不追先进制程：这家日本AI芯片初创公司为什么选40nm

先说它最关键的选择：刻意不追先进制程，为现场选了成熟的 40nm 与可重构架构。这个选择，加上同制程已经跑通的测试芯片与专业设计团队兜底，让 TAI 大概率能按自己的时间表把量产版芯片造出来——"做出来"，是这条赛道上风险最低的一档。但量产版评估板要到 2028 年第一季度才交到客户手里，真正的生死线在那之后。

以 2028 年底为界（本刊自设的观察截止），它必须拿出自有平台与股东客户之外的付费采用；否则，就是赢了芯片，输了生意。能推翻这个判断的只有两件事：量产版制造拖过 2028 年一季度末，或期限前出现非股东的付费采用——触发其一，本刊公开更正。

一、主旨

先把事实和判断分开。

事实是：2026 年 10 月 26 日，横滨的一家未上市公司公布了 Series C 首关筹资 12.7 亿日元。它的测试芯片在三个月前完成评价，量产版芯片的时间表一路排到 2028 年第一季度。这家公司叫 Tokyo Artisan Intelligence（TAI），做的是装在铁路、工厂、水产养殖场这些现场的小盒子里的 AI——业内叫"边缘 AI"：计算不送回云端，就在数据产生的现场完成。它最反常的选择在制程上：整个行业都在追先进节点，它却刻意选了 40nm 的成熟制程，还要为此自研一颗可重构芯片——为什么，是本篇先要回答的问题。

本刊的判断要拆成两个问题，因为它们的证据状态完全不同：

技术问题：TAI 的架构，在特定的工业负载下有没有明显的价值？本刊的答案是：机制上讲得通，数据上没证明。它选的赛道是真实的，它的设计选择每一步都有现场的理由；测试芯片已经验证了硬件实现与基本功能，但本次审稿未找到任何一组注明条件、可供第三方复验的公开性能数字。价值存在与否，在公开证据上仍是假设。

商业问题：这种价值，够不够让客户放弃成熟平台，承担一颗新芯片的导入、维护与长期供应风险？本刊的答案是：这才是这家公司真正的生死线，而它被自己的路线图推到了 2028 年——量产版评估板 2028 年第一季度才到客户手里，之后的第一轮验证周期内（本刊以 2028 年底为界），它必须拿出自有平台与股东客户之外的付费采用。

合起来就是主旨句：这家公司赌输的概率，不在芯片上，在芯片之后；而"芯片之后"开始的时点，比多数报道写的要晚一年。成熟制程、验证过的同一架构、专业设计团队，三件事把"做出来"的风险压到了这个赛道的最低档。判断错了怎么办，写在第十一节：两个证伪条件，触发其一，本刊公开更正。

二、先认人：五方分工，钱这样流

这颗芯片从图纸到客户手里，要经过五个角色、三个国家。Deck 第二页的名单，这里把钱的流向说清。

投资人和银行的钱先进 TAI：C 轮首关 12.7 亿日元里，股权部分来自三井住友海上キャピタル领投的第三方配股（ワタキューHD、東京計器与東京計器レールテクノ、ADT），债务部分是瑞穗银行的贷款，两部分的比例公司没有披露。经产省的补助站在旁边，投向日马两国的产业实证，金额未公布。

钱从 TAI 流出去有三个方向：设计费给槟城的 Oppstar（整体设计、物理实现与验证），流片与制造费按计划给台湾联电（UMC），三是它自己的解决方案业务——那才是现在的收入引擎。芯片做成之后，先回流的不是市场，而是自家 SEASIDE 平台和三家股东客户的现场；卖给陌生人的路，要等 ADT 的代理体制建成。

