摘要：它的数十名开发员工要加入AWS的AnnapurnaLabs，说直白点，这事儿基本就标志着NeuroBlade没法再独立运营了。

最近以色列有家叫NeuroBlade的芯片初创公司，核心团队竟然倍挖走了。

据报道，它的数十名开发员工要加入AWS的AnnapurnaLabs，说直白点，这事儿基本就标志着NeuroBlade没法再独立运营了。

NeuroBlade的CEOEladSity还专门给员工写了封信，里面说这是公司发展的“重要里程碑”，签了最终协议后，核心工程团队会去AWS那边牵头搞下一代产品创新。

CEO写这话的时候，估计心里也挺复杂的。

毕竟这公司是他和CTOEliadHillel在2018年一起建的，俩人以前还都是SolarEdge的早期员工，打拼这么多年，感情肯定不浅。

信里还感谢员工们的才华和付出，说大家的创新方案和前沿想法才撑起来现在的NeuroBlade，这话倒挺实在，初创公司能走下去，靠的就是团队那股劲。

NeuroBlade这些年也不算没成绩，到现在一共融了1.1亿美元。

投资方里有不少大佬，比如领投最新一轮融资的CornerVentures，还有英特尔投资、GroveVentures这些。

本来想，有这么多资金和资源支持，这公司怎么也得再冲一冲，没成想最后还是选了并入AWS。

不过话说回来，芯片行业烧钱本来就快，1.1亿美金看着多，真要搞技术研发、推产品，其实也不算特别充裕。
Sity在信里还提了一嘴，说跟AWS的交易没关系，公司早些时候已经做了内部团队调整。

最后去AWS的只有软件和系统团队，目的是让技术的影响力能“指数级增长”。

如此看来，NeuroBlade应该是早有规划，不是临时决定的，先优化团队，把核心力量集中起来，再跟AWS对接，这样后续整合也能更顺利。

不过光说并购的事儿还不够，得聊聊NeuroBlade到底有啥技术，能让AWS看得上。

它最核心的东西，是一套新颖的数据分析架构，简单说就是把计算直接集成到内存里。

传统数据处理的时候，数据得在CPU、内存、存储之间来回传，这中间浪费的时间可不少，瓶颈就出在这。

NeuroBlade把计算塞到内存里，相当于让数据“原地处理”，效率自然就提上来了。

这套技术还整合了专有硬件、软件和算法，做成一个统一系统装在服务器群里，专门加速大规模计算。

其中最关键的是个叫“SQL处理单元（SPU）”的东西，它能帮超大规模服务器的x86CPU分担分析工作。

据说用了SPU之后，作业速度能快100倍甚至更多，不仅能降成本，还能让CPU核心的使用率更高。

有人可能会问，这不就是咱们常说的DPU吗？还真不是。

DPU得管安全、网络、存储这些杂七杂八的基础设施处理，功能很杂。

SPU就专一多了，只盯着SQL相关的处理，而且它是插在主机服务器的PCIe总线上，不用改主机的应用软件就能干活，这点还挺省心的。

也不是SmartNIC，SmartNIC主要是让网络速度更快，跟SPU的活儿完全不搭边。

这种“专才”型技术，在现在特别吃香。

现在数据中心里，CPU管通用应用，GPU管AI训练和推理，再整个SPU专门搞SQL分析，分工明确了，各自的优势都能发挥出来，整体效率肯定能上去。

NeuroBlade之前也没闲着，已经开始推商业化了。

它跟戴尔签了合作协议，把SPU卡装在戴尔的PowerEdge服务器里一起卖。PowerEdge服务器在市场上挺受欢迎的，通过戴尔的渠道，SPU也能更快触达客户。

而且它还跟一家超大规模数据中心运营商签了合同，一下子就卖了几千张SPU卡。

别看几千张听起来不多，按行业里的均价算，这单合同金额也得有几千万美金，算是不小的突破了。

不过NeuroBlade也有自己的取舍。

它之前跟三星这些驱动器制造商谈过合作，还跟VASTData这种存储供应商聊过在存储阵列里用SPU的事儿，但最后都没继续。

后来才明白，它是算过账的，超大规模数据中心的需求比存储阵列大多了，超大规模厂商一次可能就要用到数万个CPU，对应的SPU需求也大。

而存储阵列供应商一年也就卖几百、几千个，回报差得远。所以它干脆把重点放在超大规模市场，毕竟投入产出比更高。

NeuroBlade一开始其实有个挺大气的目标，就是要做“数据分析领域的英伟达”。

它的CBOLiorGenzelGal也说过“我们是数据分析领域的英伟达”这话。但最后为啥放弃独立，选择并入AWS呢？

其实想想也能理解。英伟达能成功，不光是因为硬件厉害，更重要的是它有CUDA软件生态，还有庞大的开发者社区，这是几十年积累下来的，不是随便就能复制的。

而数据分析芯片这个赛道，市场规模比GPU小多了，一家初创公司想靠自己建生态，难度太大了。

之前有个叫PivotalIO的公司，也是搞SQL加速的，最后就因为没突破生态瓶颈倒闭了，这就是前车之鉴。

再看AWS这边，它旗下的AnnapurnaLabs本来就是搞先进芯片技术的，尤其在AI领域。

2015年亚马逊花了大概3.7亿美元把它收购了，现在在以色列有几百名员工。

AnnapurnaLabs还负责开发AWS的Trainium处理器，这东西专门用来训练大型AI系统，AWS的AI云服务能撑起来，它功不可没。

NeuroBlade的团队加入之后，正好能跟Trainium形成互补。

训练AI模型之前，得先处理大量数据，而且很多数据处理都要用到SQL分析。

用SPU加速这一步，再用Trainium去训模型，相当于把“数据处理-模型训练”的流程打通了，效率肯定能提升不少。

AWS有客户、有渠道、有生态，SPU到了这里，能发挥的作用比在NeuroBlade独立运营时大多了。

还有个有意思的点，NeuroBlade的CBOLiorGenzelGal，以前待过的公司都挺有“并购缘”。

他之前在Excelero当CEO兼联合创始人，2022年3月那公司被英伟达收了；后来去arcastream负责战略业务，没多久那公司又被Kalray收购了。

他对“初创公司技术被大厂整合”这事儿，怕是最有体会的。

估计他也跟团队分析过，与其硬撑着做“小英伟达”，不如把技术放到AWS这个大平台上，让技术真正落地，产生价值，这反而更实际。

说来说去，NeuroBlade这事儿其实挺典型的。

芯片初创公司有技术、有想法，但缺资源、缺生态，很难做大；大厂有资源、有渠道，但需要好技术来补自己的短板。

这么一结合，对双方都是好事，本来想这公司能独立闯出一片天，后来发现，在芯片这么卷的行业里，能让自己的核心技术发挥更大作用，也算是另一种成功了。

至于SPU以后在AWS能不能发光发热，能不能真的改写数据中心的规则，咱们还得接着看。

来源：云娱云己