嘉加资本对话Normal Computing创始人：在硅谷，创始人只需做对三件事

文 ｜ 尚莞迪一块GPU为了

「不出错」付出的代价，远比大多数人想象的高。传统GPU需要消耗大量能量来保证计算的准确性，而运行在上面的AI模型，却常常需要随机性：扩散模型从噪声中生成图像，大语言模型通过概率采样生成文本。

Normal Computing创始人Faris Sbahi由此提出一个想法：能否直接利用硬件中的噪声完成部分计算，让AI少耗一些电？Normal Computing成立于2022年，总部位于纽约，前身为Google X内部项目。

公司有两条业务线：用AI改进芯片设计与验证工具，以及利用这些工具开发新的计算硬件。今年3月，Normal完成由三星催化基金（Samsung Catalyst Fund）领投的5000万美元战略融资，累计融资超过8500万美元。

投资方还包括美光风投、埃里克·施密特旗下的First Spark Ventures和嘉加资本EnvisionX Capital。据该公司披露，全球营收排名前十的半导体公司中，已有半数以上与其建立合作。

今年8月，Normal在Hot Chips大会上公布了首颗热力学计算芯片CN101的测试结果。Normal团队瞄准的是AI扩张中的能源瓶颈。随着数据中心用电需求增长，单纯增加能源供应难以支撑算力的持续扩张。

公司试图从计算架构入手降低能耗，让同样的电力和成本支持更多AI计算。近期在斯坦福商学院举行的一场炉边对话中，嘉加资本EnvisionX Capital创始及管理合伙人郑泓Holly Zheng，向Normal Computing联合创始人兼CEO Faris Sbahi抛出了一个投资人视角的问题：你们和全球主要半导体公司之间，究竟是客户与供应商的关系，还是未来可能变成竞争对手？

Faris Sbahi的回答是：「当你要在一个几十年没怎么变过的行业里做颠覆的事，就必须足够有耐心，也必须非常认真地对待合作关系。」郑泓也回顾了投资Normal的决策过程。双方最初讨论的是EDA（电子设计自动化）：用AI做芯片验证，商业逻辑清晰，目标市场明确。

随着了解深入，她发现Normal的愿景远不止于此——这家公司还打算开发全新的计算架构。这让她看到了公司更大的长期增长潜力，也为公司未来的估值留下了更多想象空间。以下为这场对话的核心内容。

01 从物理学到Google XFaris的创业起点是物理学。他在杜克大学读完本科，进入加州理工学院攻读理论物理与量子信息博士。他一直对计算、物理与信息论的交叉领域感兴趣。高中时，他曾在一门AP化学课上做过一个介绍早期量子计算的项目。

当时，Google已经成立了量子AI实验室。量子计算可能引发一场影响整个社会的技术变革，这让他深深着迷。但在攻读博士期间，他开始怀疑，量子计算是否真能如早年预想的那样，对AI和其他前沿技术产生深远影响。

带着这个疑问，他离开博士项目，加入Google Brain的一支前沿深度学习团队，在祖宾·加拉马尼（Zoubin Ghahramani）的带领下，参与TensorFlow核心框架的开发。

「我当时就是想弄清楚，真正的技术前沿究竟长什么样，什么样的技术才能带来变革性的影响。」他原本打算回去读完博士，但这个计划始终没能实现。在Google，他通过「20%时间」制度开始探索新的研究方向。

「20%时间」这项制度允许员工拿出五分之一的工作时间做其他项目。Faris笑称，内部其实管它叫「120%时间」：因为原本的工作一点没少，在此基础上又多了一份。他利用这段额外的时间，为Google Brain当时的计算任务探索新的专用芯片架构，重点是模拟计算。

此后他获得了一次向Google联合创始人谢尔盖·布林提案的机会，并因此受邀加入了Google X继续推进该项目。之后团队最终从Google独立了出来。Faris说，从某种程度上讲，团队是「被迫」独立出来的。

因为当时他们所在的更大团队正从Google分拆出来成立了SandboxAQ。他们于是向管理层提出要求，希望另行成立一家独立公司，取名为Normal。这项始于Google内部的研究，最终延伸成为Faris的创业项目。

02 从振荡器到DRAM，寻找可规模化的计算架构Faris将Normal技术路线的演变分为三个阶段。最初只是一个基本判断：AI工作负载具有非确定性，扩散模型等算法本身就可以用随机微分方程描述。

但运行这些算法的传统硬件，仍要消耗大量能量来维持计算的确定性。团队由此开始探索，能否直接利用硬件中的噪声完成概率计算。之后，在Google期间，团队尝试过基于振荡器的模拟计算架构，相关论文也在《Nature》等期刊上发表。

随着模型越来越大、上下文窗口越来越长，规模化已成为绕不开的问题。团队逐渐意识到，早期采用的模拟RLC电路难以满足这一要求。大约两年前，他们转向了DRAM（动态随机存取存储器）。选择DRAM的原因是：它的制造工艺成熟，已实现大规模、低成本生产，存储密度也远高于SRAM（静态随机存取存储器）。

