Unconventional AI chuyên sâu: vì sao startup chưa có chip được định giá 4,5 tỷ USD

Tóm tắt 30 giây

• Unconventional AI thông báo vào ngày 8/12/2025 rằng hãng đã khép vòng hạt giống (seed) 475 triệu USD với mức định giá được báo cáo là 4,5 tỷ USD — khoảng hai tháng sau khi công ty được thành lập, không có chip, không có sản phẩm và không có doanh thu. Với tỷ giá 1.400 won mỗi đô la, 4,5 tỷ USD tương đương khoảng 6,3 nghìn tỷ won, và vòng 475 triệu USD tương đương khoảng 665 tỷ won.
• Vòng gọi vốn do Andreessen Horowitz và Lightspeed Venture Partners đồng dẫn dắt, với sự tham gia của Lux Capital, DCVC, Databricks và Jeff Bezos. CEO Naveen Rao đã đầu tư 10 triệu USD tiền của chính mình theo cùng điều khoản. 475 triệu USD là phần đầu tiên của kế hoạch huy động lên tới 1 tỷ USD.
• Công ty đang xây dựng một máy tính analog, dựa trên vật lý, cho AI: thay vì mô phỏng mạng nơ-ron trên chip kỹ thuật số, hãng muốn chính vật lý của silicon — một dải các bộ dao động ghép nối (coupled oscillators) — trực tiếp thực hiện phép tính, nhắm tới mức năng lượng thấp hơn khoảng 1.000 lần so với phần cứng hiện nay. Điểm tham chiếu là bộ não con người, vận hành với khoảng 20 watt.
• Thứ tồn tại hôm nay là mô phỏng, không phải silicon. Mô hình đầu tiên của hãng, Un-0 (tháng 6/2026), tạo ảnh bằng một hệ thống mô phỏng các bộ dao động ghép nối và đạt FID 6,74 trên ImageNet 64x64 — ngang với các bộ tạo ảnh truyền thống thế hệ đầu. Nhưng nó được huấn luyện và chạy trên GPU B200 truyền thống. Chưa có chip vật lý nào được trình diễn.
• Mức giá 4,5 tỷ USD vì thế không phải là giá của một sản phẩm. Đó là giá của một nhà sáng lập với hai lần thoái vốn (Nervana bán cho Intel, MosaicML bán cho Databricks với giá 1,3 tỷ USD), một đội ngũ sáng lập bốn người trải dài MIT, Stanford và kinh nghiệm thiết kế analog trong sản xuất, và một quyền chọn trên khả năng bức tường năng lượng của tính toán kỹ thuật số sẽ buộc một chất nền (substrate) mới xuất hiện. Bài phân tích chuyên sâu này mổ xẻ mức giá đó.

Background: vòng hạt giống không có gì để giao

Các vòng hạt giống thường mua một nguyên mẫu. Vòng hạt giống của Unconventional AI mua một chương trình nghiên cứu — và định giá nó như một công ty giai đoạn muộn.

Công ty lộ diện vào tháng 9/2025, khi Naveen Rao gợi ý trên X rằng ông đang đồng sáng lập một công ty để xây dựng một máy tính có "hiệu quả ở quy mô bộ não". Hai tháng sau, ngày 8/12/2025, Rao và ba đồng sáng lập công bố bài viết ra mắt: huy động 475 triệu USD ở mức định giá 4,5 tỷ USD, và luận điểm rằng ngành AI đang đâm vào một bức tường năng lượng mà nó không thể vượt qua chỉ bằng kỹ thuật trên chip kỹ thuật số.

Bốn nhà sáng lập là dòng đầu tiên của định giá. Rao là nhà sáng lập hiếm hoi đã đứng ở cả hai phía của vấn đề. Ông học kỹ thuật điện tại Duke, làm việc với vai trò kiến trúc sư máy tính tại Sun Microsystems, rồi rời ngành kỹ thuật để lấy bằng tiến sĩ khoa học thần kinh tính toán tại Brown, nghiên cứu cách bộ não biến đầu vào cảm giác thành hành động với ngân sách khoảng 20 watt. Ông làm việc về tính toán mô phỏng thần kinh (neuromorphic computing) tại Qualcomm, và năm 2014 đồng sáng lập Nervana Systems để xây dựng phần cứng học sâu được thiết kế xoay quanh khối lượng công việc, thay vì vay mượn từ đồ họa. Intel mua lại hãng này vào năm 2016 với giá được báo cáo khoảng 400 triệu USD, và Rao tiếp tục lãnh đạo nhóm sản phẩm AI của Intel. Năm 2021, ông đồng sáng lập MosaicML, hãng giúp huấn luyện mô hình lớn rẻ hơn; Databricks mua lại vào năm 2023 với giá 1,3 tỷ USD, và Rao trở thành Phó chủ tịch AI của Databricks. Hai lần thoái vốn, tổng giá trị được báo cáo khoảng 1,7 tỷ USD, cả hai đều xây trên cùng một nỗi ám ảnh: chi phí của AI là vấn đề phần cứng.