这个结构里有两个判断要先立住。第一，分工不等于不自主。判断一颗芯片的技术控制权，看的是架构与设计知识产权在谁手里、把模型变成芯片配置的设计工具在谁手里、系统集成与产品定义在谁手里——这三样都在 TAI；工厂在台湾、设计服务在马来西亚，是无厂（fabless）模式的常态，不是技术空心化的证据。第二，签约不等于落实。框架、制程计划、渠道目标、补助采択，都是已经签字的纸；从纸到量产交付，还隔着工程样片、评估板、客户验证三道没走完的门（第八节逐项对位）。把这两条立住，后面的分析就不会在"日本芯片靠外国"和"大牌合作等于成功"两个方向上跑偏。

三、这家公司从哪来

TAI 的起点和芯片毫无关系：2020 年，它从水产养殖的数字化做起，同年承接了株式会社シンコム的 AI 事业。公司名 Tokyo Artisan Intelligence 里的"鯛"（真鲷）就是从养殖来的双关——后来整条产品线都用海鲜命名：SEASIDE、ITAMAE（板前）、HARBOR、SASHIMI、NIGIWAI，芯片则叫 Sting Ray（赤魟）与 Manta Ray（鬼蝠鲼）。

技术源头是东北大学中原啓貴研究室的两样东西：神经网络压缩技术——把训练好的大模型剪小、压瘦，让它能在小芯片上跑；以及把压缩后的网络高效落到硬件上的实现技术。解决方案业务是这两样技术的第一份工作：JR九州的轨道监测、新干线确认车上的支障物（障碍物）检知、地方自治体的项目、水产养殖与基础设施点检——按公司的说法，都已在实证或导入中（部署台数与合同金额从未披露，本刊只记"公司主张"）。

名片里那块主角模块 SEASIDE，如今要换芯——这正是后面几节的问题。此前一步在 2025 年 10 月：TAI 与东北大学设立"Reconfigurable AI-Chip 共創研究所"，信号很明确：从"用 FPGA 做方案的公司"，转身为"自己设计芯片的无厂厂商"。2026 年 8 月，它在自家活动上演示了测试芯片并公布 Manta Ray 的完整路线图；第二代"Whale Shark"排在约 2030 年——再下一张赌桌，本篇不押。

四、现场要的算力，和数据中心不是一种算力

在比较任何芯片之前，先把"现场到底在算什么"走一遍。一台轨道旁的检知盒子，从看见到动作，要走完五步：

中原啓貴在 2026 年 8 月的公司活动上把这一点说得很直白（Mynavi 报道）：工业现场在意的不是 AI 推理本身有多快，而是包含前处理、与 GPU 之间的数据搬运、执行器控制在内的系统总延迟。GPU 把推论加速到飞快，前处理还躺在 Arm 处理器上慢慢跑、数据还要在芯片之间往返，整条链的延迟照样下不来。对铁路和机器人这类用途，识别结果与动作之间的迟滞，本身就是风险。

这就是边缘 AI 的需求形状，它和数据中心的需求几乎处处相反：

• 延迟是全系统的，不是单颗芯片的跑分。五步里任何一步慢，现场感受到的都是慢。
• 网络不能假设存在。轨道旁、隧道里、养殖场，连接封闭、间歇或干脆没有——判断必须在本地闭环，云端的聪明进不了这种现场。
• 功耗与散热是硬约束。密封机箱、没有风扇的位置、列车上的供电——预算以瓦计。发热不是效率问题，是装不装得进去的问题。
• 设备寿命以十年计。铁路与基础设施的设备装上之后跑十年以上，算法却要逐年更新：硬件不能十年一动不动，供给也不能三年就断。
• 负载还在变重。多路摄像头、多模型同时跑、本地大语言模型——公司把 Sting Ray 要解决的课题明确写成"多个 AI 同时执行带来的功耗增加"（TAI 官方发布）。

把需求看清，TAI 的选择才有坐标：它要的不是更强的算力，而是在瓦数、箱体与断网条件下，能把五步都跑完、还能改任务的算力。这个需求是真实的。接下来要问的是：现成的产品，离这个需求到底有多远。

