SiMa.ai：专攻边缘 AI 与 Physical AI 的芯片新锐，挑战 NVIDIA Jetson 的 MLSoC 加速器公司
SiMa.ai 是一家专注于 边缘 AI、嵌入式 AI 和 Physical AI（物理人工智能） 的美国 AI 芯片企业。
与 NVIDIA 主要依靠 GPU 覆盖数据中心、工作站、汽车和边缘计算不同，SiMa.ai 从成立之初就把目标放得非常明确：
让 AI 模型直接在机器人、无人机、工业设备、摄像头、汽车和其他真实世界设备上运行，而且尽可能降低功耗。
SiMa.ai 的核心产品不是传统 GPU，而是一种被公司称为：
MLSoC——Machine Learning System-on-Chip，机器学习系统级芯片。
截至 2026 年，公司已经推出第二代 Modalix MLSoC，并把战略重点进一步升级到 Physical AI，希望让机器不仅能够“看见”，还能够理解、推理，并根据现实环境采取行动。
SiMa.ai 是什么公司？
SiMa.ai 的公司主体是 SiMa Technologies, Inc.，成立于 2018 年，总部位于美国加利福尼亚州圣何塞。
创始人兼 CEO 是 Krishna Rangasayee。
Rangasayee 拥有超过 30 年的半导体行业经验，曾经担任 Xilinx 执行副总裁和总经理，也曾在 Cypress、Altera 和 Groq 等公司任职。
SiMa.ai 的董事会同样具有浓厚的半导体背景，其中包括前 Xilinx CEO Moshe Gavrielov，以及 Intel CEO、前 Cadence CEO Lip-Bu Tan。
除了美国总部之外，公司目前还在德国、印度、以色列、日本、韩国、波兰和台湾设有团队或办公室。
为什么需要 SiMa.ai 这样的 AI 加速器？
今天谈 AI 芯片，很多人首先想到 NVIDIA GPU。但是，并不是所有 AI 都运行在大型数据中心里。
越来越多 AI 需要直接运行在现实世界中的设备上，例如：
机器人
无人机
工业机器
智能摄像头
汽车
医疗设备
零售系统
自动化设备
这些设备和数据中心服务器有一个很大的不同：它们往往没有几百瓦甚至上千瓦的电力供应。
比如一架无人机，如果 AI 计算平台功耗过高，就意味着需要更大的电池。
更大的电池意味着：重量增加，飞行时间下降，散热更加困难，整机成本增加。
因此边缘 AI 的核心指标并不仅仅是 算力有多高？还要看 每瓦电力到底能完成多少 AI 计算？
这正是 SiMa.ai 的主要切入点。
什么是 MLSoC？
全称：Machine Learning System-on-Chip。它并不只是一个单独的神经网络加速器。
SiMa.ai 希望在一颗芯片中整合运行完整边缘 AI 应用所需要的多个计算模块，包括：
机器学习加速器
计算机视觉处理器
视频编码器
视频解码器
内存控制器
PCIe
Ethernet
摄像头接口
系统管理
安全模块
也就是说，MLSoC 更像是一套完整的 AI 计算系统。
设备制造商不一定需要 CPU + GPU + 视频芯片 + AI 加速器 组成复杂系统。很多工作可以直接在一颗 MLSoC 上完成。
这也是 SiMa.ai 所强调的 System-on-Chip 思路。
第一代 SiMa.ai MLSoC
SiMa.ai 第一代 MLSoC 主要针对：Computer Vision + Edge AI，也就是计算机视觉和边缘机器学习。
第一代 MLSoC 使用 16nm 工艺制造，机器学习加速器最高可提供约 50 TOPS AI 计算能力。
芯片同时集成：
Synopsys ARC EV74 计算机视觉处理器
H.264/H.265 视频编码和解码
LPDDR4 内存接口
PCIe Gen4
Ethernet
以及 SiMa.ai 自己设计的 Machine Learning Accelerator。
SiMa.ai 官方资料显示，其机器学习加速器可以达到最高约 10 TOPS/W 的计算效率。
SiMa.ai 很早就把重点放在性能功耗比
这家公司最值得注意的地方之一，就是它没有一开始就和 NVIDIA 比：“谁的 TOPS 最大？”
SiMa.ai 更关注：FPS/Watt，也就是每瓦电力能够处理多少帧图像。对于边缘 AI 来说，这个指标非常重要。