Bên cạnh ông: Michael Carbin, phó giáo sư MIT mà công việc bao quát hệ thống lập trình và nền tảng của tính toán trên các chất nền mới — và, đáng chú ý, là đồng sáng lập của MosaicML. Sara Achour, trợ lý giáo sư Stanford nghiên cứu trình biên dịch và tính toán dựa trên vật lý. Và MeeLan Lee, nhà thiết kế mạch analog từng ở Google, Qualcomm và Intel — người trong đội đã thực sự xây dựng silicon analog trong môi trường sản xuất. Sự kết hợp này là có chủ đích: một CEO thoái vốn lặp lại, hai nhà lý thuyết làm việc về cách phần mềm ánh xạ tới động lực học vật lý, và một người thực hành biết các thiết kế analog chết ở đâu.

Phát biểu vấn đề rất đơn giản và, cho tới nay, đúng về mặt kinh nghiệm. Năng lực AI đã mở rộng cùng sức tính toán, và sức tính toán đã mở rộng cùng điện năng. Các trung tâm dữ liệu ngày nay được hoạch định xoay quanh khả năng sẵn có của điện — công suất phát điện, kết nối lưới, làm mát — chứ không phải xoay quanh chip. Theo cách diễn đạt của Rao: "AI gắn liền một cách bản chất với phần cứng, và phần cứng gắn liền một cách bản chất với điện năng. Chúng ta không thể mở rộng vượt quá một số lượng suy luận nhất định trên mỗi đơn vị thời gian vì vấn đề năng lượng. Chúng ta không thể sản xuất thêm từng ấy năng lượng trong 10 năm tới." Tuyên bố của công ty là tăng trưởng nhu cầu sẽ bắt kịp tăng trưởng tuyến tính của nguồn cung năng lượng trong vòng ba đến bốn năm. Dù mốc thời gian đó có chính xác hay không, hướng đi không gây tranh cãi: năng lượng cho mỗi lần suy luận giờ là chi phí bậc nhất và ràng buộc bậc nhất.

Trên nền đó, công ty đề xuất từ bỏ sự trừu tượng đã thống trị tính toán suốt 80 năm. Máy tính kỹ thuật số biểu diễn mọi thứ bằng số và mô phỏng động lực học từng bước, với cái giá năng lượng khổng lồ. Các hệ thống học tập tự nhiên chưa bao giờ làm thế. "Các hệ thống học tập tự nhiên không bao giờ dùng số học", Rao nói. "Chúng không mô phỏng động lực học của việc học. Chúng dùng vật lý nội tại của bất kỳ chất nền nào mà chúng ở trên để xây dựng một hệ thống học tập. Chúng tôi tin rằng chúng tôi có thể tái hiện hành vi đó trong silicon."

Business Deep Dive

1. Phép tính của thương vụ: 475 triệu USD ở mức 4,5 tỷ USD nói lên điều gì

Hãy bắt đầu bằng phép tính, vì phép tính chính là câu chuyện. Một vòng gọi vốn sơ cấp 475 triệu USD với định giá sau đầu tư (post-money) 4,5 tỷ USD có nghĩa là các nhà đầu tư mới đã mua khoảng 10,6% công ty, và định giá trước đầu tư (pre-money) — cái giá của ý tưởng, của đội ngũ, và không gì khác — là khoảng 4,03 tỷ USD. Để so sánh, con số pre-money đó gấp khoảng ba lần số tiền Databricks đã trả vào năm 2023 cho MosaicML, một công ty có sản phẩm, khách hàng và doanh thu.

Cấu trúc quan trọng ngang quy mô. 475 triệu USD, theo chính công ty, là phần đầu tiên của một đợt huy động có thể đạt 1 tỷ USD — các báo cáo trước đó cho biết công ty nhắm mức định giá 5 tỷ USD cho vòng lớn hơn đó. Một đợt huy động chia đợt như vậy là một cỗ máy cột mốc: lần đóng đầu tiên định giá tầm nhìn, và lần đóng thứ hai sẽ định giá bất cứ thứ gì tầm nhìn đã tạo ra vào thời điểm đó. 10 triệu USD của chính Rao, đầu tư theo cùng điều khoản với các tổ chức, nhỏ so với 475 triệu USD (khoảng 2%) nhưng mang sức nặng biểu tượng — nó biến "nhà sáng lập tin tưởng" từ một câu trong bài thuyết trình thành một sự thật trên bảng cân đối.

