← 返回公司庫

L3 公司投研頁 · 2026-06-15

EnCharge AI

EnCharge AI

EnCharge AI 位於晶片與半導體層，當前研究入口聚焦 AI晶片與半導體 的產業鏈位置、財務質量、上下游約束與反證指標。未上市 資料只作研究參考，不構成投資建議。

研究定位 晶片與半導體層

AI晶片與半導體

訂閱這家公司變化新觀點 / 硬資料進信箱

1. 投資摘要

  • EnCharge AI 是一家未上市 AI 加速器晶片公司，核心路線不是 GPU 或傳統數字 NPU，而是基於 switched-capacitor / charge-domain 的模擬記憶體計算，目標是在端側、工作站與邊緣場景把 AI 推論由雲端端下沉到本地裝置。12
  • 公司 2025-02-13 宣佈完成超額認購的 1 億美元以上 B 輪融資，由 Tiger Global 領投；公告同時揭露累計融資超過 1.44 億美元，並稱資金將用於 2025 年推進首批面向 client computing 的 AI accelerator 產品商業化。1
  • 2025-05-29，公司釋出 EN100：M.2 形態面向筆記本，標稱 200+ TOPS、8.25W power envelope；PCIe 形態面向工作站，四個 NPU 合計約 1 PetaOPS，並配套 PyTorch / TensorFlow 支援的軟體棧。2
  • 公開資料未見營收、毛利率、經營現金流量、股數、估值等可審計財務資料；2026-06-15 按 SEC company_tickers.json 檢索亦未見 EnCharge AI 對應 CIK，不能使用 SEC XBRL 口徑補財務表。10
  • 投資判斷的關鍵不在短期財報，而在三件事：EN100 early access 能否轉化為 OEM/ISV 設計匯入、模擬 IMC 在真實大型模型推論中的精度/軟體體驗能否穩定、以及下一代產品能否從 client/edge 延伸到更高 ASP 的本地伺服器或資料中心推論。23
  • 反證閾值：若 2026 年仍無公開量產客戶、EN100 未進入可購買/可整合的標準形態、或公司只能重複實驗室 TOPS/W 而拿不出真實模型吞吐和開發者工具鏈，B 輪融資對應的商業化敘事需要降級。

2. 產業鏈位置

EnCharge AI 位於 AI 產業鏈的晶片架構與邊緣推論加速層。它不直接與訓練叢集 GPU 做同場景競爭，而是試圖把一部分本應在雲端端 GPU/加速卡執行的推論負載遷移到筆記本、工作站、機器人、工業裝置、國防邊緣平台和本地伺服器。其產業鏈位置可概括為：上游依賴 CMOS 代工、混合訊號 IP、EDA、封裝、LPDDR 與板卡供應鏈；公司自身承擔模擬 IMC 陣列、NPU 架構、編譯器、runtime、模型對映和系統軟體；下游客戶是 OEM、工作站/PC 平台、邊緣裝置商、國防/航空航天系統整合商、以及希望降低雲端推論成本的企業應用開發者。12

與 NVIDIA Jetson、Hailo、EdgeCortix 等邊緣 AI 方案相比，EnCharge 的差異點在“模擬記憶體計算 + 標準 CMOS 可製造性 + 軟體可程式設計”這一組合；與 Mythic 這類歷史上的 analog IMC 方案相比，公司強調 charge-domain / switched-capacitor 方法克服 current-based analog IMC 的訊雜比與可擴充套件性限制。35 產業鏈定性上，它更像“AI 推論能效 IP/晶片平台”，而非完整伺服器系統商。

3. AI 相關營收拆解（融資橋 + 公式）

EnCharge AI 未上市且未揭露營收。對投資人而言，當前只能用融資、政府專案、產品 early access 和可驗證產品指標作為“商業化 proxy”，不能把融資額寫成營收。