五、先看替代品：现成方案有多强

对 TAI 最不利、也最该先说清的事实是：客户今天就有得选，而且选的都是有规格、有价格、能下单的东西。

NVIDIA Jetson 是默认选项。官方产品页上，Jetson Orin Nano 标称最高 67 TOPS、功耗 7–15W、199 美元起，往上还有 Orin NX、AGX Orin 与新一代 Thor。真正让它难打的不是参数，是 JetPack 软件生态——CUDA、TensorRT、Isaac 框架、十多年的开发者积累；以及官方写的模块供货周期通常 5 到 10 年（均为厂商自报口径，型号间 TOPS 的精度与条件互不相同，本篇不据此做排名）。对客户来说，Jetson 的意思是：今天下单、文档齐全、出问题全世界有人踩过。

Hailo 代表专用加速器路线。它的 Hailo-8 标称 26 TOPS（厂商自报），做成 M.2、迷你 PCIe 这些即插形态，插进现成的工控机就能用，出货多年。它的位置是：不换主机、不改架构，只补一块 AI 加速卡。

AMD 的自适应平台（原 Xilinx）离 TAI 最近——近到就在它自家产品里。据 TAI 的演示资料，它的平台是按世代走的：SEASIDE-R6 用 AMD 的 Kria 系统模块，现行量产世代 R7 用 Efinix 的 Titanium FPGA（Mynavi 报道），规划中的下一代才换 Manta Ray。也就是说，TAI 要替换的第一个对手不是别人，是它今天正在出货的方案：可编程、工具成熟、客户已经在用。这一条产品线的战略含义值得单独标出（这是本刊的研究假设，不是已完成的事实）：TAI 的路线，是先用外购的可重构硬件把平台、客户与现场数据跑通，再逐步把主计算换成自研芯片——外购是自研的垫脚石。而且请注意"逐步"的限度：下一代 SEASIDE 仍是"Manta Ray＋一块 FPGA 管接口"的组合，自研只接管 AI 计算这一部分，谈不上整机替代。这条路线最终是否成立，不由叙事决定，由四样东西检验：整机的部署成本、可复验的实测性能、软件工具的成熟度，与长期供给的可靠性。Manta Ray 量产之后，它必须先在自己的产品里赢过 Kria 与 Efinix，才谈得上赢别人。

EdgeCortix 是同赛道的国内领跑者：同在日本做边缘 AI 芯片，SAKURA-II 已经量产出货，2026 年 6 月还拿到了美国国防创新部门（DIU）对其平台就绪度的成功备忘录——那是机构客户用自己的流程验过一遍的记录。它的存在证明这条路走得通，也标出了 TAI 与"已被验证"之间的距离。

七个维度并排看（性能与能耗、可编程性与模型支持、开发工具与生态、工业部署与长期供货、产品成熟度、价格与总拥有成本、客户切换成本），现成方案的共同画像是：没有一维是空白。Jetson 强在生态与成熟度，Hailo 强在即插与低门槛，FPGA 平台强在可编程与接口灵活，EdgeCortix 强在已经出货。TAI 在每一维上都还是计划时态。

于是本文最硬的反方问题必须正面回答：如果 Jetson、Hailo 或一块 Kria 已经够用，客户为什么要为一颗 2028 年才有量产版评估板的新芯片，承担导入、维护与长期供应的风险？

TAI 手里可能的差异化只有四张牌，每一张都还停留在"待证明"：其一，系统级优化——既做芯片又做解决方案，能把现场数据与应用知识直接反映进芯片定义，纯芯片厂没有这个回路；其二，多 AI 同时执行的功耗——它公开点名的课题，但没有任何公开数字；其三，总成本——芯片成本若足够低，整机价格有下压空间，但单价从未公布；其四，国内支持与长期供给——ADT 的体制若建成，对日本工业客户是真实的决策因素，但还在建设中。