Các nhà đầu tư thực sự đã bảo chứng điều gì? Không phải dòng tiền chiết khấu — không có dòng tiền. Thứ được bảo chứng là một quyền chọn có trọng số xác suất: một xác suất nhỏ rằng đội ngũ này sẽ sáng lập chất nền hậu GPU, nhân với giá trị của việc sở hữu một phần có ý nghĩa trong sức tính toán AI nếu họ làm được, cộng với giá trị sàn từ khả năng đã được chứng minh của đội ngũ trong việc được mua lại. Mục 6 dưới đây làm rõ quyền chọn đó.

2. Khoa học: để vật lý làm phép tính

Canh bạc kỹ thuật có ba lớp.

Lớp một: analog thay vì kỹ thuật số. Một mạch analog biểu diễn các đại lượng bằng điện áp và dòng điện liên tục thay vì bằng bit. Đối với các phép toán mà AI thực sự thực thi — hàng loạt phép multiply-accumulate, động lực học, và lấy mẫu từ các phân phối — một hệ vật lý thường có thể là phép tính thay vì mô phỏng phép tính. Ví dụ của chính Rao là hầm gió: các kỹ sư vẫn xây hầm gió vì một mô hình vật lý của luồng không khí tính toán những thứ mà động lực học chất lưu kỹ thuật số chỉ xấp xỉ với chi phí lớn. Tuyên bố là một mạng nơ-ron gần với hầm gió hơn là bảng tính: nó là một hệ động lực học ngẫu nhiên, phân tán, và việc ép nó lên một chất nền số học xác định, chính xác sẽ lãng phí phần lớn ngân sách năng lượng vào một sự trừu tượng mà khối lượng công việc chưa bao giờ yêu cầu.

Lớp hai: bộ dao động ghép nối làm nguyên thủy. Sản phẩm công khai đầu tiên của công ty, Un-0, biến tuyên bố trừu tượng thành cụ thể. Un-0 là một bộ tạo ảnh mà động cơ tính toán của nó là một quần thể lớn các bộ dao động ghép nối, được mô hình hóa bằng mô hình Kuramoto — toán học về cách các đơn vị nhịp nhàng (máy đếm nhịp trên cùng một bàn, đom đóm, tế bào tạo nhịp tim) kéo nhau vào đồng bộ. Mỗi bộ dao động có một pha; các tham số có thể học là cường độ ghép nối giữa mọi cặp bộ dao động và tần số tự nhiên của mỗi bộ dao động. Để tạo một ảnh, hệ thống bắt đầu từ các pha ngẫu nhiên, một nhóm nhỏ bộ dao động điều kiện làm lệch quần thể về phía lớp được yêu cầu, vật lý được để tự tiến hóa, và mẫu pha cuối cùng được đọc ra và giải mã thành điểm ảnh. Học có nghĩa là học các ghép nối — bộ giải mã chiếm dưới 13% tham số của mô hình, và các nghiên cứu cắt bỏ (ablation) của công ty cho thấy chính các bộ dao động đang làm phép tính hữu ích, thay vì trang trí cho một bộ tạo ảnh truyền thống.

Lớp ba: đồng thiết kế, hay "đồng tiến hóa nơ-ron". Công ty lập luận mô hình và phần cứng phải được thiết kế cùng nhau: giữ bộ nhớ gần về mặt vật lý với phép tính, tái sử dụng trạng thái vật lý theo thời gian thay vì nạp lại hàng tỷ tham số cho mỗi token, và coi sự không hoàn hảo của phần cứng là thứ mô hình học, thay vì thứ kỹ thuật phải loại bỏ. Tiếng ồn là ví dụ rõ nhất. Trong thiết kế kỹ thuật số, tiếng ồn là kẻ thù bạn phải trả năng lượng để trấn áp. Trong kiến trúc này, AI tạo sinh vốn bắt đầu từ tính ngẫu nhiên, và một mạng được huấn luyện trên một chất nền cụ thể có thể học các biến thiên của chất nền đó. Năng lượng mà chip kỹ thuật số chi để ép buộc sự đồng nhất hoàn hảo, trong câu chuyện này, đơn giản là không bị chi.

