1 พันล้านดอลลาร์สหรัฐในรอบ Seed! Nvidia, AMD และ Intel ร่วมมือกันอย่างไม่เคยมีมาก่อน ทุ่มทุนให้กับทีม RadixArk ผู้พัฒนา SGLang โอเพนซอร์สเอ็นจิ้นการอนุมาน

รายงานโดย XinZhiYuan

บรรณาธิการ: Taozi

【บทนำจาก XinZhiYuan】 ภาพนี้ช่างน่าตื่นเต้น! NVIDIA, AMD และ Intel นั่งร่วมโต๊ะเดียวกันอย่างไม่เคยปรากฏมาก่อน เพื่อร่วมกันลงทุน 100 ล้านดอลลาร์ให้กับทีมเดียว ทีมอัจฉริยะเบื้องหลัง SGLang ถือเงินก้อนมหาศาลนี้ ตั้งใจที่จะพลิกโฉมกฎการจัดสรรพลังประมวลผล AI อย่างสิ้นเชิง

การแข่งขันในเลเยอร์โมเดลกำลังเข้าสู่ช่วงเดือด ขณะที่ผู้นำด้านเซมิคอนดักเตอร์ในซิลิคอนแวลลีย์กำลังเดิมพันด้วยเงินจริงกับโซลูชันระดับพื้นฐานที่มากกว่า การระดมทุนรอบ Seed มูลค่า 100 ล้านดอลลาร์ สอดคล้องกับการประเมินมูลค่า 400 ล้านดอลลาร์ โดย NVIDIA, AMD และ Intel ยักษ์ใหญ่ชิปสามรายปรากฏตัวร่วมกันอย่างไม่เคยมีมาก่อน การลงทุนระยะเริ่มต้นที่ใหญ่ที่สุดในโครงสร้างพื้นฐาน AI ปี 2026 ตกเป็นของทีมที่เติบโตมาจากชุมชนโอเพนซอร์ส——RadixArk พร้อมกับเอนจิ้นอนุมาน SGLang และเฟรมเวิร์กการเรียนรู้แบบเสริมกำลัง Miles

100 ล้านดอลลาร์: การฝ่าวงล้อมจากการสะสมพลังประมวลผล

เมื่อวันที่ 5 พฤษภาคม RadixArk ประกาศระดมทุนรอบ Seed มูลค่า 100 ล้านดอลลาร์ โดยมีมูลค่าหลังการลงทุน 400 ล้านดอลลาร์ รอบนี้มี Accel เป็นผู้นำ และ Spark Capital เป็นผู้ร่วมนำ

รายชื่อนักลงทุนสถาบันสมควรอ่านอย่างละเอียด ในด้านชิป NVentures ของ NVIDIA, AMD และ MediaTek เข้าร่วมพร้อมกัน ด้านข้อมูลและแพลตฟอร์ม Databricks ปรากฏในรายชื่อ ส่วนนักลงทุนทางการเงิน ได้แก่ Salience Capital, HOF Capital, Walden Catalyst, A&E Investment, LDVP, WTT Fubon Family และอื่นๆ

ผู้ผลิตชิปเหล่านี้เป็นคู่แข่งกัน แต่กลับมายืนอยู่บนรายชื่อผู้ถือหุ้นเดียวกัน

รายชื่อนักลงทุนเทวดาก็มีน้ำหนักไม่แพ้กัน: Lip-Bu Tan, CEO ของ Intel; Hock Tan, CEO ของ Broadcom; Igor Babuschkin, อดีตผู้ร่วมก่อตั้ง xAI; John Schulman, อดีตผู้ร่วมก่อตั้ง OpenAI และผู้ร่วมก่อตั้ง Thinking Machines Lab; Soumith Chintala, ผู้ร่วมก่อตั้ง PyTorch; Lilian Weng, ผู้ร่วมก่อตั้ง Thinking Machines Lab

Lip-Bu Tan CEO ของ Intel ส่งคำแสดงความยินดีถึง RadixArk

กลุ่มผู้เล่นรายใหญ่ที่ประกอบด้วยยักษ์ใหญ่จำนวนมากเช่นนี้ ไม่เคยมีมาก่อนในเส้นทางโครงสร้างพื้นฐาน AI

SGLang: เอนจิ้นอนุมานที่ยักษ์ใหญ่ระดับโลกเลือกใช้โดยปริยาย

เพื่อเข้าใจตรรกะการประเมินมูลค่าของ RadixArk ก่อนอื่นต้องเข้าใจ SGLang

นับตั้งแต่ถือกำเนิดในปี 2023 เอนจิ้นอนุมานโอเพนซอร์สนี้ใช้เวลาสองปีในการเติบโตเป็นมาตรฐานอุตสาหกรรมโดยพฤตินัย มันได้รับดาวมากกว่า 27,000 ดวงบน GitHub และมีขนาดการปรับใช้เกิน 400,000 ใบ GPU