结论写在这里，不留到最后：今天这一问，TAI 还拿不出公开证据来回答。它接下来的两年，要么逐项把这四张牌变成可核对的事实，要么客户就没有理由离开现成方案。这不是唱衰——这是它自己路线图上下一个里程碑的真正含义。

六、为什么选 40nm：TAI 的答案是可重构架构

先说可重构是什么，不要把它理解成"想变什么芯片就变什么芯片"。

把四种计算器件排开：CPU 是通用处理器，什么都能算，不为 AI 优化；GPU 靠大规模并行算矩阵，强在吞吐，代价是功耗与数据搬运；FPGA 是出厂后还能重写电路逻辑的器件，灵活，但为通用性预留的可编程结构时刻在耗电、占面积；ASIC/NPU 把电路在流片时为特定运算焊死，最省电，但任务变了就得重做。TAI 的可重构架构走的是 FPGA 与 ASIC 之间的一条窄路：芯片内部排布着专为神经网络乘加运算优化的处理单元，单元之间的配线通道与计算映射可以在出货后重写——Sting Ray 的官方技术说明里，配线通道的优化被列为架构的"要"（核心）：把配线的状态做成可直接观测、可控制的简单结构。灵活性来自可重写的映射与配线，效率来自处理单元只为 AI 运算而生；官方的概括是"FPGA 的再构成性与 ASIC 式的高效率结合"（公司说明）。

这条路线有真实的约束：它支持的模型与算子有边界，不是任意网络都能高效映射；可重构的范围是配线与映射，不是把芯片变成另一颗芯片，重构本身也有时间与工具成本；它对设计软件与编译工具的依赖极深——工具不行，灵活性就是纸面的；瓶颈常常不在计算而在内存与数据移动，处理单元排得再密，喂不饱也是空转；开发范式与 GPU/FPGA 都不同，客户的学习成本真实存在。其中工具一条，将在第八节变成时间表上的硬节点。

分工还有一层：Manta Ray 只管计算，不管接口。按公司公布的评估板形态，AI 运算由 Manta Ray 专攻，摄像头、传感器、车载总线等五花八门的输入输出由配套 FPGA 分担：接口随现场千变万化，计算相对统一——把易变的部分留在可改写的 FPGA 上，芯片本体就能做小、做单纯，同一颗芯片服务不同现场。代价同样真实：客户买到的从来不是一颗芯片，而是一套"芯片＋FPGA＋工具"的组合，成本与复杂度都要按组合算。

制程：UMC 40nm。按公司计划，Sting Ray 与 Manta Ray 都用联电 40nm——刻意选的成熟制程。先讲它可能的好处，每一条都带条件：设计与流片的费用低一个数量级（数字在第八节），这对一家累计筹资不到 30 亿日元的公司是生死问题；成熟制程产能充裕、供给稳定，不必和全球巨头抢产线；对以瓦计功耗、以十年计寿命的工业负载，它的速度与密度够用，设计容错也高。再讲它的局限，同样明确：成熟制程不天然更省电——晶体管一代比一代省电是物理事实，同样的工作在先进制程上往往能用更低的电压完成；40nm 的单位面积算力密度低，芯片要做大或性能要封顶；它的成本优势只在出货量与产品定义匹配时成立，量太小，掩膜与开发费照样摊不薄。所以本刊的表述是：40nm 是 TAI 在成本、供给与目标负载之间算过的一笔账，不是"40 比 3 更适合工业"的规律——节点数字本身不证明任何适用性，证明适用性的只能是具体产品的实测。

把三种路线的账并排（数字出处与口径见注）：

注：本表除标注的数字外，均为架构层面的定性对比，不对应任何具体产品的实测；"功耗"一列中 TAI 的数字是公司目标值，不是测量结果，且是芯片配上控制用 CPU 等的整套系统口径，不是单颗芯片的功耗。

