Salience Labs获1.25亿美元B轮：AI数据中心的下一场竞赛转向光交换网络
英国光子芯片公司Salience Labs宣布完成超额认购的1.25亿美元B轮融资，资金将用于扩大光交换技术部署、规模化制造和美国业务。AI基础设施的瓶颈，正在从算力芯片延伸到芯片之间如何高效通信。
2026年10月14日，英国公司Salience Labs宣布完成超额认购的1.25亿美元B轮融资。公告显示，本轮由Bullhound Capital领投，AMD Ventures、Intel Capital、SBI Group、Hudson River Trading、British Business Bank等参与，资金将用于推进光学电路交换（OCS）技术部署、扩大规模化制造，并加强其在美国硅谷的业务布局。
发生了什么：融资押注的是“光如何搬运数据”
Salience Labs并不是在做新的通用AI模型，而是在解决AI数据中心内部的网络问题。随着训练和推理系统把越来越多的加速器放进同一机架或集群，GPU之间需要交换大量数据。此时，单纯增加GPU数量并不一定带来等比例的有效吞吐，互联网络、交换延迟、功耗和资源调度都可能成为限制因素。
Salience的路线是用硅光子和全光交换技术处理数据中心连接。其公司资料把产品定位为面向AI基础设施的全光交换方案；本轮融资则明确指向OCS技术部署、量产能力和市场扩张。这里的关键词不是“光计算”本身，而是让光学器件承担更多数据搬运任务，减少部分电—光—电转换和网络重构带来的开销。
为什么重要：AI集群的效率不只由GPU决定
大模型训练和高并发推理都依赖高带宽、低延迟的互联。若加速器在等待数据，昂贵的计算资源就没有被充分利用；若网络设备需要消耗大量功率，数据中心的能源和散热压力也会随之上升。因此，AI基础设施的创新正在从GPU、HBM和服务器，延伸到交换芯片、光模块、机架级互联和软件调度。
AMD和Intel的投资参与具有一定象征意义，但它不等于两家公司已经承诺把Salience的产品整合到自己的商业平台中。更稳妥的解读是：主流芯片生态正在关注光交换作为AI集群互联的潜在价值，创业公司也因此有机会在“算力之外”的基础设施层建立产品壁垒。
这对AI行业意味着什么
- 数据中心建设：未来评估AI集群时，除了峰值算力，还要看网络拓扑、通信效率、端到端功耗和扩展成本。
- 芯片与网络创业：光子器件、交换架构、封装、测试和控制软件都有可能成为新的创业切口。
- 模型服务商：更高效的互联有助于提升训练集群利用率，也可能降低大规模推理的基础设施成本，但收益要经过真实工作负载验证。
- 投资与采购：融资规模和战略投资人是信号，不是商业化结果；量产良率、系统兼容性和客户部署才是下一阶段的硬指标。
适合哪些人关注
AI数据中心规划者、云服务商、GPU集群运维团队、芯片与光通信从业者、关注算力基础设施的投资人，以及需要理解“为什么加GPU后性能没有线性增长”的AI应用团队，都值得关注这一方向。对应用层创业者而言，底层互联效率最终会反映在模型训练周期、推理延迟和单位调用成本上。
仍需验证的关键问题
光交换网络要成为大规模AI集群的常规配置，还需要回答几个问题：它能否与现有以太网、InfiniBand及其他互联方案顺畅协同？在动态工作负载下，交换路径能否快速重配置？量产后的可靠性、维护成本和供应链是否足够稳定？Salience Labs本轮融资说明资本市场愿意押注这个方向，但产品从实验室技术走向大规模部署，仍要靠客户验证和制造能力兑现。