口徑2022202320242025-2026 可追蹤項
股權融資21.7 百萬美元 Series A22.6 百萬美元追加機構輪未見公開股權融資額2025-02 B 輪 1 億美元以上；累計融資超過 1.44 億美元。167
政府/研發專案DARPA/DoD 資助研發背景不適用Princeton + EnCharge AI 獲 DARPA OPTIMA 專案 18.6 百萬美元 grantgrant 屬研發資金，不等同產品營收。4
產品營收未揭露未揭露未揭露EN100 early access 已滿第一輪，但未揭露訂單、ASP、出貨量或確認營收。2
AI 營收公式不適用不適用不適用設計匯入數 × 單客戶終端出貨量 × 單卡/單模組 ASP × 量產良率 × 軟體 attach / support
可審計財報無公開資料無公開資料無公開資料SEC company_tickers 未檢索到對應 CIK；無 companyfacts。10

合理的營收路徑不是“晶片釋出即有大規模營收”，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 個季度，且邊緣 AI 客戶高度碎片化。

4. 核心產品（含營收貢獻）

產品/平台AI 用途公開指標營收貢獻口徑狀態
EN100 M.2筆記本、輕量工作站、邊緣終端本地推論200+ TOPS；8.25W power envelope未揭露營收、ASP、出貨量2025-05-29 釋出；面向 early access / OEM。2
EN100 PCIe工作站、本地專業 AI 應用、較大型模型/多模態推論四個 NPU，約 1 PetaOPS；最高 128GB LPDDR，272 GB/s 頻寬未揭露釋出時稱面向 workstation。2
軟體棧模型編譯、runtime、架構適配支援 PyTorch、TensorFlow；含最佳化工具與編譯支援可能成為服務/授權營收，但未揭露產品化成敗的關鍵。2
switched-capacitor analog IMC IPMVM / MAC 高能效推論論文和公司技術頁揭露多代 silicon 驗證未來可用於晶片、chiplet、ASIC 或授權公司稱技術已跨 5 代設計驗證。35
下一代 edge-to-cloud roadmapclient、edge、本地伺服器乃至資料中心推論未揭露正式產品引數未揭露B 輪資金用於推進路線圖和先進節點。1

核心約束是：EN100 的 TOPS 指標需要對映到真實模型吞吐、延遲、精度、batch=1 表現和開發者體驗。對於投資模型，TOPS/W 只能作為技術 proxy，不能直接等同於客戶願意採購的 tokens/s/$。

5. 上游供應商 / 下游客戶

型別名稱/類別暴露投研處理
Foundry“existing semiconductor supply chain”；未公開具體代工廠charge-domain IMC 仍需穩定 CMOS 工藝、混合訊號良率和可測性不編造 TSMC/GF/UMC 繫結關係；只按 fabless 依賴處理。3
儲存/系統物料LPDDR、M.2 / PCIe 板卡、PMIC、散熱EN100 最高 128GB LPDDR、272 GB/s 頻寬，說明外部記憶體與板級整合是產品成本項關注 BOM、功耗、散熱和供應穩定性。2
EDA/IP/封測混合訊號 EDA、ADC/DAC、封裝、測試模擬計算陣列對建模、校準、測試覆蓋率更敏感良率和測試時間會影響毛利率。
學術/政府Princeton University、DARPA OPTIMAPrinceton 技術源頭 + DARPA 專案提升技術可信度18.6 百萬美元 grant 是研發訊號，不是商業訂單。4
下游OEM、開發者、工作站/PC 平台、邊緣裝置商公司揭露 early adoption partners，但未實名客戶或訂單金額不做客戶對映；以 design-in 公告為追蹤指標。2
戰略投資者Samsung Ventures、HH-CTBC、VentureTech Alliance、RTX Ventures、In-Q-Tel 等覆蓋消費電子、代工/製造、國防、能源投資人結構說明潛在場景廣，但不等同採購承諾。1