ทุกวัน ปริมาณการผลิตหลายล้านล้านโทเค็นทำงานบน SGLang โดยผู้ใช้รวมถึง Google, Microsoft, NVIDIA, Oracle, AMD, LinkedIn, xAI, Thinking Machines Lab——ทีมงานที่ต้องการประสิทธิภาพการอนุมานสูงที่สุดในโลกต่างก็มอบภาระงานการผลิตให้กับมัน

นักลงทุนที่เคยมีส่วนร่วมในการประเมินโครงการโครงสร้างพื้นฐาน AI หลายโครงการยอมรับว่า: “ความเร็วในการทำซ้ำและวินัยทางวิศวกรรมของ SGLang อยู่ในระดับแนวหน้าในหมู่โครงการโอเพนซอร์ส”

ในช่วงสองปีที่ผ่านมา สถาปัตยกรรมโมเดลได้ผ่านการเปลี่ยนแปลงครั้งใหญ่หลายครั้ง เช่น MoE, บริบทระยะยาว, โมเดลอนุมาน, การผสานรวมมัลติโมดัล, การระเบิดของ Agent

ทุกครั้งที่มีการปรับโครงสร้างสถาปัตยกรรม SGLang สามารถรองรับได้ใน Day-0——โมเดลใหม่ได้รับการสนับสนุนทันทีที่เปิดตัว โดยประสิทธิภาพเข้าใกล้ขีดจำกัดทางกายภาพของฮาร์ดแวร์

ความสามารถนี้เบื้องหลังคือทีมที่มีความเชี่ยวชาญลึกซึ้งทั้งในด้านระบบและอัลกอริทึม

CEO Ying Sheng เป็นผู้ริเริ่ม LMSYS Org และเป็นผู้ก่อตั้งหลักของ SGLang เคยนำทีมระบบอนุมานที่ Databricks และ xAI เป็นหนึ่งในนักวิจัยที่ถูกอ้างอิงบ่อยที่สุดในด้านการอนุมานโมเดลภาษาใหญ่โอเพนซอร์ส

CTO Banghua Zhu ศึกษาภายใต้ Michael I. Jordan และ Jiantao Jiao เคยร่วมก่อตั้ง Nexusflow ซึ่งถูก NVIDIA เข้าซื้อกิจการ หลังจากนั้นดำรงตำแหน่ง Principal Research Scientist ที่ NVIDIA

ผู้ร่วมก่อตั้ง RadixArk Banghua Zhu (ซ้าย) และ Ying Sheng (ขวา)

การผสมผสานผู้ก่อตั้งแบบนี้ไม่ธรรมดาในการเริ่มต้นธุรกิจโครงสร้างพื้นฐาน AI

คนหนึ่งเป็นผู้ก่อตั้งที่เป็นนักวิจัยซึ่งสร้างมาตรฐานโดยพฤตินัยของการอนุมานโอเพนซอร์สและรักษาวินัยทางวิศวกรรมอย่างต่อเนื่อง อีกคนเป็นผู้เชี่ยวชาญด้านอัลกอริทึมโมเดลภาษาขนาดใหญ่ที่มาจากเลเยอร์การวิจัยหลักของผู้ผลิต GPU

คนแรกกำหนดว่า SGLang จะสามารถรักษาจังหวะการทำซ้ำที่รองรับ Day-0 ได้หรือไม่ ส่วนคนที่สองกำหนดว่า Miles จะสามารถควบคุมปัญหาความเสถียรเมื่อนำการเรียนรู้แบบเสริมกำลังไปใช้จริงได้หรือไม่

สองเส้นทางหลักของการอนุมานและการฝึกอบรม ครอบคลุมพื้นหลังทางเทคนิคทั้งหมดของเรื่องราวเชิงพาณิชย์ของ RadixArk

Miles + DeepSeek-V4: การเรียนรู้แบบเสริมกำลังและการอนุมานร่วมกันเปิดตัว

ในวันที่ 25 เมษายน 2026 ซึ่งเป็นวันที่ DeepSeek-V4 เปิดตัว SGLang และ Miles กลายเป็นสแต็กเทคโนโลยีโอเพนซอร์สแรกของโลกที่รองรับทั้งการอนุมานและการฝึกอบรม RL ของโมเดลนี้พร้อมกัน

