← 返回公司库

L3 公司投研页 · 2026-06-15

EnCharge AI

EnCharge AI

EnCharge AI 位于芯片与半导体层，当前研究入口聚焦 AI芯片与半导体 的产业链位置、财务质量、上下游约束与反证指标。未上市 数据只作研究参考，不构成投资建议。

研究定位 芯片与半导体层

AI芯片与半导体

订阅这家公司变化新观点 / 硬数据进邮箱

1. 投资摘要

  • EnCharge AI 是一家未上市 AI 加速器芯片公司，核心路线不是 GPU 或传统数字 NPU，而是基于 switched-capacitor / charge-domain 的模拟内存计算，目标是在端侧、工作站与边缘场景把 AI 推理由云端下沉到本地设备。12
  • 公司 2025-02-13 宣布完成超额认购的 1 亿美元以上 B 轮融资，由 Tiger Global 领投；公告同时披露累计融资超过 1.44 亿美元，并称资金将用于 2025 年推进首批面向 client computing 的 AI accelerator 产品商业化。1
  • 2025-05-29，公司发布 EN100：M.2 形态面向笔记本，标称 200+ TOPS、8.25W power envelope；PCIe 形态面向工作站，四个 NPU 合计约 1 PetaOPS，并配套 PyTorch / TensorFlow 支持的软件栈。2
  • 公开资料未见收入、毛利率、经营现金流、股数、估值等可审计财务数据；2026-06-15 按 SEC company_tickers.json 检索亦未见 EnCharge AI 对应 CIK，不能使用 SEC XBRL 口径补财务表。10
  • 投资判断的关键不在短期财报，而在三件事：EN100 early access 能否转化为 OEM/ISV 设计导入、模拟 IMC 在真实大模型推理中的精度/软件体验能否稳定、以及下一代产品能否从 client/edge 延伸到更高 ASP 的本地服务器或数据中心推理。23
  • 反证阈值：若 2026 年仍无公开量产客户、EN100 未进入可购买/可集成的标准形态、或公司只能重复实验室 TOPS/W 而拿不出真实模型吞吐和开发者工具链，B 轮融资对应的商业化叙事需要降级。

2. 产业链位置

EnCharge AI 位于 AI 产业链的芯片架构与边缘推理加速层。它不直接与训练集群 GPU 做同场景竞争，而是试图把一部分本应在云端 GPU/加速卡执行的推理负载迁移到笔记本、工作站、机器人、工业设备、国防边缘平台和本地服务器。其产业链位置可概括为：上游依赖 CMOS 代工、混合信号 IP、EDA、封装、LPDDR 与板卡供应链；公司自身承担模拟 IMC 阵列、NPU 架构、编译器、runtime、模型映射和系统软件；下游客户是 OEM、工作站/PC 平台、边缘设备商、国防/航空航天系统集成商、以及希望降低云推理成本的企业应用开发者。12

与 NVIDIA Jetson、Hailo、EdgeCortix 等边缘 AI 方案相比，EnCharge 的差异点在“模拟内存计算 + 标准 CMOS 可制造性 + 软件可编程”这一组合；与 Mythic 这类历史上的 analog IMC 方案相比，公司强调 charge-domain / switched-capacitor 方法克服 current-based analog IMC 的信噪比与可扩展性限制。35 产业链定性上，它更像“AI 推理能效 IP/芯片平台”，而非完整服务器系统商。

3. AI 相关收入拆解（融资桥 + 公式）

EnCharge AI 未上市且未披露收入。对投资人而言，当前只能用融资、政府项目、产品 early access 和可验证产品指标作为“商业化 proxy”，不能把融资额写成收入。