6. 同業硬指標對比表

公司/產品架構公開算力 / 功耗軟體生態客戶/商業階段投研判斷來源
EnCharge AI EN100 M.2switched-capacitor analog IMC NPU200+ TOPS；8.25WPyTorch / TensorFlow 支援；自有編譯最佳化early access；未揭露量產營收能效敘事最強，但商業驗證仍早2
EnCharge AI EN100 PCIe四 NPU PCIe 卡約 1 PetaOPS；最高 128GB LPDDR、272 GB/s同上workstation / developer 形態更接近本地 AI workstation，關注真實 tokens/s2
Hailo-10H M.2數字 edge AI accelerator40 TOPS INT4；2.5W typicalHailo 軟體套件、邊緣社群M.2 模組，邊緣/PC低功耗成熟度強，算力低於 EN100 標稱11
EdgeCortix SAKURA-IIDynamic Neural Accelerator60 TOPS INT8；M.2 典型 10WMERA / 邊緣部署工具鏈M.2 / PCIe 模組公開銷售價效比和可買性更清晰12
NVIDIA Jetson ThorBlackwell GPU + CPU SoM2070 FP4 TFLOPS；40-130WCUDA、TensorRT、Isaac、Jetson AI Labrobotics / physical AI 平台生態壓倒性領先，功耗和成本更高13
Syntiant NDP250ultra-low-power at-memory / NDP面向 voice/vision/sensor，未與 EN100 同量級SDK 嵌入式生態always-on sensor AI不是大型模型推論主戰場，但低功耗邊緣強14

該表的核心結論：EnCharge 的標稱能效領先，但同業對比不能只看 TOPS。Hailo、EdgeCortix、NVIDIA 的優勢分別在可買模組、成熟工具鏈和生態鎖定；EnCharge 要證明的是“模擬 IMC 高能效 + 可程式設計 + 真實模型精度”可以同時成立。

7. 護城河

  1. 技術路線差異化：公司採用 charge-domain / switched-capacitor analog IMC，而不是 current-based analog IMC；公司和論文均把這一點作為解決訊雜比、精度和可擴充套件性的關鍵。35
  2. 多代 silicon 驗證：技術頁稱跨多個製程節點和 5 代設計驗證；早期論文揭露 65nm programmable heterogeneous microprocessor、28nm SRAM macro、16nm scalable NN inference accelerator 等研究結果。3589
  3. 團隊複合能力：CEO Naveen Verma 是 Princeton ECE 教授，CTO Kailash Gopalakrishnan 曾為 IBM Fellow 並領導 AI hardware/software/algorithm co-design，COO Echere Iroaga 有 MACOM、Qualcomm、TI 等半導體商業化經驗。15
  4. 資本與戰略投資者：Tiger Global、Samsung Ventures、HH-CTBC、RTX Ventures、In-Q-Tel、VentureTech Alliance 等形成跨消費電子、國防、製造與基礎設施的投資者網路。1
  5. 軟體棧若跑通可形成遷移成本：EN100 宣稱支援 PyTorch / TensorFlow，若編譯器能把模型穩定對映到模擬陣列並維持精度，客戶遷移和調優成本會變成壁壘。2

護城河仍處於“待商業確認”階段。模擬計算的專利、論文和團隊壁壘是真實的，但要轉化為公司價值，必須體現在可量產晶片、穩定軟體、客戶設計匯入和長期供貨上。

8. 財務質量（公開口徑）

時間公開資金事件金額性質財務質量判斷
2022-12-14Series A21.7 百萬美元股權融資公司成立早期資本；用於開發硬體和軟體棧。7
2023-12-05追加機構輪22.6 百萬美元股權融資VentureTech Alliance、RTX Ventures、ACVC 等加入，驗證戰略投資者興趣。6
2024-03-06DARPA OPTIMA grant18.6 百萬美元Princeton + EnCharge AI 多年專案研發資金，增強技術可信度，但不反映產品毛利或銷售。4
2025-02-13Series B1 億美元以上股權融資累計融資超過 1.44 億美元，資金用途指向 2025 商業化和產品路線圖。1
2025-05-29EN100 釋出未揭露訂單金額產品里程碑early access 已滿第一輪，但營收、ASP、gross margin 未揭露。2