七、Sting Ray 证明了什么，Manta Ray 还没有证明什么

这一节只做一件事：把"已经发生的验证"和"还没发生的验证"分开钉在墙上。

Sting Ray 证明的，按 TAI 自己的官方发布，有四项。其一，架构探索：在 UMC 40nm 上把"按用途与模型重写处理电路"的结构做了探索与优化——可重构性从论文走到了硅片。其二，配线通道：架构核心的配线结构做成了可直接观测、控制的形态。其三，设计与验证软件：把用户电路落到芯片上的设计软件、确认芯片正确工作的验证软件，由 TAI 自研完成。其四，流程：从设计、制造到评估板动作确认与控制软件，一整套由 TAI 主导、Oppstar Japan 协作跑通；中原啓貴说测试芯片首次流片即正常工作（"一発で動いた"，公司活动发言，经媒体报道）。

同时要给 2026 年 8 月那场演示称一称分量。据 Mynavi 的现场报道，实机演示的内容是 LED 点灭与矩形波的音频输出——验证的是芯片的配置写入、时钟控制与外部 I/O 控制真实可用。这是扎实的一步：它证明设计工具能把配置送进芯片、芯片按配置动作。但它没有演示任何一个神经网络负载的运行结果——没有图像识别的帧率，没有功耗实测，没有与任何现成产品的同场对比。

由此得出本篇一个独立的研究结论，不依赖任何立场：本次审稿未找到符合标准的 Manta Ray（或 Sting Ray）公开性能基准。标准是具体的——注明测试模型、运算精度（INT8/INT4/FP16）、批量大小、功耗边界与软件版本的 TOPS、TOPS/W、延迟或吞吐数据；按这个标准检索 TAI 的官方发布与公开报道，结果为空。连被引最多的那个功耗数字，也要读准口径：10W 不是单颗 Manta Ray 的功耗。中原啓貴在 2025 年 11 月的访谈里说的是整套系统的目标——芯片还须配控制用 CPU，系统合计压到 10W 以下、只靠散热片冷却，电力降至既有系统的约两三成（Mynavi 报道）；日刊工業新聞则压缩报道为"芯片功耗约 10W、为既有方案的一半"。两处口径并不一致，本刊以 CEO 原话的系统口径为准；且无论哪种口径，它都是目标值，不是实测。性能基准的缺席本身就是重要的研究结论——它意味着第五节那四张差异化牌，今天一张都还不能兑现为证据；也意味着任何"Manta Ray 性能超过某产品"的说法，无论出自谁，都没有公开依据。本刊不制作这种排名。

Manta Ray 还要证明的，逐项列清：量产规模的良率（未披露、不可推算）；芯片与评估板的实际价格（未公布）；可复验的性能与功耗数据（符合前述标准的，本次审稿未找到）；设计工具从 α 版到客户能独立完成导入的成熟度（未到节点）；股东与自有平台之外的任何装机、订单或采购承诺（截至今日，公开渠道未见——解决方案业务的部署记录属于解决方案业务，不能记到芯片账上，这条界限本篇全程不越）。

八、两道墙与一张路线图

芯片创业公司的死法通常被笼统地说成"量产失败"。拆开看，是两道完全不同的墙：第一道叫"做出来"，第二道叫"卖出去"。TAI 面前的这两道墙，一矮一高。

第一道墙："做出来"，高度约 1–2 亿日元。

把一颗芯片从图纸变成实物，最硬的一笔钱是掩膜版——把电路图形刻上晶圆用的模板，全套做下来就是流片的主要成本。它的价格随制程节点陡峭上升：它没选的那条路有多贵，东京电子（TEL）的公开资料给了参照：往前一代的 28nm，设计成本在 4,000万–5,000万美元（掩膜版在其中占数百万美元）；而它选的 40nm，全掩膜版的行业指南估算约为 30万–150万美元。换句话说，TAI 选 40nm，等于把"做出来"这道墙的高度压到了约 1–2 亿日元的量级（行业估算，非 TAI 实际支出——它的实际流片支出从未披露）。12.7 亿的筹资额，付这笔钱绰绰有余，还留得出改版的预备金：万一量产版需要修改，一次改版就是再付一套掩膜版、再等数月——这是第一道墙上仅剩的主要风险。