因为很多设备受到：功耗，散热，尺寸，重量，电池，成本 等条件限制。
SiMa.ai 曾经参加 MLCommons 的 MLPerf Inference Edge 测试。
在 2023 年 MLPerf Inference 3.0 的部分 ResNet50 边缘推理测试中，SiMa.ai 第一代 MLSoC 在能效等指标上取得了优于 NVIDIA Jetson AGX Orin MaxQ 对比系统的结果。
例如公司引用的测试数据显示，SiMa.ai 系统在相关 Single Stream 测试中的单位处理能耗约为 15.29mJ，而 NVIDIA Jetson AGX Orin 对比结果约为 22.19mJ。
需要注意的是，这并不能简单理解成：“SiMa.ai 全面超过 NVIDIA。”
MLPerf 测试的是特定模型、特定配置和特定工作负载。
但它至少证明了一点：SiMa.ai 的确有能力在低功耗边缘 AI 这个细分市场和 NVIDIA 竞争。
第二代 Modalix MLSoC
SiMa.ai 随后推出第二代 AI 加速器平台：Modalix MLSoC。
如果说第一代 MLSoC 的主要目标还是传统 Computer Vision，那么 Modalix 的定位已经明显扩大。
它支持：
Computer Vision
CNN
Transformer
Large Language Model
Vision Language Model
Large Multimodal Model
Generative AI
也就是说，SiMa.ai 正在从传统的 边缘视觉 AI 芯片向 边缘生成式 AI + Physical AI 平台 升级。
2025 年 1 月，SiMa.ai 开始提供 Modalix 50 TOPS 产品样品。
Modalix 有多少算力？
Modalix MLSoC 可以提供最高约 50 TOPS AI 计算能力。
它同时支持 INT8 等 AI 推理格式，并支持 BF16 工作负载。
Modalix 内部集成了：
SiMa.ai Machine Learning Accelerator
8 核 Arm Cortex-A65 应用处理器
Computer Vision Unit
Image Signal Processor
视频编码器
视频解码器
LPDDR5 内存接口
PCIe Gen5
高速 Ethernet
以及各种嵌入式设备接口。
Modalix 芯片封装尺寸约为 25mm × 25mm。
SiMa.ai 官方将它定位为面向本地运行 AI 的低功耗芯片，无需依赖云端就可以执行生成式 AI、计算机视觉和机器学习推理。
为什么 Modalix 不只是一个 NPU？
也就是说：
CPU 负责运行系统。
摄像头 ISP 负责处理图像。
NPU 只负责执行神经网络。
SiMa.ai 的思路有所不同。
它希望 Modalix 本身就能够处理：
传感器输入
图像预处理
视频解码
AI 推理
CPU 应用逻辑
网络通信
结果处理
所以 SiMa.ai 强调的并不仅仅是一颗 Neural Processing Unit，而是 Machine Learning System-on-Chip。
对于机器人和无人机来说，这种设计非常有吸引力。
Modalix 的 Arm CPU
Modalix 配备：8 个 Arm Cortex-A65 CPU 核心，并支持多线程处理。
CPU 可以负责：
应用程序
设备控制
AI 前后处理
网络通信
业务逻辑 等通用计算任务。
AI 模型中计算量最大的部分则可以交给 SiMa.ai Machine Learning Accelerator。
这样形成：CPU + AI Accelerator + Computer Vision Processor 共同工作的架构。
Modalix 还支持视频和计算机视觉
Physical AI 很多时候首先需要“看见”现实世界。
因此 Modalix 还集成专用 Computer Vision Unit 和视频处理模块。
它支持包括：H.264，H.265，AV1，MJPEG 等视频格式，其中部分视频解码能力最高可以达到 4K60。
芯片同时提供摄像头接口和 Image Signal Processor。
