Cornelis 融資二億零五百萬美元：推出 Active Compute Fabric，把可編程運算塞進 AI 網絡

AI 叢集愈大，昂貴加速器閒置等數據的問題愈明顯。美國數據中心網絡商 Cornelis Networks 於二零二六年九月十四日宣布，獲 IAG Capital Partners 領投約二億零五百萬美元融資，並同步發表 Active Compute Fabric——把可編程運算嵌入網絡交換與連線晶片，讓網絡不再只是「被動水管」。本文已對照 TechCrunch、SiliconANGLE 與 Network World 報導，以及公司公開產品脈絡核對數字與技術表述，來源真實性已驗證。

一、核心事件：二億融資＋「網絡內運算」架構同日登場

據 TechCrunch，Cornelis 周一公布由 IAG Capital Partners 領投的約二億零五百萬美元融資，並推出名為 Active Compute Fabric 的網絡技術。該公司自二零二零年自 Intel 分拆，承接 Omni-Path 高效能互連團隊；二零二五年起出貨獨立產品 CN5000，現正推進新一代平台。

SiliconANGLE 報道指出，同一日亦宣布與 Qualcomm Technologies 的策略合作，雙方計劃在 AI Infra Summit 同台，聚焦機架級（rack-scale）AI 數據中心在 scale-up 與 scale-out 環境下的網絡設計。融資用途包括擴大 CN5000、CN6000 量產與部署，並加速 Active Compute Fabric 落地。

技術細節

傳統數據中心網絡多屬「被動轉發」：封包由端點產生、經交換器轉送，集體運算（collective）、同步與快取搬運仍佔用 GPU／加速器週期。Cornelis 行政總裁 Lisa Spelman 向 Network World 表示，Active Compute Fabric 進一步把「真正的運算」（例如授權的 RISC-V 核心）放入 NIC 與交換器，而不只是一般 smart NIC／DPU 的協議卸載。

SiliconANGLE 引述首席市場官 Brandon Draeger 說明：網絡可在數據路徑上執行工作負載相關操作，例如為拆分式推理組裝 KV cache、協調 mixture-of-experts（MoE）的 expert 分派，以及在路徑上加速 AllReduce、壓縮梯度等集體運算。公司指在預量產模擬中，此做法有望令整體網絡流量下降最多約一半；實際改善視乎模型、叢集規模與客戶軟體堆疊而定。

CN6000（八百吉比特級）則在 Omni-Path 之外加入 Ethernet／RoCEv2 模式：同一顆 SuperNIC 矽片可選模式，Ethernet 模式下仍可與其他廠商交換器（例如 Broadcom Tomahawk）搭配，並在晶片內部以 Omni-Path 風格路徑保留擁塞管理與流量噴灑等特性。

二、技術原理深度解析

大規模訓練與推理的瓶頸，愈來愈常出現在「通訊」而非「算力」。加速器利用率在大型部署常落在約一半附近；Spelman 指若網絡能更主動，利用率有機會再抬升數個百分點，等價於「把已買的 GPU 還給你」。

Active Compute Fabric 的關鍵，是把網絡視為一級設計決策，而非加速器選定後的事後配管。Scale-out 延續其 Omni-Path／Ultra Ethernet 等開放互通路線；scale-up 則瞄準不願完全鎖死在 Nvidia NVLink 生態的加速器陣營，並提到 UALink、ESUN 等開放標準。與 Qualcomm 的合作，正是把「網絡與加速器從一開始一起設計」的假設落到機架級推理場景。

對企業架構師而言，這反映一個產業轉向：算力、記憶體、儲存已愈來愈「感知工作負載」，網絡若仍只當水管，昂貴加速器便會長期卡在等待狀態。把 KV cache、MoE 路由與集體運算移入路徑，是在通訊延遲與頻寬之外，多開一條「路徑內計算」軸線。

四、日常應用場景

1. 開發者與技術團隊

訓練／推理平台與 MLOps 團隊可重新評估通訊庫與拓撲：哪些 collective、哪些拆分式推理路徑適合卸載到網絡內加速。新一代 SuperNIC／交換器亦要求驅動、遙測與故障域設計同步升級。

2. 企業與隱私敏感行業

自建或託管私有 AI 叢集的金融、醫療與政府單位，往往同時面對「加速器利用率」與「供應鏈／廠商鎖定」雙重壓力。開放架構網絡有助在多加速器選型下維持高效互連，並把預算從閒置 GPU 時間轉到可觀測的吞吐提升。

3. 一般用戶

終端用戶未必直接購買交換器，但聊天、搜尋與企業 Copilot 背後的推理成本，高度受叢集通訊效率影響。網絡內運算若普及，有望間接改善延遲與服務穩定度。

4. 香港與亞洲市場視角

亞太企業與雲商正擴充本地／區域 AI 算力，機架密度與電力成本敏感。香港作為數據中心與金融科技節點，評估私有模型託管或混合雲時，除算力規格外，亦應把互連架構、跨區備援與供應商鎖定風險一併寫進 RFP。對需要數據留港、可審計私有 API 的機構，網絡效率與主權託管往往是同一張藍圖上的兩面。

五、專業評價與潛在考量

優勢

直指加速器閒置的通訊瓶頸，產品敘事與企業「提高已投資 GPU 利用率」目標對齊。
同時推進 scale-up／scale-out，並強調 UALink、Ethernet 等開放選項，降低單一互連生態鎖定。
與 Qualcomm 的機架級合作，顯示「網絡與加速器共設計」正進入實質評估階段。
二億級融資有助 CN5000／CN6000 產能與客戶部署節奏。

需要留意的地方

「流量下降最多約一半」等數字來自公司預量產模擬，實網效果依工作負載而異，採購方應要求可重現基準測試。
把 RISC-V 運算放入交換／NIC 會抬高軟體堆疊複雜度：遙測、安全更新與多租戶隔離需同步設計。
與 Nvidia 全棧優化體驗相比，開放互連仍須證明端到端工具鏈成熟度與長期供應。
融資輪次完整投資人名單與估值細節，部分報道並未完整披露。

結語

Cornelis 這次把「約二億零五百萬美元」與 Active Compute Fabric 綁在一起，訊號很清楚：下一階段 AI 基建競爭，不只比誰的加速器更快，也比誰能讓加速器少等網絡。對正在香港規劃私有模型與機房互連的企業而言，評估算力之餘，更應把網絡是否具備路徑內加速、是否開放標準、是否可跨廠商組網寫進架構原則。如需在香港部署數據不出境的企業私有 LLM 全託管（Dataset → QLoRA／LoRA → 私有 API，年費由 HK$88,000 起），可參考 YSK Limited（https://ysk.hk/services/ai-automation）。

參考來源

TechCrunch — AI infrastructure company Cornelis raises $205M to chip away at Nvidia's dominance（2026-09-14）https://techcrunch.com/2026/09/14/ai-infrastructure-company-cornelis-raises-205m-to-chip-away-at-nvidias-dominance/
SiliconANGLE — Cornelis Networks raises $205M and scales up and out with its new Active Compute Fabric（2026-09-14）https://siliconangle.com/2026/09/14/cornelis-networks-raises-205m-and-scales-up-and-scales-out-with-its-new-active-compute-fabric/
Network World — Cornelis lands $205M to make AI networks compute, not just connect（2026-09-14）https://www.networkworld.com/article/4221872/cornelis-lands-205m-to-make-ai-networks-compute-not-just-connect.html
Discovery（X）：TechCrunch https://x.com/TechCrunch/status/2099591300488004037