10 个人的 Wafer 刚完成 4000 万美元 A 轮，AMD Ventures 也在跟投名单里。它让智能体接手最稀缺的性能工程：一段 GPU 程序经过七轮迭代提速 9 倍，每月超 2 万亿 token 在其推理服务上运行。模型竞赛的下一站，可能藏在推理账单里。

9 月 1 日，旧金山创业公司 Wafer 宣布完成 4000 万美元 A 轮融资。Marathon 与 Chemistry 共同领投，AMD Ventures、Wing、Outset Capital 跟投，Fifty Years 和 Y Combinator 再次出资。

这家公司在 Y Combinator 页面上登记的团队规模只有 10 人。四个半月前，它刚公布一笔 400 万美元种子轮。两轮公开融资加起来 4400 万美元，最新一轮的金额是种子轮的 10 倍。

如果只看融资，这很容易被写成又一家 AI 基础设施公司拿到了钱。我们把 Wafer 过去一年的产品、测试和客户案例放在一起看，发现投资人押注的是一条更具体的产品路线。

AI 生成内容以后，另一批 AI 正在接手运行模型时最枯燥、最昂贵的性能优化。

Wafer 想做的事情可以用一句很直白的话解释。模型已经训练好了，芯片也已经买了，它负责让同一套东西跑得更快、更便宜。

Wafer 宣布完成 4000 万美元 A 轮融资

01 十人融资

Wafer 由 Emilio Andere 和 Steven Arellano 创办，两人是芝加哥大学同学，也做过室友。按照公司在种子轮公告里的介绍，Arellano 曾在 Google 参与 Bard 基础设施，也在 Two Sigma 做过性能工程。Andere 曾在阿贡国家实验室训练天气模型，并发表过机器学习安全研究。

他们 2025 年加入 Y Combinator 时，产品介绍还很窄。Wafer 被称作「CUDA 领域的 Cursor」，用户交给它一段运行缓慢的 PyTorch 程序，智能体尝试把它改成更快的 GPU 程序。

一年以后，Wafer 已经把自己定义成推理服务商。公司如今既交付优化后的程序，也提供托管和专用推理服务，替客户选择模型、推理引擎、底层程序和芯片组合。

融资规模跟着产品范围一起变大。联合创始人 Arellano 9 月 1 日在公开帖中称，公司原本准备融资 1800 万美元，最后拿到了 4000 万美元。公司公告没有披露估值。《The Information》援引知情人士称估值超过 2 亿美元，Andere 没有确认这一数字。

这笔钱里还有一个值得留意的名字。AMD Ventures 参与了本轮融资。Wafer 的产品能让 AMD 芯片在具体模型和工作负载上跑得更好，这对 AMD 有直接价值。它卖给客户的是推理服务，也在替另一家芯片公司补软件优化。

Wafer 当前把吞吐量和延迟放在同一套优化空间里

02 稀缺工种

为什么一个性能优化工具需要 4000 万美元？答案藏在一种普通读者很少听说的工作里。

大模型训练完成以后，还要在 GPU 上一枚一枚地生成 token。相同的模型和相同的芯片，换一套底层程序、批处理方式、显存安排和调度策略，速度与成本可能差出几倍。

这像一家餐厅已经买好了灶台，也确定了菜单。出餐速度仍然取决于厨师怎样摆放原料、怎样安排炉火、哪几道菜一起做。芯片是灶台，模型是菜单，性能工程师负责那套后厨流程。

Wafer 在种子轮公告中称，全球能深入优化加速芯片的人可能只有几百名。这个数字来自公司自己的判断，外部没有统一统计。不过人才稀缺这件事很好理解。工程师要读芯片指令文档、分析程序运行记录、改底层代码、检查结果是否正确，再把每种方案放到真实硬件上测速。

芯片还在不断分化。NVIDIA 有 CUDA，AMD 有 HIP，AWS 有 Trainium。每一代硬件都有新的指令、显存结构和限制。通用编译器可以让程序跑起来，却很难及时替每个新模型找到最省钱的组合。