口径2022202320242025-2026 可跟踪项
股权融资21.7 百万美元 Series A22.6 百万美元追加机构轮未见公开股权融资额2025-02 B 轮 1 亿美元以上；累计融资超过 1.44 亿美元。167
政府/研发项目DARPA/DoD 资助研发背景不适用Princeton + EnCharge AI 获 DARPA OPTIMA 项目 18.6 百万美元 grantgrant 属研发资金，不等同产品收入。4
产品收入未披露未披露未披露EN100 early access 已满第一轮，但未披露订单、ASP、出货量或确认收入。2
AI 收入公式不适用不适用不适用设计导入数 × 单客户终端出货量 × 单卡/单模块 ASP × 量产良率 × 软件 attach / support
可审计财报无公开数据无公开数据无公开数据SEC company_tickers 未检索到对应 CIK；无 companyfacts。10

合理的收入路径不是“芯片发布即有大规模收入”，而是 early access → design-in → OEM qualification → pilot shipment → volume shipment → recurring software/support。其中 design-in 到 volume shipment 可能跨越 4-8 个季度，且边缘 AI 客户高度碎片化。

4. 核心产品（含收入贡献）

产品/平台AI 用途公开指标收入贡献口径状态
EN100 M.2笔记本、轻量工作站、边缘终端本地推理200+ TOPS；8.25W power envelope未披露收入、ASP、出货量2025-05-29 发布；面向 early access / OEM。2
EN100 PCIe工作站、本地专业 AI 应用、较大模型/多模态推理四个 NPU，约 1 PetaOPS；最高 128GB LPDDR，272 GB/s 带宽未披露发布时称面向 workstation。2
软件栈模型编译、runtime、框架适配支持 PyTorch、TensorFlow；含优化工具与编译支持可能成为服务/授权收入，但未披露产品化成败的关键。2
switched-capacitor analog IMC IPMVM / MAC 高能效推理论文和公司技术页披露多代 silicon 验证未来可用于芯片、chiplet、ASIC 或授权公司称技术已跨 5 代设计验证。35
下一代 edge-to-cloud roadmapclient、edge、本地服务器乃至数据中心推理未披露正式产品参数未披露B 轮资金用于推进路线图和先进节点。1

核心约束是：EN100 的 TOPS 指标需要映射到真实模型吞吐、延迟、精度、batch=1 表现和开发者体验。对于投资模型，TOPS/W 只能作为技术 proxy，不能直接等同于客户愿意采购的 tokens/s/$。

5. 上游供应商 / 下游客户

类型名称/类别暴露投研处理
Foundry“existing semiconductor supply chain”；未公开具体代工厂charge-domain IMC 仍需稳定 CMOS 工艺、混合信号良率和可测性不编造 TSMC/GF/UMC 绑定关系；只按 fabless 依赖处理。3
存储/系统物料LPDDR、M.2 / PCIe 板卡、PMIC、散热EN100 最高 128GB LPDDR、272 GB/s 带宽，说明外部内存与板级集成是产品成本项关注 BOM、功耗、散热和供应稳定性。2
EDA/IP/封测混合信号 EDA、ADC/DAC、封装、测试模拟计算阵列对建模、校准、测试覆盖率更敏感良率和测试时间会影响毛利率。
学术/政府Princeton University、DARPA OPTIMAPrinceton 技术源头 + DARPA 项目提升技术可信度18.6 百万美元 grant 是研发信号，不是商业订单。4
下游OEM、开发者、工作站/PC 平台、边缘设备商公司披露 early adoption partners，但未实名客户或订单金额不做客户映射；以 design-in 公告为跟踪指标。2
战略投资者Samsung Ventures、HH-CTBC、VentureTech Alliance、RTX Ventures、In-Q-Tel 等覆盖消费电子、代工/制造、国防、能源投资人结构说明潜在场景广，但不等同采购承诺。1

