AREX Feed Article
Intel 老将创立的 Delos Data 融资逾 1 亿美元，开发 AI 数据中心互联芯片与软件
当地时间 9 月 15 日（周二），芯片初创公司 Delos Data 宣布已募集逾 1 亿美元资金，用于开发能让数据在 AI 数据中心内部更快流动的芯片与软件；公司称，这笔资金还将用于扩充软件与硬件工程团队、加快产品开发和销售（）。据报道，这家由 Intel 资深员工创立的公司，本轮投资方包括 Matrix、Playground、Socratic Partners、Capricorn 的 Technology Impact Fund、Matter Venture Partners、IAG 和 DYNAMIQ。
Delos Data 成立于 2025 年，由 CEO Ed Doe 与 CTO Dan Daly 共同创办；两人的职业经历覆盖 Intel、Broadcom、Fulcrum Microsystems 与 Barefoot Networks，并参与过 Ultra Ethernet、UALink、ESUN 和 Open MRC 等互联项目（）。宣布融资的同一天，公司在圣克拉拉的 AI Infra Summit 上发布 Nonstop AI 数据接口（Data Interface）与参考架构，用来把 GPU、XPU、CPU、内存与闪存等不同端点接进同一个数据域（）。公司要解决的是推理负载铺开后的一类浪费：加速芯片把大量时间花在等待数据上。
Gelsinger 与 Reiss 解释这笔投资
Playground 是路透社报道中提到的参投方之一，其普通合伙人 Pat Gelsinger 曾任 Intel CEO。他解释这笔投资时，讲的是一个具体的浪费场景：「我可以拥有世界上所有的计算机，但如果这些设备彼此之间不能有效通信，我手里就只是一堆烧着电、无所事事的发烫硬件。」
Matrix Partners 普通合伙人 Stan Reiss 的判断则是价值转移：「Delos 正在切入 AI 堆栈中价值正被决定的环节。多年来，人们假设更多算力能换来更多产出，这个关系在推理规模上已经断裂；谁能解决数据传输问题，谁就能拿到这个行业眼下正大量流失的价值。」
公司新闻稿另提到，参投的还有一批来自算力、超大规模系统、网络芯片、基础设施软件和光互联领域的业界知名人士。
数据接口的三种形态：从 30 Tbps 芯粒到 400 Gbps 加速卡
与融资同日发布的 Nonstop AI 数据接口一共三种形态：面向 GPU、XPU 和其他加速器的 I/O 芯粒（chiplet），带宽 30 Tbps 以上；集成光引擎的近封装光学（near-packaged optics）模组，带宽 10 Tbps 以上；以及面向 CPU、闪存和内存端点的加速卡，带宽 400 Gbps 以上。三者都支持多种协议。
公司称，这套接口的目标是性能比现有端点快 10 倍、在故障面前的韧性高 10 倍、可支撑的规模大 10 倍。配套的参考架构把规模目标定在数十万台设备。公司把这套组合称为 MoXI：硬件、模型、交换机、链路与拓扑的混合体，共同服务同一个工作负载。
接口位于端点和网络之间。公司称，网络另一侧一旦出故障，这里是第一个能感知到的位置，恢复在硬件层完成，无论故障来自失效的加速器、断掉的链路，还是一次例行软件更新。
协议层面，它支持 NVLink、UALink、Ethernet 和 InfiniBand，覆盖 scale-up（加速器直连）、scale-out（跨节点组网）与 scale-across（跨域）三类场景；连接介质包括铜缆、可插拔光模块以及新兴的共封装光学方案。CEO Ed Doe 对 HPCwire 称，这套接口的延迟在 100 纳秒上下，而典型网卡的延迟是微秒级。
公司还发布了开发验证产品 Morpheus：一块 PCIe 卡，客户可以针对不同网络拓扑、用真实负载验证自己的芯片设计，该产品已经可用。
从训练到 agentic 推理：连线为什么成了瓶颈
AI 热潮的早期，数据中心大多由 Nvidia 的 GPU 组成，用 Nvidia 的专有网络技术连在一起，主要服务于大模型训练。但随着重点从训练转向承接用户请求、让 AI 代理替人执行任务，Cerebras Systems、AMD 等 Nvidia 的对手开始取得进展，Nvidia 自己也开始提供多种计算芯片。
对这类等待数据的浪费，CEO Ed Doe 在新闻稿里写道：「数据中心里最昂贵的闲置资产，就是一颗等着网络的 GPU、CPU 或加速器。推理负载搬运数据的方式，是今天的互联方案在设计时从未考虑过的。」
据今年 6 月的报道，一个 8 卡 HGX 节点每颗 GPU 只需要一两个网络端口，而 Nvidia 的 GB300 NVL72 系统每颗 GPU 需要 18 个 400 Gbps 端口。
Delos 的判断是，这类问题会随 agentic AI（代理式 AI）铺开变得更普遍。「我们不知道 agentic AI 的下一套基础设施架构会是什么样，但我们知道，我们能提供把数据搬来搬去的最快方式，」CTO Dan Daly 对路透社说。
Mosaic、集群与服务器：已公开的产品与数字
产品方面，Delos 今年已有部分产品落地。据 HPCwire 报道，Mosaic 软件在 GTC 上发布，目前已投入生产使用；公司称，Nonstop AI 集群同样已在生产环境运行，客户现在可以用它来共同设计下一代 agentic AI 基础设施。
服务器产品的设计在 5 月 27 日的新闻稿里公布，随后在 Computex 2026 上做了展示（）：整机前面有 36 个 OSFP 端口（可插拔光模块与铜缆接口规格），四个面向高性能加速器的 OAM 插槽各对应 9 个；按 200 Gbps SerDes（串行器/解串器）估算，每颗芯片的互联带宽约 3.6 TB/s，与 Nvidia 新一代 Rubin GPU 相当（这是《The Register》的换算）。
在 的解释里，与数据要穿过多条更慢链路的 scale-out 相比，scale-up 的延迟更短、一致性更好；CTO Daly 称，1,000 颗 GPU 的 scale-up 域是现实的，10,000 颗也有可能，如果能改变拓扑，用一个交换机就能把 100,000 颗 GPU 放进同一个 scale-up 域。
《The Register》在 6 月的报道里还列出了这个方向上的其他参与者：AWS 似乎在把 Nvidia 的 MGX 规格改用于 Trainium 3 机架系统，AMD 的 Helios 机架已成为 OCP 标准；Delos 主张的差异点是灵活性，让客户自己决定 scale-up 域的边界。
本周演示、10 月 OCP 与年底送样
本周在圣克拉拉举行的 AI Infra Summit（9 月 15 日至 17 日）上，Delos Data 在 1,344 号展位展示一套实时运行的 Nonstop AI 集群：异构端点组成一个数据域，数据经由 Nonstop AI 数据接口传输，并在故障发生时保持工作负载不中断。
下一个公开节点是 10 月。据公司官网，10 月 12 日至 15 日在圣何塞举行的 OCP Global Summit 上，Delos 将与一家合作伙伴做联合技术分享，主题是拆分传统的 scale-up 单体结构、为 GPU 构建开放的单跳超大规模 scale-up 域（）。
公司称，Nonstop AI Server 将在 2026 年底向客户送样。