Wafer 选择复制的正是这类人的工作过程。智能体阅读芯片资料，观察程序在什么地方变慢，提出修改方案，写代码，检查答案，再跑一轮测试。失败的方案丢掉，跑得更快而且结果一致的方案留下。

稀缺的性能工程工作被拆成可重复的优化流程

03 七轮提速

今年 1 月，Wafer 公布了一次相当完整的实验。它让智能体优化 AMD AITER 库里的 topk_sigmoid 程序。这个程序参与混合专家模型的路由，负责从许多专家中选出要被调用的几个。

智能体一开始写出的朴素版本需要 899 微秒，速度只有 PyTorch 基线的 0.03 倍。它没有停在这里。它先并行处理不同专家，把时间降到约 15 微秒，再用共享显存做归并，降到 7.56 微秒。

第四个有效版本使用了 GPU 线程之间的快速数据交换，时间来到 4.67 微秒。随后，智能体查看生成的底层指令，发现其中还有 8 次会让线程排队等待的读取。它从 AMD 指令文档里找到广播指令，替换以后只要 3.33 微秒。

最后一个手工调整的汇编版本把归并过程从 30 条指令压到 9 条，耗时降到 3.12 微秒。整段过程在一次会话里产生了 7 个主要版本。

Wafer 随后在 40 组配置上测试了可公开合入的版本。相对 AMD 原来的 CK 实现，提速范围约为 1.31 倍到 1.92 倍。公司公开了相应代码，同时说明最后一个更激进的汇编版本没有合入公开提交，以便保留代码清晰度。

9 倍提速很醒目，实验过程更能说明产品怎样工作。智能体确实走过了性能工程师会走的路。它先得到一个正确但很慢的版本，再读运行结果与指令，逐步找到硬件独有的改法。

04 越过内核

单独优化一段 GPU 程序，可以做出很漂亮的演示，也很难成为一家大型基础设施公司。客户关心的是完整服务能不能更快，流量上来以后会不会突然变慢，以及月底到底要付多少钱。

从 Wafer 官网披露的产品流程看，它当前已经跨过五个层次。系统会同时观察模型结构、解码方法、推理引擎、GPU 底层程序和硬件。每一层都会影响另外几层。

比如，把模型压缩到更低精度可以少占显存，却可能影响结果。把很多请求放在一起处理可以提高总吞吐量，也会让单个用户等得更久。换一张理论性能更高的卡，如果现成的软件没有为它优化，账单反而可能更高。

Wafer 的智能体先用真实流量测试，判断瓶颈来自调度、解码、显存还是芯片匹配。随后，它生成一批候选配置，在目标硬件上逐个测量。输出不一致的方案直接淘汰，速度没有提高的方案也不会进入生产环境。

公司把最后一步设计成持续循环。流量分布变了，模型升级了，或者新一代芯片到货，系统重新观察并寻找下一处瓶颈。

这就把一次性的专家服务变成了持续工作的软件。客户买到一套会跟着业务变化继续调整的推理环境，服务不会在优化报告交付时结束。

Wafer 从底层程序扩展到整套推理服务

05 开始卖云

产品范围的变化，也改变了 Wafer 怎样赚钱。

早期的「CUDA 领域 Cursor」主要服务会写 GPU 程序的工程师。今天的 Wafer 直接向使用开源模型的公司出售接口和专用推理节点。用户可以带着自己的模型与真实流量过来，Wafer 负责找到更合适的部署方式。

公司官网称，它每月处理超过 2 万亿个 token，常见工作负载在同样预算下可以获得 2 到 3 倍的性能，并可以在 24 小时内完成专用节点配置。这些都是 Wafer 自己公布的数据，目前没有统一的第三方审计结果。

推理账单也给了这类产品持续优化的空间。模型刚上线时，团队通常优先保证它能够稳定回答。等请求量从每天几千次涨到几百万次，原先可以忽略的等待和显存浪费会被同时放大。一个只节省几微秒的底层程序，放进几十层模型并被调用数十亿次以后，也会变成真实的 GPU 租赁成本。