財務質量的正面是：累計融資規模足以支援數輪流片、團隊擴張和首代產品市場匯入；投資者中包含產業和國防戰略資本。負面是：沒有公開營收、毛利、現金餘額、burn rate、訂單 backlog 或估值，無法進行傳統財務質量評分。對一級市場投資人，必須在盡調中補充 cap table、現金跑道、NRE 合同、wafer agreement、客戶 LOI 和 early access 轉化率。

9. 業績傳導路徑

EnCharge 的業績傳導不是 GPU 公司式的“雲端廠商 capex → 資料中心板卡出貨”，而是端側/邊緣設計匯入鏈條：

AI 本地推論需求增加 → OEM / ISV 尋找低功耗推論方案 → EN100 early access / SDK 適配 → 真實模型 benchmark → 設計匯入 → 小批次模組/板卡出貨 → OEM 量產 → 晶片或模組營收確認

IEA 2025 Energy and AI 報告預計全球資料中心用電從 2024 年約 415 TWh 增至 2030 年約 945 TWh，AI 推論能耗與本地化處理成為行業長期矛盾。16 這給 EnCharge 的“把推論從雲端端移到本地”的敘事提供宏觀需求，但並不自動帶來營收。投資模型應拆為三層：

傳導層領先指標兌現指標主要風險
技術真實模型 tokens/s/W、視覺模型 fps/W、精度保持MLPerf 或客戶 benchmarkTOPS 高但模型對映低效
產品M.2 / PCIe early access、SDK 下載、開發者案例OEM design-in、模組量產軟體工具不成熟
商業戰略投資者轉客戶、國防/工業 pilot出貨量、ASP、毛利率、續單客戶碎片化、認證週期長

10. SOTP 估值架構

EnCharge AI 未揭露估值和營收，不能使用 PE 或傳統 EV/Sales。更合理的是里程碑機率加權架構：

情景技術假設商業化假設可用估值方法投資含義
BearEN100 只停留在 demo / early access；真實模型吞吐或精度不穩定無標杆 OEM 量產，營收主要來自 NRE/試點技術團隊 + IP 清算價值；低倍數研發投入B 輪後融資承壓，戰略收購折價
BaseEN100 在若干 PC/工作站/邊緣客戶設計匯入，形成小批次營收1-2 個可公開客戶或平台生態，軟體棧可用同類邊緣 AI 晶片公司融資/銷售倍數，按營收 run-rate 折現估值由“技術期”轉向“產品期”
Bullanalog IMC 被證明可穩定跑多模態/生成式推論，且進入 OEM 規模量產從 M.2/PCIe 擴充套件到 chiplet/ASIC/本地伺服器高增長 AI 半導體 EV/Sales + 戰略收購溢價成為 edge-to-cloud 推論能效平台

量化時建議使用 里程碑價值 × 達成機率：產品釋出 15%、首個付費 design-in 25%、標準模組量產 25%、軟體生態和客戶復購 20%、下一代節點/產品路線 15%。當前公開資訊已支援“技術期向產品期過渡”，但尚不足以支援“規模營收期”估值。

11. 催化（帶時點）

  • [已發生] 2025-02-13：完成 1 億美元以上 B 輪融資，累計融資超過 1.44 億美元；資金用途指向 2025 年首批 client computing AI accelerator 商業化。1
  • [已發生] 2025-05-29：EN100 釋出，M.2 形態 200+ TOPS / 8.25W，PCIe 形態約 1 PetaOPS；第一輪 Early Access Program 已滿。2
  • [已發生] 2024-03-06：Princeton + EnCharge AI 獲 DARPA OPTIMA 18.6 百萬美元 grant，專案聚焦 compute-in-memory accelerator。4
  • [2026 待驗證] EN100 Round 2 early access、開發者/OEM 公開案例、可採購模組或評測樣機。
  • [2026-2027 待驗證] 下一代產品是否進入先進節點、chiplet/ASIC 或更高功耗本地伺服器形態。1