这意味着摄像头的数据可以进入芯片后完成：图像处理，计算机视觉，神经网络推理，决策，而不必在多个独立芯片之间反复搬运数据。
SiMa.ai 正在进入生成式 AI
过去边缘 AI 最常见的应用是：
目标识别
人脸检测
车辆检测
缺陷检测
姿态识别
机器视觉
但是生成式 AI 出现后，边缘设备面对的模型变得更加复杂。
未来的机器人可能需要运行：
Vision Language Model
Multimodal Model
语音模型
视觉模型
甚至小型 AI Agent。
Modalix 就是针对这种变化开发的。
SiMa.ai 希望未来机器人能够：看见一个东西，理解它是什么，分析当前情况，进行推理 ，最后采取行动。
这就是 SiMa.ai 现在不断强调的 Physical AI。
什么是 Physical AI？
Physical AI 可以简单理解成 进入现实世界的人工智能。
ChatGPT 主要运行在数据中心里。
你输入文字，AI 返回文字。
Physical AI 则可能运行在：
机器人
汽车
无人机
工业机器
智能摄像头
自动割草机
医疗设备
里面。
它需要完成一个更加完整的循环：Perception → Reasoning → Decision → Action
也就是：感知 → 推理 → 决策 → 行动。
这也是 SiMa.ai 现在最重要的战略方向。
Palette 软件平台
SiMa.ai 很清楚，仅仅制造一块性能不错的芯片并不足以挑战 NVIDIA。
NVIDIA 最大的优势之一其实是：CUDA 软件生态。
因此 SiMa.ai 从创立之初就一直强调：Software-Centric。
公司的软件平台叫做：Palette。
开发者可以把 PyTorch、ONNX 等环境训练出来的模型转换、优化并部署到 SiMa.ai MLSoC 上。
SiMa.ai 希望开发者不需要重新设计整个 AI 应用，而是尽可能通过软件工具把已有模型迁移到 MLSoC。
从这个角度看，SiMa.ai 真正出售的不是单独一颗芯片，而是：MLSoC + Palette。
Palette Neat
2026 年 6 月，SiMa.ai 又推出了：Palette Neat。
SiMa.ai 把它称为面向 Physical AI 的 Agentic Development Environment。
简单来说，就是进一步利用 AI Agent 帮助工程师构建和部署 Physical AI 应用。
过去开发机器人或边缘 AI 系统，需要工程师分别处理：模型, 编译, 推理框架, 摄像头, 传感器, C++, Python, 硬件接口, 部署, 性能优化.
SiMa.ai 希望 Palette Neat 能够进一步自动化这些工作。
公司的目标是把一些过去需要数周甚至数月完成的 Physical AI 开发工作缩短到数天甚至数小时。
SiMa.ai 与 NVIDIA Jetson 的竞争
SiMa.ai 在边缘 AI 市场最直接面对的竞争者之一，就是 NVIDIA Jetson。
Jetson 已经广泛应用于：
机器人
无人机
机器视觉
工业自动化
智能摄像头
自动驾驶研发
Jetson 最大的优势是：
CUDA
成熟的软件生态
大量开发者
完善的工具
丰富的第三方硬件
SiMa.ai 的竞争策略则是：更高性能功耗比 + 更低功耗 + 专门针对 Physical AI 设计。
因此，这两者的竞争实际上非常有意思。
NVIDIA 的路线是：把强大的 GPU 平台缩小，带到 Edge。
SiMa.ai 的路线则更接近：从第一天开始就为 Edge 和 Physical AI 设计专用芯片。
SiMa.ai 最新产品已经直接瞄准 Jetson 生态
2025 年，SiMa.ai 推出了 Modalix System-on-Module，也就是 Modalix SoM。
这个产品的一个非常重要的设计思路，就是尽量方便现有边缘 AI 设备采用。
SiMa.ai 表示，其 Modalix SoM 的外形和接口设计考虑了与主流 GPU SoM 生态兼容，使现有系统更容易迁移到 SiMa.ai 平台。
这实际上已经把竞争目标说得很清楚：SiMa.ai 不只是想创造一个新的边缘 AI 市场。
它还希望从目前使用 Jetson 等 GPU 平台的客户中抢市场。
Modalix PCIe 加速卡