Miles เป็นเฟรมเวิร์กการเรียนรู้แบบเสริมกำลังที่ RadixArk เปิดตัวในเดือนพฤศจิกายน 2025 โดยมุ่งเน้นที่ความเสถียรและประสิทธิภาพของการฝึกอบรม RL ขนาดใหญ่ ปัจจุบันถูกใช้โดยทีมงานระดับแนวหน้ามากกว่า 20 ทีมสำหรับการฝึกอบรมโมเดล MoE โดยเฉพาะอย่างยิ่งได้รับความนิยมจากห้องปฏิบัติการ前沿 Neo Labs ในซิลิคอนแวลลีย์

สิ่งที่ทำให้อุตสาหกรรมสังเกตเห็นการสะสมเทคโนโลยีการฝึกอบรมของทีมนี้คือการเปิดตัว DeepSeek-V4 ในวันที่ 25 เมษายน

โมเดลที่มีสถาปัตยกรรมซับซ้อนอย่างยิ่งนี้——ความสนใจแบบกระจัดกระจายผสม, น้ำหนักผู้เชี่ยวชาญ FP4——ในวันที่เปิดตัว SGLang และ Miles กลายเป็นสแต็กเทคโนโลยีโอเพนซอร์สแรกของโลกที่รองรับทั้งการอนุมานและการฝึกอบรม RL พร้อมกัน

สิ่งที่สนับสนุนทั้งหมดนี้คือการปรับปรุงระบบที่เตรียมไว้ก่อนการเปิดตัวโมเดล เช่น ShadowRadix prefix cache, Flash Compressor, Lightning TopK

การครอบคลุมห่วงโซ่เต็มรูปแบบตั้งแต่การอนุมานไปจนถึงการฝึกอบรม ทำให้จินตนาการเชิงพาณิชย์ของ RadixArk มีการสนับสนุนทางวิศวกรรมที่แข็งแกร่งยิ่งขึ้น

ยักษ์ใหญ่เซมิคอนดักเตอร์ปรากฏตัวร่วมกันอย่างไม่เคยมีมาก่อน

ทำไม NVIDIA, AMD และ Intel ถึงปรากฏตัวพร้อมกันในรายชื่อผู้ถือหุ้นเดียวกัน? สิ่งนี้ทำให้เกิดความสับสน ทั้งสามบริษัทเป็นคู่แข่งกัน แต่กลับลงทุนในเอนจิ้นอนุมานเดียวกัน ไม่ใช่การเลี้ยงเสือให้เป็นภัยหรอกหรือ?

ตรงกันข้าม ตลาดฮาร์ดแวร์มีความไม่สมดุลทางโครงสร้าง พลังประมวลผลยังคงแพงและหายาก การสะสมฮาร์ดแวร์เพียงอย่างเดียวไม่สามารถยั่งยืนอีกต่อไป ระบบนิเวศซอฟต์แวร์ที่อยู่เหนือขึ้นไปกลายเป็นจุดเข้าที่ขาดไม่ได้

สำหรับ NVIDIA SGLang สามารถเพิ่มประสิทธิภาพการใช้งาน H100/B200/GB300 ได้สูงสุด ซึ่งหมายความว่าลูกค้าจะเต็มใจจ่ายเงินซื้อ GPU ระดับสูงมากขึ้น——คูเมืองระบบนิเวศไม่ได้สร้างขึ้นด้วยการปิดกั้น แต่สร้างขึ้นด้วยการทำให้ฮาร์ดแวร์ของตัวเองทำงานได้ดีกว่าทุกคน

สำหรับ AMD จำเป็นต้องมีสแต็กการอนุมานที่แยกออกจาก CUDA และสามารถใช้ประสิทธิภาพของซีรีส์ MI300 ได้อย่างยุติธรรม มิฉะนั้นฮาร์ดแวร์จะแข็งแกร่งแค่ไหนก็หาผู้ใช้ไม่เจอ

สำหรับ Intel ซีรีส์ Gaudi จำเป็นต้องเติบโตเป็นมาตรฐานโอเพนซอร์สภายนอกระบบนิเวศที่ CUDA ครอบงำอยู่ เพื่อฝ่าวงล้อมระบบนิเวศ สำหรับ MediaTek และ Broadcom ชิปขอบและเครือข่ายก็ต้องการอินเทอร์เฟซระดับบนที่เป็นหนึ่งเดียวกันเช่นกัน และโครงสร้างพื้นฐานโอเพนซอร์สเป็นเลเยอร์ที่ไม่ลำเอียงที่สุด

ห่วงโซ่อุตสาหกรรมเชื่อมโยงกันผ่าน RadixArk ผู้ผลิตฮาร์ดแวร์ร่วมกันสร้างโครงสร้างพื้นฐานพลังงาน AI ที่ไม่ถูกผูกขาดโดยผู้ให้บริการคลาวด์รายใดรายหนึ่งหรือยักษ์ใหญ่ชิป

