地面，然后再进行分析。
如果卫星自身拥有更强 AI 能力，就可以直接在轨道上执行：图像分析，目标检测，事件识别，数据筛选，自主决策。
这实际上是最极端的一种 Edge AI。因为太空里的计算设备比地面系统更加受到 功耗，重量，散热，通信带宽 限制。
Axelera AI 正在扩大硬件生态
2026 年 2 月，Axelera AI 宣布新增六项合作。
其中包括与荷兰 Prodrive Technologies 合作，把 Metis AIPU 集成进 Server，Rack，Cabinet 等生产级工业 AI 系统。
Axelera AI 当前还在不断扩大 OEM、软件和系统集成伙伴网络，希望从“卖芯片”逐渐变成 完整 Edge AI Platform。
Axelera AI 融资已经超过 4.5 亿美元
Axelera AI 是目前欧洲融资规模比较大的 AI 半导体创业公司之一。
2026 年 2 月，公司宣布新一轮融资超过 2.5 亿美元。
这一轮由 Innovation Industries 领投，并包括 BlackRock、SiteGround Capital 等新投资者。
现有投资方则包括：
Bitfury
CDP Venture Capital
European Innovation Council Fund
SFPIM
Invest-NL
Samsung Catalyst Fund
Verve Investments 等。
截至这一轮融资，Axelera AI 表示，公司自 2021 年成立以来获得的 股权融资，政府 Grant，Venture Debt，总额已经超过 4.5 亿美元。
为什么欧洲如此重视 Axelera AI？
欧洲虽然拥有：
imec
Infineon
STMicroelectronics
Bosch Semiconductor
等强大的半导体企业和技术机构，但在当前最热门的 AI Accelerator 市场上，欧洲明显落后于美国。
美国拥有：
Google TPU
Meta MTIA
Cerebras
因此 Axelera AI 的出现具有额外意义。
如果 Europa 和 Titania 能够真正进入大规模商业部署，它可能成为欧洲少数能够建立完整 AI Accelerator Hardware + Software Stack 的企业之一。
Axelera AI 和 Hailo 有什么区别？
Axelera AI 和 Hailo 都重点关注：高性能低功耗 AI 推理。
但两家公司架构不同。
Hailo 主要依赖自己的：Dataflow Architecture。
Axelera AI 则最核心地强调：Digital In-Memory Computing。
另外 Axelera AI 的路线现在正在明显向更高性能方向扩展：
Metis
↓
Europa
↓
Titania
也就是说：Edge → Server → HPC。
而 Hailo 目前仍然更加集中在：
Edge AI
AI PC
Vision
Generative AI Edge Acceleration 等市场。
Axelera AI 和 SiMa.ai 有什么区别？
SiMa.ai 更加强调：MLSoC。
也就是把：
AI Accelerator
Computer Vision
视频处理
I/O
整合到完整 System-on-Chip。
Axelera AI Metis 则更接近：独立 AI Accelerator。它通常和 Host CPU 配合运行。
Axelera AI 最大的架构特色则是：D-IMC。
所以简单概括：
Hailo：Low-Power Dataflow AI Accelerator
Axelera AI：Digital In-Memory Computing AIPU
三家公司虽然都属于 Edge AI，但技术路线其实非常不同。
Axelera AI 和 NVIDIA Jetson 有什么区别？
NVIDIA Jetson 最大的优势并不是单纯的 TOPS。
真正的优势是：
CUDA
TensorRT
PyTorch 支持
机器人生态
开发者数量
第三方开发板
长期软件积累
Axelera AI 很难在短时间内复制这种生态系统。
但是 Axelera AI 有另一个非常明确的竞争点：功耗和成本。
如果一个应用只是长期执行：
YOLO
ResNet
视频分析
工业 Vision
固定 Transformer
本地 LLM Inference
那么客户并不一定需要 GPU 所提供的全部通用计算能力。
这种情况下，专用 AI Accelerator 可能拥有明显优势。
这正是 Axelera AI 想要进入的市场。
Axelera AI 最大的优势
Axelera AI 第一大优势是：Digital In-Memory Computing。它不是简单复制 GPU，而是试图改变 AI 矩阵计算的数据移动方式。
第二个优势是：能源效率。Metis 以几瓦级功耗提供超过 200 TOPS 的 INT8 理论算力。
第三个优势是：产品路线非常清晰。
Metis：
Edge AI
Europa：
Heavy Edge + Server
Titania：
HPC + Data Center
第四个优势是：RISC-V。这给芯片架构留下很大的定制空间。
第五个优势是：欧洲政策支持。Axelera AI 同时获得欧盟和多个欧洲国家项目支持，使其不仅仅依赖风险投资资金。
Axelera AI 面临的最大挑战
它最大的挑战依然是：软件生态。
一块 AI 芯片即使在某些 benchmark 中比 NVIDIA GPU 更省电，如果客户需要花半年时间修改软件，也很难获得市场。
因此 Voyager SDK 的成熟度可能比 TOPS 更重要。
第二个挑战是：Generative AI 模型变化太快。
新的 Transformer、Mixture-of-Experts、VLM、Multimodal Architecture 不断出现。
专用 AI ASIC 必须保持足够可编程性，否则芯片可能很快落后。
第三个挑战是：客户规模。
研发成本
软件成本
芯片 Tape-out 成本
先进封装成本
Axelera AI 必须真正建立大规模商业客户，才能形成类似的正循环。
第四个挑战是：训练市场。
Axelera AI 当前最大的优势仍然集中在 Inference。
在最先进大型 AI 模型训练领域，NVIDIA GPU 仍然拥有非常明显的优势。
2026 年的 Axelera AI 已经不只是 Edge AI 公司
早期介绍 Axelera AI 时，可以简单说：一家做边缘 Computer Vision AI 芯片的欧洲创业公司。
到了 2026 年，这个说法已经不够准确。
它的路线已经发展为：
Metis → Edge AI
Europa → Enterprise AI + Generative AI
Titania → HPC + Data Center
与此同时，公司还在进入：
汽车 Chiplet
卫星 AI
机器人
工业 AI
企业服务器
本地 LLM
这意味着 Axelera AI 正试图从 Edge AI Chip Startup 逐渐升级成 完整 AI Accelerator Company。
总结
Axelera AI 是目前欧洲最值得关注的 AI 加速器创业公司之一。
它真正特殊的地方，并不是简单地制造另一块 NPU，而是采用 Digital In-Memory Computing + RISC-V 重新设计 AI 推理加速器。
第一代 Metis 证明了这条技术路线可以进入实际硬件：最高约 214 TOPS，几瓦级功耗。
随后 Europa 把性能提高到 629 TOPS，并把目标从传统 Edge AI 扩大到 机器人、本地生成式 AI 和企业服务器。
下一步 Titania 则准备使用 Chiplet 把 D-IMC 扩展到 HPC 和大型 AI 基础设施。
因此 Axelera AI 的发展路线可以概括成：
Computer Vision → Edge AI → Generative AI → Enterprise Server → HPC。
它与 NVIDIA 的竞争也并不是简单的 GPU 对 GPU。
而是两个完全不同的技术哲学：
NVIDIA 的答案是：越来越强大的通用并行处理器。
Axelera AI 的答案则是：减少数据移动，在内存附近直接完成最重要的 AI 计算。
如果未来 AI 推理真正遍布摄像头、机器人、汽车、工厂、企业服务器甚至卫星，那么 AI 加速器最重要的指标可能不再只是 谁的 TOPS 最大？
而会越来越变成 谁能用更少的电、更低的成本，把同样的 AI 模型真正部署到现实世界？
Axelera AI，正在押注这个方向。