客户的流量还会不断变化。白天的语音请求、夜间的批量任务和编程智能体的长上下文，适合的配置并不相同。Wafer 如果只能在上线前优化一次，很快又会落后。它把真实流量持续放回测试过程，商业上才有理由按月收取服务费。

面向个人开发者，Wafer 还推出过按周订阅的 Wafer Pass。入门方案每周 10 美元，每 5 小时可发起 1000 次请求。隐私方案每周 25 美元，请求额度翻倍，并提供不保留数据的选项。它把优化后的开源模型放在兼容 OpenAI 与 Anthropic 的接口后面，让 Claude Code 等编程工具可以直接调用。

这一步很关键。卖优化工具时，Wafer 分享的是工程师的预算。卖推理服务以后，它进入的是每一次模型调用产生的长期支出。

《The Information》援引 Andere 的说法称，Wafer 用 12 周把年化收入做到约 800 万美元，并提到 Vercel 和 Inworld AI 是客户。年化收入是把短期月收入向后推算一整年，不能当作已经收到 800 万美元。报道还称公司毛利率约为 50%，租用 GPU 是一项很重的成本。

Wafer 的产品从优化工具扩展到持续推理服务

06 半秒对话

基础设施题目容易写得离普通人很远。Wafer 最近公布的 Neon Health 案例，把性能优化落到了一个每个人都能感觉到的场景里。

Neon Health 为医疗机构提供符合 HIPAA 要求的语音智能体。人说完一句话以后，系统要把声音转成文字，调用模型，再把回答变成语音。模型迟迟不吐出第一个 token，电话另一头就会出现一段尴尬的安静。

按照 Neon Health 在双方案例页披露的自测数据，把 GLM 5.1 迁移到 Wafer 的专用节点以后，客户端测得的首 token 延迟中位数从 800 毫秒降到约 550 毫秒，降幅约 30%。测试发生在峰值负载高约 25% 的条件下。新的结果也低于双方写进服务协议的 600 毫秒目标。

Neon Health 公布的首 token 延迟变化

250 毫秒听起来很小。在正常对话里，它正好会把「对方是不是没听见」的停顿，变成一句接得上的回答。Neon Health 还把这项指标写进了服务协议，说明速度开始从演示数字变成客户愿意追责的产品承诺。

这也是 Wafer 从底层工具走到推理服务的原因。工程师会为更快的程序买单，语音产品则会为更自然的通话、稳定的高峰表现和明确的服务指标持续付费。

07 AMD 机会

Wafer 目前最显眼的一批成绩来自 AMD 芯片。

今年 6 月，DigitalOcean 与 Wafer 联合公布了一组内部测试。在 8 张 AMD MI350X 或 MI355X 上，Kimi 2.5 面对 1 万 token 输入和 1500 token 输出时，单路生成速度从每秒 22.5 个 token 提高到 255.2 个，达到 11.33 倍。

DeepSeek V3.2 的单请求速度从每秒 38.5 个 token 提高到 200.8 个。并发请求数为 64 时，总吞吐量从每秒 548 个 token 提高到 2165 个。拥有 7740 亿参数的 GLM 5，也被放进单台 8 卡节点，平均生成速度达到每秒 151.1 个 token。

这些成绩来自 DigitalOcean 与 Wafer 的内部配置和测试，不能直接套到所有客户身上。公司也明确提醒，实际结果会受到模型、硬件、流量与使用方式影响。

这组结果至少说明，Wafer 的优化能力与 AMD 的利益方向一致。NVIDIA 的优势来自芯片，也来自 CUDA 多年积累的软件和开发者。Wafer 如果能用自动优化减少软件差距，AMD 的硬件就多了一种进入生产环境的办法。

软件优化正在重新决定不同芯片的可用价值

08 资本押注

4000 万美元远高于一家 10 人软件团队通常需要的工资预算。推理服务需要提前租用昂贵的 GPU，需要在多种硬件上持续测试，也要为企业客户准备稳定性、数据处理和故障恢复。

这让 Wafer 同时拥有两种很不同的公司特征。它的核心研发像软件公司，新增一种优化方法可以反复使用。它的交付又像云服务商，客户每增加一批流量，公司就要准备更多算力并承担运行责任。