Mục tiêu hiệu quả đến từ nhiệt động lực học, không phải từ một benchmark: công ty lập luận khoảng cách giữa nơi phần cứng AI kỹ thuật số đang vận hành và nơi khả thi về mặt vật lý là khoảng ba bậc độ lớn, do đó có con số ~1.000 lần. Cần chính xác về vị thế của con số đó. Nó là ước tính về một khoảng cách lý thuyết, không phải một phép đo. Nó chưa từng được chứng minh trên phần cứng, và kết quả của Un-0 — FID 6,74 trên ImageNet 64x64 với 16.384 bộ dao động và 322 triệu tham số, nằm trong khoảng của các bộ tạo ảnh truyền thống đời đầu khi chúng mới xuất hiện — xác thực tuyên bố về việc học (một hệ động lực học vật lý có thể được huấn luyện để làm một tác vụ tạo sinh thật ở quy mô vừa), chứ không phải tuyên bố về hiệu quả, vì chính Un-0 chạy trên GPU B200.

3. Những gì tồn tại hôm nay: một mô phỏng, một vệt giấy tờ, và chiếc đồng hồ năm năm

Tại cột mốc công khai gần nhất của công ty, danh mục rất ngắn. Có một bài viết ra mắt và một blog kỹ thuật với trọng số, mã huấn luyện và mã ablation của Un-0 được công khai — một sản phẩm nghiên cứu thực sự mở, nhiều hơn những gì nhiều startup phần cứng ẩn danh công bố. Không có chip. Không có ngày tape-out được công bố. Rao cho biết vài năm tới sẽ là để "thử một số ý tưởng và nguyên mẫu và tìm ra mô hình đúng đắn" có thể mở rộng, mô tả một chân trời khoảng năm năm để xây dựng chip, cho biết công ty sẽ hợp tác với TSMC, và gọi nguyên mẫu đầu tiên là "có lẽ một trong những chip analog lớn nhất, có thể là lớn nhất, từng được chế tạo". Công ty định vị sản phẩm cuối cùng của mình là một nước đi hệ thống — silicon cộng toàn bộ ngăn xếp suy luận, cuối cùng cạnh tranh với tư cách nhà cung cấp sức tính toán — chứ không phải bán linh kiện.

Giữa đây và đó nằm vấn đề lâu đời nhất của tính toán analog, mà chính Rao nêu tên: máy tính analog thuộc nhóm máy tính đầu tiên, vốn hiệu quả, và đã thua kỹ thuật số vì biến thiên trong sản xuất — chúng không thể mở rộng. Mỗi thiết bị đều khác nhau đôi chút; thay đổi nhiệt độ và biến thiên quy trình đưa vào các sai số tích lũy. Kỹ thuật số thắng chính vì nó thờ ơ với sự hỗn loạn đó. Toàn bộ canh bạc khoa học của Unconventional AI là phán quyết 80 năm tuổi này có thể bị đảo ngược trong trường hợp cụ thể của khối lượng công việc nơ-ron, vì mạng nơ-ron chịu đựng được — và có thể được huấn luyện để bao quanh — chính những biến thiên đã khiến analog không dùng được cho bảng pháo binh và kế toán.

4. Lập luận của phía hoài nghi

Lập luận phản biện trung thực có bốn phần, không phần nào tầm thường.

Độ chính xác và chi phí chuyển đổi. Tính toán analog có tiếng ồn, và tiếng ồn tích lũy qua các phép tính lớn. Trong lịch sử, các bộ tăng tốc analog trông tốt nhất ở phép toán ma trận lõi và tệ nhất ở cấp hệ thống, vì việc chuyển đổi tín hiệu giữa miền analog và miền kỹ thuật số — ADC và DAC ở mọi biên giới — có thể tiêu thụ phần lớn năng lượng mà lõi analog đã tiết kiệm. Bất kỳ tuyên bố hiệu quả nào không được đo tại ổ cắm tường, từ đầu đến cuối, trên một khối lượng công việc thật, đều nên bị chiết khấu. Con số 1.000 lần của Unconventional hiện là một dự phóng về một chất nền chưa tồn tại.

Khả năng lập trình. Hào lũy của GPU không chỉ là hiệu năng; đó là cùng một silicon huấn luyện một mô hình vào thứ Hai và phục vụ một mô hình khác vào thứ Ba. Các hệ analog có xu hướng nhúng phép tính vào cấu trúc vật lý, khiến chúng cứng nhắc. Câu trả lời của công ty — một giao diện phần mềm tới vật lý, cộng với các trình biên dịch từ hai nhà sáng lập chuyên đúng việc đó — hợp lý trên giấy và chưa được chứng minh trong thực tế. Lịch sử phần cứng AI đầy những chip nhanh hơn đã thua trước sự linh hoạt của CUDA.

