### [Exa Laboratories](https://dkwy.com/)

**Published:** 2026-05-06T07:54:47

**Author:** 蛋壳

**Excerpt:** Exa Laboratories 率先推出全新多态计算架构，核心为 Learnable Function Unit (LFU) 可重构硬件组件，能够高精度逼近任意一元函数。该架构可根据多样化AI模型（如MLP、Kolmogorov-Arnold网络、transformer及注意力机制）的具体需求动态调整。Exa芯片通过最小化内存访问并利用异步并行计算，实现高达主流GPU（如NVIDIA H100）27.6倍的能效提升。其技术旨在推动AI算力下沉至数据中心及边缘，助力高性能、可持续的AI计算，积极应对AI能耗增长难题。

## 产品概述

Exa Laboratories 率先推出全新多态计算架构，核心为 Learnable Function Unit (LFU) 可重构硬件组件，能够高精度逼近任意一元函数。该架构可根据多样化AI模型（如MLP、Kolmogorov-Arnold网络、transformer及注意力机制）的具体需求动态调整。Exa芯片通过最小化内存访问并利用异步并行计算，实现高达主流GPU（如NVIDIA H100）27.6倍的能效提升。其技术旨在推动AI算力下沉至数据中心及边缘，助力高性能、可持续的AI计算，积极应对AI能耗增长难题。

## 主要功能

|     |     |
| --- | --- |
| **多态计算架构** | 面向模型的动态可重构硬件，可根据不同AI架构自适应调整，实现性能与灵活性的最优结合。 |
| **Learnable Function Unit (LFU)** | 核心硬件单元能够异步逼近任意一元函数，大幅降低延迟和功耗。 |
| **高能效比** | 在400W功耗下可达2.3 TFLOPS/W，能效比领先主流GPU高达27.6倍。 |
| **减少内存瓶颈** | 单次加载、单次读取数据流，极大减少内存访问操作，提高吞吐量并降低能耗。 |
| **支持复杂AI模型** | 通过LFU配置高效实现MLP、Kolmogorov-Arnold网络、transformer及注意力机制等模型。 |

## 使用场景

-   **数据中心AI加速：**大规模AI模型部署，显著降低能耗并提升计算效率。
-   **边缘AI部署：**支持边缘设备上的高能效AI推理，推动AI应用去中心化。
-   **可持续AI基础设施：**通过大幅降低功耗的硬件方案，积极应对AI带来的环境影响。
-   **前沿AI研究：**为科研人员提供灵活可重构硬件，助力新型AI架构与模型的探索。



---