Normal团队发现，可以重新利用这种存储器，在内部直接完成带噪声的计算。这一选择也与大模型推理面临的瓶颈高度相关。在推理过程中，数据需要在存储器与计算单元之间反复搬运，产生大量延迟和能耗，算力因此难以充分发挥。

而将部分计算放进存储器，则有可能减少数据搬运的开销。DRAM现有的制造能力，为这条技术路线的规模化提供了基础保障。去年，Normal团队搭建了一套参考系统，并开始接触前沿AI实验室。

谈到这里时，Faris提到几家头部实验室都成为了合作伙伴以及「潜在的重要客户」。他还提到，公司已有一些商业进展，具体金额暂不便公开。03 硬件尚在研发，设计工具先有了客户在开发新硬件的过程中，Normal团队发现，现有的芯片设计软件仍难以满足需求。

过去几十年中，半导体设计软件市场主要由新思科技（Synopsys）、楷登电子（Cadence）和西门子主导。据Faris估计，这个市场的年营收接近200亿美元，但在他看来，工程师使用的工具自上世纪九十年代以来，几乎没有发生根本变化。

「现在还有人真正自己写代码吗？反正我已经不怎么写了。」Faris笑道。他希望能将AI辅助软件开发的方式引入到芯片设计中。开发非常规计算架构，需要新的综合与仿真工具，也需要让AI更多地参与其中。

Normal团队因此开始自研工具。一些与Normal合作的存储器公司对这些工具产生了兴趣，随后便成为Normal EDA的付费客户。一套最初为内部研发服务的工具，由此发展成了产生收入的独立业务。

这也是嘉加资本创始及管理合伙人郑泓最初接触Normal时最为看重的业务方向。在深入了解后，她发现，Normal团队还计划用这些工具开发新的计算硬件。据公司今年3月发布的介绍，Normal EDA的近期目标是将定制芯片从设计到上市的周期缩短一半，长期则希望借助这套平台开发新硬件，将计算效率提升上千倍。

目前，EDA工具已开始对外销售，新计算架构仍在研发中。Normal既向芯片公司提供设计工具，也用这些工具推进自己的硬件研发。04 半导体创业的壁垒，也在供应链里郑泓随后问了一个所有投资人都会关心的问题：Normal和全球主要半导体公司之间，到底是客户与供应商的关系，还是有朝一日会变成竞争对手？

Faris的回答谈到了Deep Tech创业中常被低估的一环。「当你要在一个几十年没怎么变过的行业里做颠覆性的事，就必须抱有足够的耐心，也必须非常认真地经营合作关系。」在2022年前后，Normal团队开始接触三星、美光和SK海力士等一线存储器公司。

在Faris看来，这些公司多年来依靠制造工艺的持续改进积累优势，对新技术的采用则十分谨慎。Normal提出与它们共同开发一条新产品线，让现有存储器技术用于新的计算场景。双方从概念验证开始，逐步签订联合开发协议，部分协议中也已包含商业条款。

EDA工具让双方得以更早开展合作，Normal在硬件成熟之前，就能先向合作方提供软件技术。Faris曾长居韩国，推进与其中一家公司的合作。后来，对方邀请Normal团队进驻，在办公楼20层提供了一间办公室。

据他回忆，对方告诉他，二十多年来公司从未这样接纳过一家外部公司。那里的保密措施十分严格。电脑和手机必须存入储物柜，离开时，随身携带的纸张也要接受检查，以防带出DRAM的核心技术资料。

在Faris看来，建立这样的合作需要耐心，投入的时间也会逐渐成为公司的壁垒。后来者想获得同样的机会，仍要从概念验证做起，一步步取得对方的信任，这是一个没有捷径可走的过程。「对硬件来说，供应链非常复杂，你必须以正确的方式融入其中。

」对投资人而言，判断一家深科技公司的壁垒，除了看论文、专利和性能指标，也要看它与制造商的合作究竟走到了哪一步。能否进入对方的研发流程、共同开发产品，既取决于技术，也取决于长期合作中积累的信任。

05 小团队与被放大的幂律当郑泓问道：在离开Google之后，是否还能经常接触到最顶尖的人才？Faris的回答则非常有意思：「小团队正在变成优势。」Google是一家超过十万人的公司，能在这样的规模上维持人才标准，几乎是一个奇迹。

但如果想把一种全新的技术或产品推向市场，往往只需要一支规模更小、人才密度更高的团队。过去几年，不少出色的AI产品就出自这样的小团队。他举了两个例子。几周前他和Meta首席AI官Alexandr Wang聊天，对方不肯透露Muse核心团队的确切人数，只说小得惊人。

另一个是Recursive，这家公司只有三十多人，用不到四个月做出了首个模型。「AI正在放大一种幂律分布。如果你原本的生产力是普通人的十倍，现在可能会变成一百倍，甚至一千倍。」他转述了几天前在另一场活动中听到的谷歌前CEO埃里克·施密特的判断：企业最终可能只剩下两种职能，销售和工程。