Mở rộng quy mô. Một quần thể mô phỏng gồm 16.384 bộ dao động tạo ảnh 64x64 là một kết quả nghiên cứu. Một chất nền suy luận sản xuất cần động lực học tương đương ở quy mô của các mô hình ngôn ngữ hiện đại, được sản xuất với biến thiên mà quá trình huấn luyện có thể hấp thụ, với tỷ lệ đạt (yield) mà một foundry chịu ký. Mỗi bước — mô phỏng tới nguyên mẫu, nguyên mẫu tới sản phẩm, tạo ảnh tới suy luận LLM — đều đã giết chết các công ty analog trước đây. Lĩnh vực này cũng không trống: tính toán analog trong bộ nhớ đã được nhiều bên theo đuổi trong nhiều năm (Mythic đã giao các bộ xử lý analog cho suy luận ở biên), và một nhóm của Đại học Bắc Kinh báo cáo vào cuối năm 2025 một hệ thống tính toán ma trận analog dựa trên RRAM với các tuyên bố về mức tăng hiệu quả lớn so với GPU — bằng chứng vừa cho thấy hướng đi này sống động về mặt khoa học, vừa cho thấy Unconventional không sở hữu nó.

Đường cơ sở đang di chuyển. Hiệu quả kỹ thuật số không tĩnh. Chính Rao, tại Databricks, đã lưu ý chi phí AI trên mỗi đơn vị năng lực giảm khoảng 4 lần mỗi năm — nhanh gấp mười lần định luật Moore — nhờ mô hình tốt hơn, lượng tử hóa và công việc hệ thống. Một chất nền analog đến sau năm năm không cạnh tranh với GPU của hôm nay; nó cạnh tranh với năm năm hiệu quả kỹ thuật số tích lũy, trên chi phí mỗi token, với một hệ sinh thái phần mềm trưởng thành. Mục tiêu 1.000 lần, một phần, là sự thừa nhận chính xác điều đó.

5. Điều gì phải đúng để 4,5 tỷ USD hợp lý

Hãy lột mức giá xuống các giả định chịu lực của nó. Để mức định giá hạt giống 4,5 tỷ USD trông hợp lý khi nhìn lại, đại khái những điều sau phải đúng:

Hãy đọc bảng này như một cái phễu. Giả định 1 và 2 là những gì nhà đầu tư có thể bảo chứng vào tháng 12/2025 với niềm tin hợp lý. Giả định 3 đến 5 là nơi 4,5 tỷ USD thực sự sống — chúng nhị phân, tương quan với nhau (cả ba đều là các mặt của câu hỏi "vật lý có mở rộng được không"), và sẽ mất nhiều năm để giải quyết. Giả định 7 là rủi ro kinh doanh xếp chồng lên rủi ro khoa học: ngay cả một chất nền hoạt động được cũng phải thay thế chuỗi cung ứng cố thủ nhất trong công nghệ.

Giờ là phép tính lợi nhuận khiến các nhà đầu tư tinh vi vẫn ký. Lợi nhuận đầu tư mạo hiểm tuân theo luật lũy thừa: một quỹ không cần Unconventional phải có khả năng cao thành công; nó cần phần thưởng ở nhánh thành công phải khổng lồ và tỷ lệ sở hữu khi vào phải có ý nghĩa. Nếu một chất nền tính toán mới chiếm được dù chỉ một phần trăm ở mức một chữ số thấp của chi tiêu suy luận AI với biên lợi nhuận kiểu phần mềm, công ty sẽ đáng giá hàng chục đến hàng trăm tỷ — đối thủ đương nhiệm mà nó sẽ thay thế một phần được định giá ở mức nghìn tỷ. So với phần thưởng đó, một tấm séc 475 triệu USD cho ~10,6% là một quyền chọn đã được định giá, và giá thực hiện là thời gian: quyền chọn hết hạn nếu vật lý không mở rộng được trước khi tiền, hoặc sự kiên nhẫn của ngành, cạn kiệt. Đợt hai theo kế hoạch hướng tới 1 tỷ USD là ngày gia hạn của quyền chọn — nó sẽ được định giá trên bất kỳ bằng chứng nguyên mẫu nào tồn tại vào lúc đó, và là điểm dữ liệu tương lai giàu thông tin nhất về công ty này.