第二道墙："卖出去"，没有标价，只有日历。

把官方路线图逐格摆开（TAI 2026 年 7 月 6 日与 10 月 21 日两份发布的原文口径）：2027 年 Q1，设计工具 α 版；Q2，工程样片芯片"制造"；Q3，工程样片评估板"产品化与提供"，与 ADT 的共同销售体制同期建成；Q4，量产版芯片"制造"；2028 年 Q1，量产版评估板"提供"。请注意每一格的动词：2027 年内客户能真正拿到手的，只有工程样片级的评估板；量产版在 2027 年 Q4 只是被"制造"出来，它的评估板要再等一个季度。把 Q4 读成"量产出货"，是这张表最容易犯、后果最大的误读——本刊先前版本在这一点上表述含混，本版以官方原文为准修正。

然后是工业客户的导入周期。铁路、工厂这类客户把一颗新芯片装进自己的设备，要过设计导入、标准审查与安全审查，周期以年计——TAI 自己的 SEASIDE 过 JIS E4031 既是先例，也是提醒。再然后是量产的营运资金：晶圆要先款、库存要先行，芯片在收到客户的钱之前，先要压进去一大笔现金。最后是渠道与供给：ADT 的目标是 2027 年内启动芯片销售、11 月末的销售作为节点建成代理体制，评估板的制造与长期供给体制还在与 TAI 的协议构建中——渠道、评估板产能、长期供给，三件都写着"建设中"。

用四级标供应链的成熟度——协议签订、技术验证、产品制造、客户交付——TAI 今天的位置是：协议齐备，技术验证完成于测试芯片一级，产品制造排在 2027 年，客户交付（量产版）排在 2028 年。离"体系已经建成"还差两级。

把两道墙叠在一起：12.7 亿足够翻过第一道墙，甚至够付一次改版；第二道墙不是钱的问题——工具、样片、评估板、认证、渠道，每一样都有自己的日历，而这些日历全部指向 2027–2028 年。这就是本刊把生死线划在 2028 年底的理由：量产版评估板 Q1 才到客户手里，留给第一轮完整客户验证的时间，就只有那一年。

九、同业的账

判断一家芯片创业公司，先看这个赛道的基准率。三家最有参照意义的同业，各证明一件事，也各有一件证明不了的事：

LeapMind 是最刺痛日本业界的一例：它的低功耗 AI 推论 IP 被大厂采用、口碑不差，2023 年底宣布自研芯片，约九个月后（2024 年 7 月）解散。它证明的是：被夸奖的技术和成立的生意之间，隔着一整套需求与现金流。它不证明 TAI 必然失败——LeapMind 手里只有 IP 许可，没有自己的客户与现场；TAI 的结构恰好相反。

Hailo 证明的是另一层：芯片量产、客户真实、估值一度 12 亿美元，最后仍被 Microchip 以未披露的价格收走。它不证明赛道没有需求（出货是真的），它证明独立边缘芯片公司把收入做大的难度：客户分散、单价受压、每一代都要重打渠道与工具链的仗。公平地记一句：Hailo 今天仍在出货——"被收购"是它作为独立公司的结局，不是技术的失败。

EdgeCortix 是标尺：同在日本、同做边缘 AI 芯片，累计筹资 1.1 亿美元超（约为 TAI 已知累计的六倍——币种与口径不同，只作量级参照），SAKURA-II 已量产出货，还拿到了美国防务客户的流程验证。它证明"日本公司做边缘 AI 芯片并量产"这件事本身可行；它同时提醒，走到那一步的玩家，手里的钱是 TAI 的数倍，验证记录是 TAI 还没有的。