6. 同业硬指标对比表

公司/产品架构公开算力 / 功耗软件生态客户/商业阶段投研判断来源
EnCharge AI EN100 M.2switched-capacitor analog IMC NPU200+ TOPS；8.25WPyTorch / TensorFlow 支持；自有编译优化early access；未披露量产收入能效叙事最强，但商业验证仍早2
EnCharge AI EN100 PCIe四 NPU PCIe 卡约 1 PetaOPS；最高 128GB LPDDR、272 GB/s同上workstation / developer 形态更接近本地 AI workstation，关注真实 tokens/s2
Hailo-10H M.2数字 edge AI accelerator40 TOPS INT4；2.5W typicalHailo 软件套件、边缘社区M.2 模块，边缘/PC低功耗成熟度强，算力低于 EN100 标称11
EdgeCortix SAKURA-IIDynamic Neural Accelerator60 TOPS INT8；M.2 典型 10WMERA / 边缘部署工具链M.2 / PCIe 模块公开销售性价比和可买性更清晰12
NVIDIA Jetson ThorBlackwell GPU + CPU SoM2070 FP4 TFLOPS；40-130WCUDA、TensorRT、Isaac、Jetson AI Labrobotics / physical AI 平台生态压倒性领先，功耗和成本更高13
Syntiant NDP250ultra-low-power at-memory / NDP面向 voice/vision/sensor，未与 EN100 同量级SDK 嵌入式生态always-on sensor AI不是大模型推理主战场，但低功耗边缘强14

该表的核心结论：EnCharge 的标称能效领先，但同业对比不能只看 TOPS。Hailo、EdgeCortix、NVIDIA 的优势分别在可买模块、成熟工具链和生态锁定；EnCharge 要证明的是“模拟 IMC 高能效 + 可编程 + 真实模型精度”可以同时成立。

7. 护城河

  1. 技术路线差异化：公司采用 charge-domain / switched-capacitor analog IMC，而不是 current-based analog IMC；公司和论文均把这一点作为解决信噪比、精度和可扩展性的关键。35
  2. 多代 silicon 验证：技术页称跨多个制程节点和 5 代设计验证；早期论文披露 65nm programmable heterogeneous microprocessor、28nm SRAM macro、16nm scalable NN inference accelerator 等研究结果。3589
  3. 团队复合能力：CEO Naveen Verma 是 Princeton ECE 教授，CTO Kailash Gopalakrishnan 曾为 IBM Fellow 并领导 AI hardware/software/algorithm co-design，COO Echere Iroaga 有 MACOM、Qualcomm、TI 等半导体商业化经验。15
  4. 资本与战略投资者：Tiger Global、Samsung Ventures、HH-CTBC、RTX Ventures、In-Q-Tel、VentureTech Alliance 等形成跨消费电子、国防、制造与基础设施的投资者网络。1
  5. 软件栈若跑通可形成迁移成本：EN100 宣称支持 PyTorch / TensorFlow，若编译器能把模型稳定映射到模拟阵列并维持精度，客户迁移和调优成本会变成壁垒。2

护城河仍处于“待商业确认”阶段。模拟计算的专利、论文和团队壁垒是真实的，但要转化为公司价值，必须体现在可量产芯片、稳定软件、客户设计导入和长期供货上。

8. 财务质量（公开口径）

时间公开资金事件金额性质财务质量判断
2022-12-14Series A21.7 百万美元股权融资公司成立早期资本；用于开发硬件和软件栈。7
2023-12-05追加机构轮22.6 百万美元股权融资VentureTech Alliance、RTX Ventures、ACVC 等加入，验证战略投资者兴趣。6
2024-03-06DARPA OPTIMA grant18.6 百万美元Princeton + EnCharge AI 多年项目研发资金，增强技术可信度，但不反映产品毛利或销售。4
2025-02-13Series B1 亿美元以上股权融资累计融资超过 1.44 亿美元，资金用途指向 2025 商业化和产品路线图。1
2025-05-29EN100 发布未披露订单金额产品里程碑early access 已满第一轮，但收入、ASP、gross margin 未披露。2