6. Mặt trái: sàn được làm bằng gì

Phân tích mặt trái cho một công ty chưa có sản phẩm thường chỉ là một từ — không — nhưng ở đây sàn có chút cấu trúc. Thứ nhất, sàn đội ngũ: hai công ty trước của Rao được mua lại với giá được báo cáo khoảng 400 triệu USD và 1,3 tỷ USD, và một đội ngũ kết hợp mạng lưới cựu học viên MosaicML với các nhóm nghiên cứu của MIT và Stanford, trong kịch bản thất bại, vẫn có thể được mua lại — dù ở các mức định giá sau hạt giống thấp hơn nhiều so với 4,5 tỷ USD, điều này là niềm an ủi lạnh lùng đối với phép tính lợi nhuận của nhà đầu tư hạt giống ngay cả khi nó làm mềm tổn thất tuyệt đối. Thứ hai, sàn sở hữu trí tuệ: công việc mô hình được phát hành mở xây dựng danh tiếng và lực hút tuyển dụng hơn là IP có thể phòng thủ; lớp có thể phòng thủ, nếu có, sẽ là phần cứng và ngăn xếp trình biên dịch, cả hai đều chưa tồn tại. Thứ ba, sàn tiền mặt: 475 triệu USD là đường băng nhiều năm cho một công ty giai đoạn nghiên cứu, điều này cắt cả hai chiều — nó loại bỏ rủi ro tài trợ cho giai đoạn khám phá, và loại bỏ kỷ luật mà rủi ro tài trợ áp đặt. Kết quả xấu thực tế không phải là một sự sụp đổ đột ngột; mà là một sự sụp đổ chậm — các nguyên mẫu hoạt động ở quy mô nhỏ, hiệu quả co lại ở cấp hệ thống, và một thế giới những năm 2030 trong đó công ty là một phòng thí nghiệm nghiên cứu được kính trọng với bảng vốn đắt đỏ.

Chase's Take

Hãy gạt vật lý sang một bên và nhìn vào giao dịch. Một vòng hạt giống 475 triệu USD ở mức 4,5 tỷ USD, hai tháng sau khi thành lập, thực ra không phải là định giá của Unconventional AI. Đó là định giá của một tuyên bố về hạng mục: rằng triều đại 80 năm của sự trừu tượng kỹ thuật số đang kết thúc vì năng lượng, chứ không phải bóng bán dẫn, giờ là nguồn tài nguyên khan hiếm. Các nhà đầu tư không mua một con chip. Họ mua quyền được vào sớm nếu chất nền của tính toán thay đổi — và họ trả phí nhà sáng lập cho người duy nhất mà tiểu sử đọc như sự chuẩn bị cho đúng canh bạc này: kỹ sư trở thành nhà khoa học thần kinh, xây dựng phần cứng chuyên biệt cho khối lượng công việc trước khi nó thành mốt, bán nó, rồi bán cả lớp phần mềm hiệu quả.

Cách đọc của tôi là mức giá phân rã thành ba phần, theo thứ tự kích thước giảm dần. Lớn nhất là quyền chọn trên sự thay đổi chất nền, được định giá theo quy mô của suy luận AI chứ không theo bất cứ thứ gì công ty đã xây dựng. Thứ hai là đội ngũ — thực sự khan hiếm: có rất ít nhóm kết hợp được thiết kế analog trong sản xuất, lý thuyết trình biên dịch cho các hệ vật lý, và một CEO với hai lần thoái vốn trong hiệu quả AI. Thứ ba, và nhỏ nhất, là khoa học tính đến nay: Un-0 là một cột mốc nghiên cứu đáng tin — các bộ dao động đã huấn luyện làm công việc tạo sinh thật, công bố mở — và đồng thời, khi đo so với tuyên bố, nó còn cách bằng chứng ba bậc độ lớn của mô phỏng. FID 6,74 trên ảnh 64x64 cho bạn biết việc học hoạt động. Nó chưa nói gì về việc vật lý có giao được thành sản phẩm hay không.

Chi tiết tôi cứ quay lại là đợt chia nhỏ. Rao đã không lấy 1 tỷ USD một lần; 475 triệu USD đầu tiên rõ ràng là phần đầu tiên. Đó hoặc là sự tự tin ("chúng tôi sẽ đáng giá hơn khi lần đóng thứ hai định giá"), hoặc là kỷ luật ("hãy chứng minh mô hình trước khi định giá công ty") — và từ một nhà sáng lập đã bán hai công ty, tôi đọc cả hai, và như manh mối về cách theo dõi công ty này. Đừng xem các tiêu đề định giá. Hãy xem ba điều: đợt hai có đóng không, ở mức giá nào, và được hậu thuẫn bởi sản phẩm gì; chương trình dao động có thoát khỏi tạo ảnh để tới một trình diễn ở quy mô mô hình ngôn ngữ, dù chỉ trong mô phỏng, hay không; và một nguyên mẫu vật lý có xuất hiện với các con số hiệu quả tại ổ cắm đi kèm hay không. Cho đến khi điều thứ ba xảy ra, mọi con số hiệu quả của công ty này — kể cả 1.000 lần — đều là phát biểu về nhiệt động lực học, không phải về một sản phẩm.

