一句话看懂：一家由前 Google 和 Meta 工程师创立的以色列公司 Majestic Labs，用自研 Arm+RISC-V 处理器搭配最高 128TB 的 LPDDR6 内存，打造了一台试图绕开 Nvidia GPU+HBM 路线的 AI 推理服务器，目标是用“便宜的大内存”打破内存墙。
事件核心：发生了什么
Majestic Labs 在 2025 年底宣布推出 Prometheus 服务器，用自研 Ignite AI Processing Unit（AIU）替代 Nvidia GPU。AIU 采用 Arm 核心搭配 RISC-V 矢量/张量引擎，单台服务器最多可装 12 个 AIU，通过自研内存聚合 chiplet 组成统一内存池，容量为 8TB 到 128TB 的 LPDDR6，互连使用最长一米的铜缆。作为对比，Nvidia DGX B300 的 8 颗 Blackwell GPU 提供 2.3TB HBM3e 和最高 4TB DDR5 系统内存。
该公司宣称 Prometheus 每处理器可访问的内存比 Nvidia 方案多约 50 倍，互连带宽高出 1.7 倍；一个 40U 机架放 4 台 Prometheus，总功率 120kW，采用冷板液冷。价格方面，公司称明年量产后，同等性能的系统成本可能只有 GPU 方案的 1/10 到 1/50。该公司成立于 2023 年，在特拉维夫和洛杉矶共有约 40 名员工，2025 年底完成 1 亿美元 A 轮融资，并已获得部分大型企业、neocloud 和云厂商的预订。
为什么重要
当前 AI 推理的瓶颈之一是“内存墙”：HBM 带宽虽然高，但容量有限且价格昂贵，GPU 集群的扩展也受制于显存容量和互连带宽。Majestic 走的是一条“把内存容量做大，而不是把带宽堆高”的路线，以更廉价的 LPDDR6 代替 HBM，用软件生态兼容性（支持 PyTorch、vLLM、OpenAI Triton）降低迁移门槛。如果其性能和能效宣称得到验证，它可能成为 Nvidia 之外的一个鲶鱼式选项，尤其在大模型批量推理、长上下文和私有化部署场景中，改变“只能买 GPU”的局面。
不过，128TB 内存规模的工程复杂度仍然存疑：按常见 2GB LPDDR6 裸片计算，单台需要约 6.4 万颗内存芯片，意味着每个服务器可能需要上百个聚合 chiplet。目前公开信息显示，这些数字仍是公司单方面预测，还没有独立基准测试或已发货硬件支持。
对用户/开发者/创作者的影响
对于企业采购方，如果产品如期落地，意味着 AI 推理硬件有了新的成本对比；对于使用 PyTorch、vLLM 的开发者，若框架兼容性落实，迁移到新硬件的学习成本较低。对普通创作者和 AI 应用用户，这类硬件若普及，长期看可能让长文本、多模态推理服务的单位成本下降。但目前它还没有公开的价格表和发货时间，也不清楚实际性能表现，因此建议保持关注，暂不将现有架构决策建立在它的宣传数据上。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
有几个具体观察点：一是 Prometheus 是否按计划在 2026 年出货，以及独立第三方对其推理吞吐和能效的测试结果；二是现有 PyTorch/vLLM/Triton 兼容性能否真正做到“无需修改模型即可运行”，生态支持是否兑现；三是 Nvidia 等现有厂商是否会在下一代产品中加重统一内存、扩展内存容量的策略，形成对“大内存替代 HBM”路线的回应。在这三点明确之前，建议把 Majestic 的宣称视为方向性信号，而非替代现有方案的成熟选择。
来源：TechRadar