财务质量的正面是：累计融资规模足以支持数轮流片、团队扩张和首代产品市场导入；投资者中包含产业和国防战略资本。负面是：没有公开收入、毛利、现金余额、burn rate、订单 backlog 或估值，无法进行传统财务质量评分。对一级市场投资人，必须在尽调中补充 cap table、现金跑道、NRE 合同、wafer agreement、客户 LOI 和 early access 转化率。

9. 业绩传导路径

EnCharge 的业绩传导不是 GPU 公司式的“云厂商 capex → 数据中心板卡出货”，而是端侧/边缘设计导入链条：

AI 本地推理需求增加 → OEM / ISV 寻找低功耗推理方案 → EN100 early access / SDK 适配 → 真实模型 benchmark → 设计导入 → 小批量模块/板卡出货 → OEM 量产 → 芯片或模组收入确认

IEA 2025 Energy and AI 报告预计全球数据中心用电从 2024 年约 415 TWh 增至 2030 年约 945 TWh，AI 推理能耗与本地化处理成为行业长期矛盾。16 这给 EnCharge 的“把推理从云端移到本地”的叙事提供宏观需求，但并不自动带来收入。投资模型应拆为三层：

传导层领先指标兑现指标主要风险
技术真实模型 tokens/s/W、视觉模型 fps/W、精度保持MLPerf 或客户 benchmarkTOPS 高但模型映射低效
产品M.2 / PCIe early access、SDK 下载、开发者案例OEM design-in、模块量产软件工具不成熟
商业战略投资者转客户、国防/工业 pilot出货量、ASP、毛利率、续单客户碎片化、认证周期长

10. SOTP 估值框架

EnCharge AI 未披露估值和收入，不能使用 PE 或传统 EV/Sales。更合理的是里程碑概率加权框架：

情景技术假设商业化假设可用估值方法投资含义
BearEN100 只停留在 demo / early access；真实模型吞吐或精度不稳定无标杆 OEM 量产，收入主要来自 NRE/试点技术团队 + IP 清算价值；低倍数研发投入B 轮后融资承压，战略收购折价
BaseEN100 在若干 PC/工作站/边缘客户设计导入，形成小批量收入1-2 个可公开客户或平台生态，软件栈可用同类边缘 AI 芯片公司融资/销售倍数，按收入 run-rate 折现估值由“技术期”转向“产品期”
Bullanalog IMC 被证明可稳定跑多模态/生成式推理，且进入 OEM 规模量产从 M.2/PCIe 扩展到 chiplet/ASIC/本地服务器高增长 AI 半导体 EV/Sales + 战略收购溢价成为 edge-to-cloud 推理能效平台

量化时建议使用 里程碑价值 × 达成概率：产品发布 15%、首个付费 design-in 25%、标准模块量产 25%、软件生态和客户复购 20%、下一代节点/产品路线 15%。当前公开信息已支持“技术期向产品期过渡”，但尚不足以支持“规模收入期”估值。

11. 催化（带时点）

  • [已发生] 2025-02-13：完成 1 亿美元以上 B 轮融资，累计融资超过 1.44 亿美元；资金用途指向 2025 年首批 client computing AI accelerator 商业化。1
  • [已发生] 2025-05-29：EN100 发布，M.2 形态 200+ TOPS / 8.25W，PCIe 形态约 1 PetaOPS；第一轮 Early Access Program 已满。2
  • [已发生] 2024-03-06：Princeton + EnCharge AI 获 DARPA OPTIMA 18.6 百万美元 grant，项目聚焦 compute-in-memory accelerator。4
  • [2026 待验证] EN100 Round 2 early access、开发者/OEM 公开案例、可采购模块或评测样机。
  • [2026-2027 待验证] 下一代产品是否进入先进节点、chiplet/ASIC 或更高功耗本地服务器形态。1