SiMa.ai 还在 2026 年推出了 Modalix PCIe HHHL Card。
这意味着 Modalix 不仅可以作为嵌入式 SoC 或 SoM 使用，也能够安装到：
工业 PC
边缘服务器
工作站
其他 PCIe 主机
里面作为 AI 加速器。
MLSoC
SoM
Development Kit
PCIe Accelerator Card
完整的软件开发平台
这有利于覆盖更广泛的 Physical AI 市场。
无人机正在成为 SiMa.ai 的重要市场
2026 年，SiMa.ai 明显加强了在无人机市场的布局。
SiMa.ai 已经与 Mistral Solutions 合作开发自主无人机 AI 平台，也与 AVerMedia 推出面向无人机的生产级硬件解决方案。
2026 年 8 月公布的 SiMa.ai + AVerMedia 无人机解决方案采用 Modalix MLSoC，可提供 50 TOPS AI 算力。同时系统 AI 计算功耗控制在 10W 以下。
这正好体现 SiMa.ai 的核心卖点。
无人机真正关心的并不仅仅是 TOPS，而是 TOPS / Watt。
因为每增加一瓦功耗，都可能意味着更大的电池、更多散热以及更短的飞行时间。
SiMa.ai 的其他目标市场
除了无人机之外，SiMa.ai 目前主要关注：
机器人
汽车
工业自动化
航空航天
国防
Smart Vision
医疗设备
智能零售
智能交通
这些行业有一个共同特点：AI 必须在现实世界中实时运行。网络断开时设备仍然需要工作。所以很多数据不能每次都传到云端处理。
这也是 Edge AI 和 Physical AI 与传统 Cloud AI 最大的区别之一。
Micron 投资 SiMa.ai
2026 年 4 月，存储芯片巨头 Micron Technology 宣布战略投资 SiMa.ai。
双方计划围绕：AI 计算，内存架构，低功耗，高带宽，Physical AI 进一步合作。
这项投资值得关注，因为随着 LLM、VLM 和多模态模型进入边缘设备，AI 芯片面对的瓶颈已经不仅仅是计算能力。
内存容量和内存带宽正在变得越来越重要。
Modalix 正是针对这种趋势建立更加复杂的内存体系。
SiMa.ai 融资情况
SiMa.ai 是一家私人公司，目前尚未上市。
2024 年公司完成 7000 万美元融资后，累计融资达到约 2.7 亿美元。
2025 年 8 月，SiMa.ai 又完成一轮 8500 万美元融资，由 Maverick Capital 领投，StepStone Group 等投资者参与。
这使公司累计融资达到约 3.55 亿美元。
2026 年 Micron 又对 SiMa.ai 进行了战略投资，但投资金额没有公开。
SiMa.ai 的投资者和支持者还包括：
Fidelity Management & Research
Maverick Capital
Dell Technologies Capital
StepStone Group
Point72
MSD Partners
Amplify Partners
Wing Venture Capital
以及 Micron 等。
SiMa.ai 的半导体合作伙伴
作为一家规模远小于 NVIDIA、AMD 的创业公司，SiMa.ai 并不自己建设晶圆厂。它采用典型 Fabless 半导体公司的模式。
在第一代 MLSoC 开发过程中，SiMa.ai 曾公开提到包括：
GUC
Arteris 等合作伙伴。
SiMa.ai 在 2022 年完成首颗芯片 Tape-out，并于同年获得第一批 Silicon，随后进入客户测试和生产阶段。
SiMa.ai 最大的优势
SiMa.ai 最大的优势首先是 专注。
NVIDIA 需要同时服务：
数据中心 AI
游戏 GPU
工作站
汽车
机器人
边缘计算
科学计算
SiMa.ai 则集中资源解决 低功耗 Physical AI。
第二个优势是 性能功耗比。在无人机、机器人和工业设备中，10W 和 100W 是完全不同的系统设计。
第三个优势是 SoC 集成。CPU、AI Accelerator、Computer Vision、视频、网络和 I/O 被整合到统一芯片中。
第四个优势是 软硬件协同。SiMa.ai 从公司成立之初就同时开发 芯片 + 编译器 + AI 软件 + 部署工具。