ตรรกะของนักลงทุนเทวดาก็ชัดเจนเช่นกัน: John Schulman และ Lilian Weng ให้ความสำคัญกับผลกระทบของการเร่งการทำซ้ำโมเดลจากโครงสร้างพื้นฐานการฝึกอบรม-อนุมานแบบบูรณาการ Soumith Chintala ให้ความสำคัญกับการทำงานร่วมกันอย่างลึกซึ้งระหว่างระบบนิเวศ PyTorch และเอนจิ้นอนุมานรุ่นต่อไป Igor Babuschkin และ Hock Tan ให้ความสำคัญกับการบูรณาการสแต็กเทคโนโลยีที่สมบูรณ์ตั้งแต่ชิปไปจนถึงระบบ

Igor Babuschkin ผู้ร่วมก่อตั้ง xAI ยกย่อง: “SGLang เป็นเฟรมเวิร์กการอนุมานที่ดีที่สุดในตลาด การก่อตั้ง RadixArk ก็เพื่อยกระดับมันให้สูงขึ้นไปอีก และทำให้สแต็กเทคโนโลยี AI ที่ล้ำสมัยเข้าถึงได้สำหรับทุกคน”

Liam Fedus อดีตรองประธานฝ่ายหลังการฝึกอบรมของ OpenAI และผู้ก่อตั้ง Periodic Labs กล่าวว่า——

“การสร้างโครงสร้างพื้นฐาน AI ที่เชื่อถือได้ มีประสิทธิภาพ และปราศจากข้อผิดพลาด เป็นหนึ่งในความท้าทายที่ใหญ่ที่สุดในการสร้าง Periodic เสมอมา ด้วยเหตุนี้ การเห็น RadixArk ลงทุนมหาศาลในโครงสร้างพื้นฐานโอเพนซอร์สอย่าง SGLang ทำให้ฉันตื่นเต้นมาก เมื่อเลเยอร์โครงสร้างพื้นฐานโอเพนซอร์สแข็งแกร่งขึ้น บริษัทอย่าง Periodic ก็จะทำงานได้เร็วขึ้น ในขณะเดียวกัน สตาร์ทอัพรุ่นใหม่ก็สามารถทุ่มเททำโปรเจกต์ใหญ่ๆ ได้——ซึ่งเมื่อก่อนต้องมีทีมโครงสร้างพื้นฐานขนาดใหญ่ตั้งแต่第一天เลย”

บุคคลสำคัญเหล่านี้ปรากฏตัวพร้อมกันในรายชื่อผู้ถือหุ้นเดียวกัน ส่งสัญญาณที่แข็งแกร่งไปยังตลาดทั้งหมด

ทำให้สิทธิ์ในการสร้าง AI ไม่ถูกผูกขาดโดยคนส่วนน้อย

เว็บไซต์ RadixArk ระบุอย่างชัดเจน: “AI รุ่นต่อไปไม่ควรถูกจำกัดด้วยสิทธิ์การเข้าถึงโครงสร้างพื้นฐานส่วนตัว ทีมงานมากขึ้นควรมีโอกาสที่จะเป็นเจ้าของโมเดลของตัวเอง ระบบของตัวเอง และอนาคตของตัวเอง”

ในภาษาของวิศวกร สิ่งนี้สามารถตีความได้เป็นภาพดังนี้:

โมเดลใหม่เปิดตัวในเวลาเช้ามืด ไม่กี่ชั่วโมงต่อมา มีคนในชุมชนใช้ SGLang เรียกใช้การอนุมานที่มีประสิทธิภาพ

ทีมสตาร์ทอัพที่มีเพียงสิบกว่าคน ใช้ Miles ฝึกอบรม RL บนข้อมูลเฉพาะโดเมนของตนเอง โดยไม่ต้องไปเคาะประตูโครงสร้างพื้นฐานส่วนตัวของผู้ให้บริการคลาวด์รายใด

Neo Labs ในซิลิคอนแวลลีย์และยักษ์ใหญ่ในอุตสาหกรรม ต่างก็สามารถสร้างผลิตภัณฑ์ AI ของตนเองบนเคอร์เนลโอเพนซอร์สชุดเดียวกัน ตามจังหวะของตนเอง

ในช่วงสองปีที่ผ่านมา การแข่งขันในเลเยอร์โมเดลรุนแรง ขณะที่เลเยอร์โครงสร้างพื้นฐานเป็นครั้งแรกที่มีทีมระดับแนวหน้าที่ควบคุมทั้งสองจุดเข้า (การอนุมานและการฝึกอบรม) และเปิดเคอร์เนลทั้งหมดให้กับชุมชน

การลงทุน 100 ล้านดอลลาร์กำลังแจกจ่ายอำนาจในการสร้าง AI ใหม่

ตามทัน ASI อย่างรวดเร็ว