12. 核心風險（帶情景）

  • 技術風險：模擬 IMC 的核心挑戰不是單點 TOPS/W，而是跨溫度、電壓、老化、器件失配、ADC/DAC 誤差和模型分佈變化的穩定精度。若校準和編譯器不能自動化，客戶使用成本會抵消能效優勢。5
  • 軟體風險：客戶不會為節能犧牲開發效率。若 PyTorch / TensorFlow 支援只覆蓋少數模型，或運算元 fallback 頻繁，EN100 會變成 niche accelerator。2
  • 供應鏈風險：模擬/混合訊號晶片的量產測試、良率、封裝、散熱、LPDDR 供應和板卡 BOM 可能使理論效能難以轉化為毛利率。
  • 競爭風險：NVIDIA Jetson Thor 用 CUDA/生態覆蓋機器人和邊緣 AI；Hailo、EdgeCortix 等已公開模組形態和較成熟客戶路徑。EnCharge 必須用顯著能效或 TCO 差異換取遷移成本。111213
  • 商業風險：PC/OEM 設計週期長，國防和工業客戶驗證慢；early access 滿員不等同訂單。
  • 融資風險：晶片初創公司燒錢快，若 2026 年商業化里程碑延遲，後續融資可能被估值、稀釋和控制權條款約束。

13. 追蹤指標

頻率指標強訊號弱訊號 / 警戒來源
月度/季度EN100 early access 轉化公開 OEM/ISV design-in、開發者案例僅媒體 demo、無客戶名公司新聞、客戶公告
季度真實模型 benchmarktokens/s/W、fps/W、精度、延遲完整揭露只揭露 TOPS 或相對倍數公司白皮書、第三方評測
季度軟體生態PyTorch/TensorFlow 模型覆蓋、SDK 文件、樣例運算元覆蓋不明、閉源黑盒開發者門戶
半年量產狀態可購買 M.2/PCIe 模組、穩定交付early access 長期滿員但無公開出貨渠道/OEM
半年資本與現金跑道新客戶融資、戰略訂單、grant 延續融資拖延或裁員公司公告、監管/媒體
年度產品路線下一代節點、chiplet/ASIC、本地伺服器只複用 EN100 敘事公司路線圖

14. 最新事件

  1. [已發生] 2025-02-13：EnCharge AI 宣佈完成由 Tiger Global 領投的 1 億美元以上 B 輪融資；公告稱累計融資超過 1.44 億美元，資金將推進 2025 年 client computing 產品商業化。1
  2. [已發生] 2025-05-29：公司釋出 EN100，M.2 版 200+ TOPS / 8.25W，PCIe 版四個 NPU 約 1 PetaOPS，並揭露最高 128GB LPDDR、272 GB/s 頻寬和 PyTorch / TensorFlow 支援。2
  3. [已發生] 2024-03-06：公司與 Princeton University 參與 DARPA OPTIMA，18.6 百萬美元 grant 支援多年專案；DARPA 專案本身總規模為 78 百萬美元。4
  4. [已發生] 2023-12-05：公司完成 22.6 百萬美元追加機構輪，VentureTech Alliance、RTX Ventures、ACVC Partners 等參與。6
  5. [已發生] 2022-12-14：公司以 21.7 百萬美元 Series A 正式亮相，揭露技術源自 Princeton、DARPA/DoD 資助研發背景，並稱測試晶片 8-bit compute 超過 150 TOPS/W。7
  6. [核驗] 2026-06-15：SEC company_tickers.json 未檢索到 EnCharge AI / EnCharge 對應上市 CIK；本頁不編制 SEC 財務表。10

15. 來源

相關推薦

同產業鏈：chip-core

同產業鏈 · 相關公司

ASMLASML北方華創002371.SZ超微半導體AMD科林研發集團LRCX海光資訊688041.SH寒武紀688256.SH科磊KLAC拓荊科技688072

相關概念

FP4 四位浮點高階介面匯流排（Advanced Interface Bus）AOT 提前編譯AI For Electronic Design Automation空氣間隙（Air Gap）量測標記模擬存算 (Analog In-Memory Computing)模擬混合訊號驗證
source: 公開揭露與公開資料整理 本頁僅用於產業鏈學習、資訊檢索和研究輔助；不構成投資建議，不預測漲跌，不提供買賣、部位或目標價建議。