因此，这笔融资也像一场抢时间的比赛。Wafer 要在大型云厂商和模型公司补上同类能力以前，把更多芯片、模型和真实流量放进自己的测试系统。覆盖的组合越多，客户第一次接入时需要从头尝试的东西就越少。反过来，如果每个客户仍然要靠工程师手工调几周，智能体只负责写少量代码，公司就很难摆脱昂贵的项目制交付。

投资人押注的部分，在于智能体能否让第二部分越来越像第一部分。过去，增加一个新模型或新芯片，需要重新组织一支性能团队。Wafer 希望让智能体保留已经验证过的工具、资料与实验方法，下一次继续使用。

如果这套能力可以复用，优化产生的收益会累积。今天为 AMD 写出的底层程序，明天可以进入另一家客户的配置搜索。一次失败实验留下的记录，也能减少下一次搜索时间。

风险同样清楚。漂亮的基准测试不等于稳定的线上服务。不同客户的模型和流量差异很大，自动生成的底层程序还要经受正确性检查、安全审查和长期维护。Wafer 能不能把一次次工程突破做成可预测的服务毛利，需要更多公开的客户数据才能回答。

Wafer 要把专家经验变成可以持续复用的软件能力

09 模型降价

过去两年，AI 行业最吸引注意力的是谁能训练出更大的模型。Wafer 代表的是另一条开始升温的路线。模型能力继续提高，使用次数也继续增加，推理成本就会从财务报表里越来越明显地冒出来。

到那个时候，客户未必在意底层程序用了哪条芯片指令。他们会在意语音助手能不能马上回答，编程智能体会不会在高峰期被限速，以及相同预算能完成多少次任务。

Wafer 的产品把这些问题接到了一起。它让 AI 阅读芯片资料、改程序、比较配置，再用真实流量决定哪一个方案值得上线。人负责确定目标、正确性和风险边界，机器负责在巨大的组合里反复试验。

这也是本轮融资最值得关注的地方。AI 公司正在学会用 AI 降低自己的运行成本。以后模型每提高一分，芯片每更新一代，优化系统都可以重新跑一遍。

训练最强模型仍然重要，制造更快芯片也仍然重要。位于两者之间的推理软件，正在拿走更多产品价值。它决定一块芯片究竟能跑出多少性能，也决定一家公司最后要为每次回答付多少钱。

Wafer 只有 10 人，产品能否承受更大规模还没有得到充分证明。4000 万美元已经说明，资本不愿意等到答案完全出现以后再下注。

当智能越来越便宜，推动价格继续下降的，也会是一批会工作的智能体。

AI 推理的竞争从模型能力延伸到每一次调用的成本

资料来源：

Wafer A 轮融资公告，2026 年 9 月 1 日原文 https://www.wafer.ai/blog/series-a

Wafer 技术说明原文 https://www.wafer.ai/technology

Wafer 400 万美元种子轮公告，2026 年 4 月 14 日原文 https://www.wafer.ai/blog/seed-round

Wafer 团队与公司资料原文 https://www.ycombinator.com/companies/wafer

Wafer 的 AMD GPU 底层程序优化实验原文 https://www.wafer.ai/blog/topk-sigmoid-optimization

DigitalOcean 与 Wafer 的 AMD 推理测试原文 https://www.wafer.ai/blog/inference-alpha-amd

Neon Health 客户案例原文 https://www.wafer.ai/cases/neon

Wafer 的推理优化宣言原文 https://www.wafer.ai/manifesto

KernelArena 评测平台说明原文 https://www.wafer.ai/blog/introducing-kernelarena

RuntimeWire 对融资、收入与产品变化的整理原文 https://runtimewire.com/article/wafer-raises-40m-series-a-inference-optimization

The Information 对 Wafer 融资与业务数据的报道原文 https://www.theinformation.com/newsletters/ai-agenda/wafer-inference-provider-uses-non-nvidia-chips-lands-acquisition-offers-200-million-plus-valuation