賣掉兩間 AI 公司後，他的第三次創業要挑戰 80 年不變的電腦架構
Naveen Rao 創辦的 Nervana Systems 被 Intel 收購，MosaicML 被 Databricks 以 13 億美元收購。功成名就後，他卻選擇離開，創辦 Unconventional AI，要用類腦晶片挑戰馮紐曼架構。這間公司在概念提出兩個月內拿到 4.75 億美元種子輪，估值 45 億美元。
本文整理自 Sequoia Capital《Training Data》2026 年 5 月播出的 AI Ascent 2026 演講。
{{< youtube Zw1J5pJJMGw >}}
離開十億美元的舒適圈
2023 年 6 月，Databricks 以 13 億美元收購了 MosaicML，這是當時 AI 新創圈最重大的收購案之一。MosaicML 的創辦人 Naveen Rao 加入 Databricks 擔任生成式 AI 副總裁，主導這家資料平台巨頭的 AI 策略。到了 2025 年 9 月，他做了一個讓業界意外的決定：離開。
這不是 Rao 第一次賣掉自己的公司。2014 年，他在深度學習晶片還不流行的年代，創辦了 Nervana Systems，一間專做深度學習處理器的公司。2016 年，Intel 以約 3.5 億美元將它買下，Rao 升任 Intel AI 產品事業群副總裁。在 Intel 待了四年後，他離開，2020 年創辦了 MosaicML，讓大型語言模型的訓練變得更平民化。三年後，又被收購。
兩間公司、兩次成功出場、累計超過 16 億美元的收購金額。大多數連續創業者走到這一步，可能會當投資人、當顧問，或者享受一段悠閒日子。但在 Sequoia Capital 的 AI Ascent 2026 活動上，Rao 站在台上介紹的是他的第三間公司 Unconventional AI。這次他要挑戰的目標比前兩次都大得多：不是做更好的晶片，也不是做更好的訓練平台，而是要從根本改寫「電腦如何運算」這件事。
從神經科學到晶片：一條不尋常的路
要理解 Rao 為什麼走到今天這一步，得先回看他的學術背景。他在史丹佛大學念的是電機工程，但後來跑去布朗大學拿了神經科學博士。電機加神經科學，這個組合在 2000 年代的學術界不算主流，但它讓 Rao 從很早期就開始思考一個問題：大腦和電腦，在運算上到底有什麼根本的不同？
畢業後，他先在高通（Qualcomm）做神經型態機器的研究。高通當時已經在探索仿生運算的可能性，但離商業化還有很長的路。2014 年，當深度學習開始展現商業潛力，Rao 創辦了 Nervana Systems，方向是專為深度學習設計的處理器。這在當時算是走得很前面，NVIDIA 的 GPU 還沒有像今天這樣主宰 AI 運算市場。Intel 看上了 Nervana 的技術，買下了這間公司。
在 Intel 的四年，讓 Rao 深入理解了大型晶片公司的運作方式，也讓他看到了一件事：大公司被既有的製程和架構綁住，很難從根本上質疑那些 80 年前定下的假設。「沒有包袱其實是一個真正的競爭優勢，」他在 AI Ascent 演講中直接說了這句話。
30 年的執念：「我一直在想這個問題」
MosaicML 的方向是讓 AI 訓練更有效率、更普及，但它的底層假設還是傳統的數位運算。Rao 在 Databricks 的工作也是如此：讓既有的 GPU 叢集跑得更好、讓模型訓練的流程更順暢。這些都是有價值的工作，但它們都沒有觸碰到 Rao 心中那個更深層的問題。
「我思考這個問題已經 30 年了，」Rao 在演講中說，語氣裡帶著一種終於等到機會的興奮。他所謂的問題是：為什麼我們不能造出像大腦一樣省電的電腦？人腦只用 20 瓦，就能做出科學發現、創造藝術、學習語言。一隻松鼠的大腦不到 10 毫瓦，就能在風中精準地跳躍。而我們的 AI 系統，花了數十億瓦的電力，在「發現」這件事上還追不上人類。
Rao 的核心洞察是：問題不在演算法，也不在資料效率，而在「運算的基礎物理」。我們 80 年來一直在用馮紐曼架構做事，把資料從記憶體搬到處理器、算完再搬回去。這個「搬」的動作，正是目前電腦系統裡最燒電的部分。大腦不是這樣運作的。神經元之間透過非線性動力學互動，運算「隱含」在物理過程中，不需要額外搬資料。
從 Nervana 到 MosaicML，Rao 一直在 AI 產業的「應用層」工作，幫助大家用好現有的工具。但 Unconventional AI 是一次回到第一原理的嘗試：如果工具本身就不對，為什麼不重新造一個？
史上最大種子輪之一：矽谷的信任票
矽谷的投資人顯然也被說服了。2025 年 12 月，Unconventional AI 宣布完成 4.75 億美元的種子輪融資，估值 45 億美元。這是歷史上最大的種子輪之一，由 a16z 和 Lightspeed Venture Partners 共同領投，Sequoia Capital、Lux Capital、DCVC、Future Ventures 都參與了，Amazon 創辦人貝佐斯（Jeff Bezos）也以個人身份投資。Rao 自己掏了 1,000 萬美元。Databricks 作為他的前東家，也成為投資人之一。
這筆錢背後的邏輯，不只是對 Rao 個人的信任。Rao 在演講中展示了一張關鍵的圖表：運算效率的理論極限（朗道爾原理）、生物系統目前的效率、以及數位晶片目前的效率，三者之間有著巨大的差距。現有的 2D 晶片製程距離生物系統的效率，還差了大約三個數量級。這代表改善的空間巨大，誰先找到方法，就掌握了下一個運算時代的入場券。
更讓投資人印象深刻的可能是執行速度。Rao 提到，Unconventional AI 從「基本上沒有團隊」到做出完整晶片原型，只花了六個月。「這就是沒有包袱的好處，」他說，「你可以用完全不同的方式做事。」這間公司的共同創辦人包括 MIT 副教授 Michael Carbin 和史丹佛助理教授 Sara Achour，學術實力堅強，但行動節奏完全是新創公司的速度。
我的觀察：連續創業者的「回到第一原理」
AI 產業裡有一類人，每次創業都在解決「夠大」的問題，但總覺得還不夠根本。Rao 就是這類人。Nervana 解決的是「怎麼做出專門跑深度學習的晶片」，MosaicML 解決的是「怎麼讓大家都訓得起大模型」，Unconventional AI 要解決的是「我們是不是從一開始就用錯了電腦」。每一次的問題都比上一次更底層。
Rao 離開的時機也很耐人尋味。他不是在 Databricks 遇到瓶頸才走的，而是在公司 AI 策略的巔峰期離開的。Bloomberg 2025 年 9 月的報導指出，他離開時仍然擔任 Databricks 的顧問，Databricks 也是 Unconventional AI 的投資人。這不是不歡而散，而是一個人做了計算後的選擇：現在不做這件事，以後可能就沒有機會了。
AI 的能源需求正在以指數速度成長，而現有架構的效率改善幾乎停滯。這個窗口期不會永遠存在。如果有人能在能源牆真正撞上來之前，做出效率比現有系統高出幾個數量級的運算基礎，那這間公司的價值可能遠超 45 億美元的估值。反過來說，如果這條路走不通，這 4.75 億美元就是一筆昂貴的學費。但看看 Rao 的履歷：兩次創業、兩次被大公司高價收購、30 年的專業積累。如果有人值得讓投資人賭一把，大概很難找到比他更有說服力的人選了。