今天你所熟悉的其他职能，可能都不再有存在的必要。郑泓也谈起了自己的一段经历。2019年12月，她首次以蓝色光标国际CEO的身份在里斯本发表演讲，面对近两千名观众，她曾自豪地说，自己在全球管理着一支三千人的团队。

「现在回头再看，真是倍感惭愧。管理三千个人，从经营利润的角度看，并没什么值得骄傲的。」这句话也很好地阐释了嘉加资本看项目的一个隐含标准：在AI时代，组织规模不再是实力的象征，人才密度才是。

06 招聘优先级：使命认同、认知能力，最后才是经验Normal的业务涉及物理、计算与半导体工程，需要汇集不同专业背景的人才。郑泓就此问道Faris在招聘上犯过哪些错？Faris认为，在团队招聘中最常见的错误是过于看重经验。

比如招聘RTL（寄存器传输级代码）工程师，看到候选人有三十年经验，就认为找到了难得的人选。但在他看来，工作年限在招聘判断中的重要性，远没有人们想象的那么高。他首先看重的是使命认同与文化契合。

做一件全新的事，总会遇到毫无进展的时候。团队不知道怎么办，如果去问CEO，CEO也同样没有答案。如果没有对这件事足够深的认同感，很难坚持把事情做下去。其次是Google所提倡的「通用认知能力」，也就是解决困难问题的能力。

具体的岗位经验的重要性都应该排在这两项之后。Normal在团队搭建上也走过弯路。创业早期，董事会希望这几位从Google出来的年轻创始人引入资深高管，比如招聘一位经验丰富的产品负责人。

「有些事情是外包不出去的。作为创始人，你不能把『我们的产品应该是什么』交给别人回答，也不能把核心工程问题外包出去。」Faris说，他们当时以为找到一位做成过类似事情的高管，就能解决眼前的问题。

后来才发现，即便对方过去成功过，也无法替创始人完成这些判断。如今，Normal的管理团队既有四十年工作经验的人，也有只有五年经验的人。Faris希望保留这样完美的配备组合。「作为创始人，你绝不应该向团队传递这样的信号：若没有四十年经验，就不可能在这里成长为领导者。

」07 CEO的时间分配：工作日一半留给工程师，周末全部留给个人思考谈到时间分配时Faris开玩笑说，融资本来应有淡旺季，现在却似乎全年都是融资季。除了负责融资之外，他的工作主要就是施密特提到的那两项：销售和工程。

对Normal来说，销售更多是与合作伙伴打交道。Faris经常往返于韩国和湾区。日常运营可以交给同事来做，但若涉及与重要合作方规划一款两三年后才发布的产品，他认为必须由创始人亲自参与。

在公司时，他会花大约一半的时间和工程师待在一起，了解他们的工作卡在了哪里。「工程师是很难搞的一群人。我自己也是工程师，所以可以这么说。他们不会主动告诉你是什么阻碍了进展，往往把事情藏在心里。

」他会尽量让自己不在周六工作，周日也通常不安排电话和会议，留出时间思考和规划。他说，创业初期如果看多了那些创业传奇，很容易觉得自己也必须每天工作十六个小时，一周七天连轴转。「但如果一直这样，身体迟早会撑不住，判断力也会受到影响。

」08 就像蒸汽机刚被发明的年代参与本次活动的还有不少即将毕业的斯坦福商学院学生。郑泓替他们问Faris：如果你现在毕业，还会选择先去Google吗？Faris说，几年前他可能会，但现在更想自己动手做些东西。

「这就像蒸汽机刚刚发明出来，你恰好在这个时候毕业，你当然应该去研究蒸汽机，或者做点与它有关的事。」他认为，眼下正是技术发展最令人兴奋的时期之一。对毕业生来说，可以尝试自己做产品，也可以加入一家早期公司：看看它要解决怎样的问题，是否值得投入，以及是否可能为世界带来足够大的改变。

对话最后，郑泓用几个快问快答收尾。她先问，AI行业里，哪个概念最被高估？Faris想了想，答道：「也许是RSI。」郑泓正是RSI的投资人，笑着接话：「我会转告Richard。」至于最被低估的概念，他的答案是「也许还是世界模型」。

谈到创始人最重要的特质，郑泓给出了技术能力、领导力和坚毅三个选项。Faris毫不犹豫回答：「解决问题的能力。」最后一问，选湾区还是纽约？「肯定是这里。湾区」本文基于2026年10月23日嘉加资本EnvisionX Capital与Normal Computing炉边对话内容整理，原对话为英文，经创见团队翻译编辑。

主持人郑泓，嘉加资本创始及管理合伙人、蓝标国际董事长；嘉宾Faris Sbahi，Normal Computing联合创始人兼CEO。文中观点为嘉宾个人表达，不构成投资建议。欢迎分享，转载请注明出处：创见播客。更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App