SiMa.ai 面临的最大挑战
SiMa.ai 同样面对非常明显的挑战。
第一个就是：NVIDIA CUDA 生态。
一家公司即使芯片性能非常优秀，也不代表客户就愿意更换平台。
客户真正考虑的是：现有模型能不能运行？代码需不需要重写？工程师会不会使用？Debug 工具是否成熟？第三方硬件多不多？出了问题能不能找到解决方法？
这就是为什么 NVIDIA Jetson 的优势远远不只是 GPU 本身。
第二个问题是公司规模。与 NVIDIA、Qualcomm、AMD 相比，SiMa.ai 仍然是一家创业公司。
第三个问题是 Physical AI 市场仍然处于早期阶段。机器人、无人机和智能机器什么时候能够真正出现数千万甚至数亿台的市场规模，目前仍然存在很大不确定性。
SiMa.ai、Hailo 和 NVIDIA Jetson 有什么区别？
如果简单理解三者的定位，可以这样看：
NVIDIA Jetson：GPU 路线。优势是 CUDA、通用性和强大的生态系统。
Hailo：专用 Edge AI Accelerator 路线。非常重视低功耗 AI 推理。
SiMa.ai：MLSoC + Physical AI 路线。不仅提供 AI Accelerator，还试图把 CPU、计算机视觉、视频和各种嵌入式功能整合到一个完整 SoC 中。
因此 SiMa.ai 的目标并不是简单制造一个 NPU。
它真正想做的是：Physical AI Computer。
为什么 SiMa.ai 值得关注？
在整个 AI 加速器行业里，SiMa.ai 的规模当然无法与 NVIDIA、AMD、Google 或 Amazon 相比。
但它代表了 AI 芯片行业一个越来越重要的发展方向：AI 从云端走向现实世界。
第一阶段的 AI 基础设施竞争主要发生在 数据中心。
未来的第二场竞争可能发生在：机器人，无人机，汽车，工业机器，摄像头，医疗设备，智能终端。
如果未来数十亿台设备都开始具备本地 AI 能力，那么低功耗 Physical AI Processor 很可能形成一个非常巨大的半导体市场。
SiMa.ai 正是在押注这个方向。
2026 年最新进展
截至 2026 年 8 月，SiMa.ai 已经明显从一家单纯的“Edge AI 芯片创业公司”向 Physical AI 平台公司 转型。
公司已经拥有：
第一代 MLSoC
第二代 Modalix MLSoC
Modalix SoM
Modalix PCIe 加速卡
Palette 软件平台
Palette Neat Agentic 开发环境
同时正在扩大与机器人、无人机、汽车和工业设备公司的合作。
2026 年 8 月 27 日，SiMa.ai 与 AVerMedia 还在台湾展示了面向无人机的集成 AI 解决方案，说明 Modalix 已经开始从芯片和开发板逐渐进入实际 Physical AI 产品。
总结
SiMa.ai 是目前 Edge AI 和 Physical AI 芯片领域非常值得关注的一家创业公司。
它的发展路线非常清晰：Computer Vision → Edge AI → Multimodal AI → Generative AI → Physical AI
它没有选择和 NVIDIA 在大型数据中心 GPU 市场正面竞争，而是把重点放在：机器人、无人机、汽车、工业设备和智能机器。
其核心产品 Modalix MLSoC 把：
AI Accelerator
Computer Vision Processor
视频处理
内存
高速通信
嵌入式 I/O
整合到一个低功耗 AI SoC 中。
再配合 Palette 和 Palette Neat 软件平台，SiMa.ai 希望建立一个属于 Physical AI 时代的完整软硬件平台。
如果未来 AI 的发展方向从：“数据中心里的 AI”，进一步走向 “现实世界里的 AI”。
那么 SiMa.ai 所押注的市场很可能会越来越重要。
这家公司真正值得关注的并不是它能不能在 TOPS 上超过 NVIDIA，而是另外一个问题：
当数以亿计的机器人、无人机、汽车和机器都需要本地运行 AI 时，谁能够以最低的功耗，让这些机器真正看见、理解、推理并行动？
SiMa.ai 正试图成为这个市场的重要答案之一。