12. 核心风险（带情景）

  • 技术风险：模拟 IMC 的核心挑战不是单点 TOPS/W，而是跨温度、电压、老化、器件失配、ADC/DAC 误差和模型分布变化的稳定精度。若校准和编译器不能自动化，客户使用成本会抵消能效优势。5
  • 软件风险：客户不会为节能牺牲开发效率。若 PyTorch / TensorFlow 支持只覆盖少数模型，或算子 fallback 频繁，EN100 会变成 niche accelerator。2
  • 供应链风险：模拟/混合信号芯片的量产测试、良率、封装、散热、LPDDR 供应和板卡 BOM 可能使理论性能难以转化为毛利率。
  • 竞争风险：NVIDIA Jetson Thor 用 CUDA/生态覆盖机器人和边缘 AI；Hailo、EdgeCortix 等已公开模块形态和较成熟客户路径。EnCharge 必须用显著能效或 TCO 差异换取迁移成本。111213
  • 商业风险：PC/OEM 设计周期长，国防和工业客户验证慢；early access 满员不等同订单。
  • 融资风险：芯片初创公司烧钱快，若 2026 年商业化里程碑延迟，后续融资可能被估值、稀释和控制权条款约束。

13. 跟踪指标

频率指标强信号弱信号 / 警戒来源
月度/季度EN100 early access 转化公开 OEM/ISV design-in、开发者案例仅媒体 demo、无客户名公司新闻、客户公告
季度真实模型 benchmarktokens/s/W、fps/W、精度、延迟完整披露只披露 TOPS 或相对倍数公司白皮书、第三方评测
季度软件生态PyTorch/TensorFlow 模型覆盖、SDK 文档、样例算子覆盖不明、闭源黑盒开发者门户
半年量产状态可购买 M.2/PCIe 模块、稳定交付early access 长期满员但无公开出货渠道/OEM
半年资本与现金跑道新客户融资、战略订单、grant 延续融资拖延或裁员公司公告、监管/媒体
年度产品路线下一代节点、chiplet/ASIC、本地服务器只复用 EN100 叙事公司路线图

14. 最新事件

  1. [已发生] 2025-02-13：EnCharge AI 宣布完成由 Tiger Global 领投的 1 亿美元以上 B 轮融资；公告称累计融资超过 1.44 亿美元，资金将推进 2025 年 client computing 产品商业化。1
  2. [已发生] 2025-05-29：公司发布 EN100，M.2 版 200+ TOPS / 8.25W，PCIe 版四个 NPU 约 1 PetaOPS，并披露最高 128GB LPDDR、272 GB/s 带宽和 PyTorch / TensorFlow 支持。2
  3. [已发生] 2024-03-06：公司与 Princeton University 参与 DARPA OPTIMA，18.6 百万美元 grant 支持多年项目；DARPA 项目本身总规模为 78 百万美元。4
  4. [已发生] 2023-12-05：公司完成 22.6 百万美元追加机构轮，VentureTech Alliance、RTX Ventures、ACVC Partners 等参与。6
  5. [已发生] 2022-12-14：公司以 21.7 百万美元 Series A 正式亮相，披露技术源自 Princeton、DARPA/DoD 资助研发背景，并称测试芯片 8-bit compute 超过 150 TOPS/W。7
  6. [核验] 2026-06-15：SEC company_tickers.json 未检索到 EnCharge AI / EnCharge 对应上市 CIK；本页不编制 SEC 财务表。10

15. 来源

相关推荐

同产业链：chip-core

同产业链 · 相关公司

阿斯麦ASML北方华创002371.SZ超微半导体AMD泛林集团LRCX海光信息688041.SH寒武纪688256.SH科磊KLAC拓荆科技688072

相关概念

FP4 四位浮点高级接口总线（Advanced Interface Bus）AOT 提前编译AI For Electronic Design Automation空气间隙（Air Gap）量测标记模拟存算 (Analog In-Memory Computing)模拟混合信号验证
source: 公开披露与公开资料整理 本页仅用于产业链学习、信息检索和研究辅助；不构成投资建议，不预测涨跌，不提供买卖、仓位或目标价建议。