十、钱从哪来、要花到哪；每一方想要什么

先把融资这件事的性质说清，因为它最容易被误读：12.7 亿日元是筹资额，不是估值，不是营收，更不是客户合同额。它的构成是两笔性质完全不同的钱：股权部分是三井住友海上キャピタル领投的第三方配股（承购方：ワタキューHD、東京計器与東京計器レールテクノ、ADT），债务部分是瑞穗银行的贷款；两部分的比例公司没有披露，本刊不拆算。资金到位证明的是"有人愿意继续出钱"，不证明产品成立，更不证明这笔钱够花到芯片产生收入——用途与成功之间不能画等号。

公开可查的筹资排成一条线：三井住友海上キャピタル自 2021 年起连续跟投四轮（C 轮发布自述"2021 年以降 4 回目"），是最老的机构股东；2024 年 TAI 借入 3.8 亿日元债务；2025 年 B 轮系列合计约 11.1 亿日元，JR九州与 JR东日本コンサルタンツ入局；2026 年 10 月 C 轮首关 12.7 亿日元。累计约 27.6 亿日元（补助金额未公布，不计在内）。

C 轮的用途，公司发布写了三项：Manta Ray 的生产与全球供应链构建、AI 解决方案事业的功能扩展与导入加速、组织与工程师招聘。具体配分未披露。对着第八节的两道墙拆（以下拆分是本刊的分析，不是公司口径）：翻第一道墙——流片、改版预备、样片与评估板——是亿日元量级的事；剩下的钱要同时喂三张嘴：解决方案业务的扩张（现在的收入来源，不能断奶）、量产备货的营运资金（晶圆先款在前、客户回款在后）、工具与渠道的建设（设计工具团队、ADT 体制的支持成本）。12.7 亿对着这三张嘴，不算宽裕——这是第十一节把资金判为"紧"的依据。

各方动机，逐个说：

TAI 与中原啓貴想要一个新职业模型。路径是：先做解决方案养活自己，再把攒下的现场知识变成芯片。自有芯片保住的是方案业务的差异与毛利——用别家的芯片做方案，利润大头永远在上游手里；有了自己的芯片，它卖的就不再是集成，而是平台。

三井住友海上キャピタル想要一个垂直整合的成长故事。四轮跟投、C 轮领投，它押的是"从服务到器件"的完整链条。保险集团的资本天然亲近基础设施风险生意——这一句是本刊的推断，标注在此，不作事实。

東京計器想要不掉队。它的老本行是轨道检测这类利基仪器；现场检测一旦装上 AI，用别家芯片还是用自己参股的芯片，是竞争力的分水岭。它与 TAI 的顺序最能说明问题：先共同开发轨道检测 AI 系统，跑通了，再入股锁定。

ワタキュー想要人。布草工厂的人手荒已经是经营课题；它在自家工厂跑完 TAI 的自动化试点、见到成果，2026 年 4 月入股。对它来说，这笔投资买的是长期合作的优先权，以及向医疗、护理现场外溢的可能（其主力客群正是医院与护理机构）。

JR九州与 JR东日本コンサルタンツ想要省人化点检。轨道点检是铁路最耗人力的环节之一；入股供应商，等于把需求、标准、导入节奏都搬上股东桌谈。

ADT 想要一个主角产品。它的分销、开发制造支援与长期供给能力，正缺一颗国产 AI 芯片做主线；入股 TAI 并签下市场展开协议，是把这条产品线锁在自己手里。它要的回报不在股权，在这条产品线十年的销售与服务。

Oppstar 与马来西亚想要往上爬一层。马来西亚的半导体产业长期以封装测试为主，国家战略要向设计环节上移；一家日本公司把整颗芯片的设计与物理实现交给槟城，对 Oppstar 是标杆客户，对马来西亚是送上门的锚点——经产省的补助采択的，正是这个"日马共创"的故事。