Đối với ngành bán dẫn, tín hiệu sâu hơn là nút thắt đã di chuyển tới đâu. Một thập kỷ trước, thứ khan hiếm là FLOPS. Sau đó là băng thông bộ nhớ — kỷ nguyên HBM. Unconventional AI là một lập luận 475 triệu USD rằng thứ khan hiếm tiếp theo là joule, và rằng khi joule trói đủ chặt, ngành sẽ chấp nhận mở lại những câu hỏi nó đã đóng vào những năm 1940: tính toán phi số học, vật lý như thuật toán, phần cứng được huấn luyện thay vì được lập trình. Ngay cả khi công ty cụ thể này thất bại, lập luận đó giờ đã được tài trợ ở quy mô bảo đảm những kẻ bắt chước, bài báo và nguyên mẫu. Những mức giá như thế này là cách một ngành thông báo rằng một hướng nghiên cứu đã trở thành chiến lược.

Một hiệu chuẩn cuối cùng. Xác suất tiên nghiệm đúng cho "4,5 tỷ USD, không chip" không phải là "bong bóng" cũng không phải "tầm nhìn". Nó là "rủi ro cố ý chưa được định giá". Các nhà đầu tư biết chính xác bao nhiêu trong bảy giả định của bảng trên chưa được chứng minh — họ vẫn ký bản điều khoản, vì kịch bản duy nhất mà tất cả chúng đều đúng đáng giá hơn chi phí của sáu kịch bản còn lại. Phần còn lại của chúng ta được xem một thí nghiệm sạch: phép thử được vốn hóa lớn nhất từng thực hiện về việc cách tính toán của bộ não có thể được tái dựng trong silicon hay không. Thí nghiệm đó đáng được theo dõi một cách chính xác — từng cột mốc, công khai, với các con số đính kèm.

Implications

Đối với nhà đầu tư. Hãy coi vị thế này như một quyền chọn nhị phân với ngày gia hạn nhìn thấy được. Các điểm dữ liệu định giá lại công ty này, theo thứ tự: (1) đợt hai hướng tới 1 tỷ USD — giá và thời điểm của nó là ước tính xác suất đã cập nhật của thị trường; (2) một trình diễn phương pháp dao động ở quy mô mô hình ngôn ngữ, dù là mô phỏng; (3) silicon đầu tiên với dữ liệu hiệu quả đầu-cuối (tại ổ cắm); (4) bất kỳ đánh giá nào của hyperscaler được công bố. Thiếu những điều đó, hãy đánh dấu luận điểm, không phải định giá trên tiêu đề. Rủi ro có thể so sánh không phải các startup chip AI khác có sản phẩm và đơn đặt hàng; mà là các canh bạc chất nền giai đoạn nghiên cứu, nơi lịch trình trượt theo năm, không phải theo quý.

Đối với nhà chiến lược bán dẫn. Thành phần của đội ngũ sáng lập chính là tín hiệu chiến lược: trình biên dịch và hệ thống lập trình ngồi cạnh mạch analog vì kẻ giết người lịch sử của các chất nền thay thế là giao diện phần mềm, không phải vật lý thiết bị. Nếu bạn cạnh tranh trong silicon AI, mục cần theo dõi không phải điểm FID của Unconventional — mà là liệu phương pháp giao diện-phần-mềm-tới-vật-lý của hãng có thu hút được các nhà lý thuyết và kỹ sư trình biên dịch, những người sẽ khiến một chất nền phi kỹ thuật số trở nên lập trình được, hay không. Dòng chảy nhân tài sẽ cho thấy độ tin cậy của mô hình trước khi các benchmark làm được điều đó.

