AI 晶片市場過去兩年像一場極端集中化的軍備競賽，大家盯著的都是誰能拿到最多 GPU、誰能撐起最大的訓練叢集、誰又在資料中心資本支出上再往上加一層。可到了這一輪，資本市場開始出現一個微妙但重要的轉向，問題不再只是「誰能把模型練得更大」，而是「誰能把模型真正跑進日常應用，而且跑得夠便宜」。這也是為什麼歐洲幾家做 AI 推理晶片的新創，最近突然開始被放進同一個討論框架裡。
CNBC 引述 Dealroom 數據指出，2026 年全球 AI 晶片新創累計募資已達 83 億美元，投資人的關注重心也正往 inference，也就是模型部署與推理執行這一段傾斜。這個變化很關鍵，因為訓練代表的是少數超大客戶的極端需求，推理卻更接近未來真正會被大規模消耗的算力日常。當模型開始進入搜尋、代理、企業流程、自動化客服與軟體工作流，市場真正要處理的其實不是單次訓練峰值，而是海量 token 的長期成本、延遲與能耗。
這也是 Euclyd 和 Fractile 這類公司被重新估值的原因。從兩家公司官方描述來看，它們都沒有把自己包裝成另一個「全面複製 Nvidia 的 GPU 對手」，而是更直接地押在推理效率這件事上。Euclyd 主打的是更低能耗、更低成本與更小資料中心 footprint 的 foundation-model silicon system；Fractile 則把論述鎖定在 frontier model inference，希望用記憶體與運算更緊密交錯的設計，同時解決低延遲與高吞吐這兩個原本常常互相拉扯的條件。這些話如果放在兩年前，聽起來還像技術簡報，但放到今天，它已經開始變成資本配置的語言。
更值得注意的是，這不只是媒體敘事。Reuters 先前披露，Fractile 計畫在未來三年對英國業務投入 1 億英鎊，包含在 Bristol 擴建硬體工程與測試能力。這個訊號的意義，不是它明天就能威脅 Nvidia，而是它顯示這條路線已經不只停留在概念驗證，而開始進入系統化擴產與工程落地。當一家以推理效能為核心賣點的新創，開始把錢砸進製造、組裝與測試能力，外界看到的就不再只是 pitch deck，而是更接近產業化的意圖。
所以這篇新聞真正有趣的地方，不是「歐洲要不要誕生下一個 Nvidia」。那個問題太大，也太早。更值得看的，是資本市場是不是已經默默改題了。當 GPU 在訓練端的主導地位還很難撼動時，下一個更容易被重寫的環節，反而可能是推理端的單位經濟。誰能把模型部署得更快、更省電、更低成本，誰就比較有機會拿到下一波應用層爆量之後的基礎設施紅利。從這個角度看，Euclyd、Fractile 這類歐洲新創開始被點名，不只是區域創投消息，而是 AI 硬體敘事開始從「訓練霸權」轉向「部署效率」的早期徵兆。
- CNBC: https://www.cnbc.com/2026/04/17/nvidia-ai-chip-rivals-funding-euclyd-fractile.html
- Reuters via MarketScreener: https://www.marketscreener.com/news/uk-chipmaker-fractile-plans-136-million-boost-for-ai-chip-production-ce7e5adfdb80f727
- Euclyd: https://euclyd.ai/
- Fractile: https://www.fractile.ai/