东北大学想要一个样板。共创研究所把实验室技术变成产业的路径立在那里：教授的论文变成公司的路线图，大学的招牌变成地方的产业名片。

十一、判断：技术一问，商业一问

按本刊的惯例，先分开回答主旨里的两个问题，再逐项给结论。

技术问题：TAI 的架构在特定工业负载下有没有明显价值？——有机制上的价值，未有数据上的证明。可重构配线＋压缩映射的路线，对"多 AI 并行、任务会变、功耗封顶"的现场负载，逻辑自洽；测试芯片证明这条路线能落到硅片上，且配置写入、时钟与 I/O 控制这些基本功能真实可用——本刊说"技术部分成立"，范围仅止于硬件实现与基本功能验证这一层。但"价值明显"四个字需要数字：功耗、延迟、吞吐的可复验测量，本次审稿未找到。所以这一问的结论是：部分成立（Partially Supported）——架构选择合理，硬件实现与基本功能已验证；AI 推理的性能价值，未被公开证据证明。

商业问题：这种价值够不够让客户换掉成熟平台？——未证明，且时间不在它一边。客户今天有 Jetson、Hailo、Kria 这些有规格、有生态、有供货记录的选项；TAI 的四张差异化牌全部待兑现，量产版评估板 2028 年 Q1 才到客户手里。这一问的结论是：证据不足（Insufficiently Supported）——不是注定失败，而是截至今日，没有任何公开事实能替客户回答"为什么换"。

逐项判断，五项：

• 2027 年内造出工程样片与量产版芯片：大概率能。Sting Ray 已用同一制程、同一架构、同一设计协作链跑通并完成评价；40nm 的设计容错远高于先进制程。这一项的风险是全场最低。
• 节点按期：样品一级较稳，量产版一级余量薄。从 Q2 的工程样片制造到 Q4 的量产版制造只隔两个季度；样品阶段若发现问题、需要一次改版（新掩膜版加工以月计），Q4 即破。它没有为延期留出缓冲。
• 自有平台与股东客户的保底需求：有，且已经在结构里。下一代 SEASIDE 换装 Manta Ray 是公开计划，三家股东客户的共同开发与试点也都是公开事实。第一批装机位置，不需要去市场上找。
• 2028 年底前出现外部付费客户：不乐观。量产版评估板 2028 年 Q1 才提供，工业客户的导入以年计——从评估板到付费采用，一年窗口只够跑完最快的一轮。任何一环迟到，这一项就滑到 2029 年。先把这个判断的边界说清：本刊盯的是公开可核对的采用；未上市公司完全可能签了约而不披露，"没有公开披露"不等于"没有实际客户"。本刊的判断只对公开证据成立——日后若证实有外部付费采用在 2028 年底前已经发生、哪怕当时未披露，同样触发下面的更正。
• 资金撑到芯片产生收入：紧。12.7 亿要同时喂方案业务、量产备货与工具渠道建设；C 轮二关未关、补助金额未明。若二关难产，它大概率还要再融一轮——那将是市场对这条路线图的第一次计价。

总判断：TAI 活到量产版制造的概率，明显高于 LeapMind 当年；它能否成为一门独立的芯片生意，取决于 2028 年的那一张外部订单。

留给读者的四个观察指标与 Deck 第七页相同——样片与评估板是否按期、可复验的性能数据、具名的外部客户、工具与长期供给——那也是本刊的回访日程：2027 年第三季度工程样片评估板提供后做中期核对，2028 年第一季度量产版评估板提供时全面回访。

证伪条件复述：工程样片与量产版芯片的制造（官方计划为 2027 年内，本刊的证伪线为 2028 年第一季度末）若届时仍未完成，本刊"做出来风险低"的判断错误；2028 年底前若出现（或被证实已经出现）任何一宗非股东、非自有平台的 Manta Ray 付费采用，本刊"外部采用是生死线、且前景不乐观"的判断错误。触发其一，公开更正。一颗芯片的赌局，届时见分晓。