Đối với nhà hoạch định trung tâm dữ liệu và năng lượng. Đừng đưa hệ số hiệu quả 1.000 lần vào bất kỳ kế hoạch công suất nào. Lịch trình của chính công ty là nhiều năm làm nguyên mẫu, và hiệu quả kỹ thuật số tiếp tục tích lũy trong thời gian đó. Điều vòng gọi vốn này xác thực — ở cấp phân bổ vốn, không phải kỹ thuật — là năng lượng cho mỗi lần suy luận giờ được các nhà đầu tư AI lớn nhất định giá như một ràng buộc chiến lược. Các kế hoạch giả định nhu cầu suy luận có thể tăng trưởng mà không cần một đáp án năng lượng chính là các kế hoạch mà 475 triệu USD này được huy động để đặt cược chống lại.

Đối với nhà nghiên cứu. Việc phát hành mở của Un-0 — trọng số, mã huấn luyện, ablation — khiến phương pháp dao động có thể bị bác bỏ công khai, đúng như cách một tuyên bố chất nền nên được kiểm nghiệm. Các câu hỏi mở rất cụ thể và kiểm chứng được: hành vi mở rộng của chất lượng theo số lượng bộ dao động so với biên truyền thống, độ bền vững của các ghép nối đã học trước biến thiên thiết bị, và kích thước của chi phí chuyển đổi trong bất kỳ hiện thực hóa vật lý nào. Tiến triển trên ba điều đó, theo thứ tự đó, là bảng điểm khoa học.

FAQ

Unconventional AI có chip không? Không. Tại cột mốc công khai gần nhất (Un-0, tháng 6/2026), hệ thống mà công ty trình diễn là một mô phỏng phần mềm các bộ dao động ghép nối chạy trên GPU truyền thống. Một chip analog vật lý đang được phát triển, với chương trình nguyên mẫu nhiều năm và quan hệ hợp tác với TSMC được công ty mô tả, nhưng chưa có silicon nào được trình diễn và chưa có ngày tape-out nào được công bố.

Vì sao một công ty không có sản phẩm lại trị giá 4,5 tỷ USD? 4,5 tỷ USD được báo cáo là định giá sau đầu tư ở giai đoạn hạt giống từ tháng 12/2025, không phải giá thị trường của một sản phẩm. Nó định giá ba thứ: một đội ngũ sáng lập với hai lần thoái vốn trước đó (Nervana, khoảng 400 triệu USD được báo cáo bán cho Intel; MosaicML, 1,3 tỷ USD bán cho Databricks), chuyên môn kết hợp khan hiếm trong thiết kế analog và lý thuyết trình biên dịch, và một quyền chọn trên một chất nền tính toán mới nếu ràng buộc năng lượng của AI buộc nó xuất hiện. Các nhà đầu tư đã mua khoảng 10,6% công ty với giá 475 triệu USD.

Phương pháp bộ dao động ghép nối, nói đơn giản, là gì? Thay vì tính toán bằng các công tắc kỹ thuật số mô phỏng một mạng nơ-ron từng bước, công ty muốn các mạng bộ dao động vật lý — các mạch quay theo nhịp, như máy đếm nhịp — thực hiện phép tính thông qua sự đồng bộ lẫn nhau của chúng. Các tham số có thể học là cường độ ghép nối giữa các bộ dao động. Việc vật lý lắng xuống một mẫu đồng bộ chính là suy luận, và đó là lý do công ty tin rằng nó có thể dùng ít năng lượng hơn rất nhiều so với việc mô phỏng cùng động lực học đó bằng số.

Tiếp theo nên theo dõi điều gì? Ba cột mốc, theo thứ tự giá trị thông tin: việc đóng và định giá đợt hai theo kế hoạch hướng tới tổng huy động 1 tỷ USD; một trình diễn phương pháp trên một tác vụ quy mô mô hình ngôn ngữ (Un-0 bao quát tạo ảnh); và silicon vật lý đầu tiên với các phép đo hiệu quả đầu-cuối. Cho đến điều cuối cùng trong số đó, con số hiệu quả ~1.000 lần vẫn là một ước tính lý thuyết, không phải kết quả đã được chứng minh.

Chú thích về nguồn và trạng thái: định giá, quy mô vòng và thành phần nhà đầu tư là theo báo cáo tại thông báo ngày 8/12/2025 và được nêu là số liệu được báo cáo; công ty là công ty tư nhân và các điều khoản của hãng không được kiểm toán độc lập. Kết quả kỹ thuật (Un-0) là số liệu do chính công ty công bố trong đợt phát hành tháng 6/2026. Việc quy đổi tiền tệ sử dụng 1 USD = 1.400 KRW trong toàn bộ bài.

📩 Đăng ký bản tin VLSI Korea

Nhận phân tích bán dẫn chuyên sâu mỗi ngày qua email trước tiên. Đăng ký miễn phí.

Đăng ký miễn phí