卖铲子的 Nvidia，出手投了一家教客户少买铲子的软件公司。2026 年 10 月 27 日，印度班加罗尔 AI 推理初创公司 Simplismart 宣布完成 1400 万美元全一级市场 B 轮融资，由 Dallas Venture Capital 领投，Nvidia、Accel、Shastra VC 和 Micromax 参投，投后估值约 1 亿美元。这家成立四年、仅有 58 名员工的公司主打模型与底层算力之间的推理中间件，宣称能帮企业砍掉一半以上的 GPU 开销。但拆开其引以为傲的客户账单与技术集成路径就会发现，所谓少用 GPU 更多是帮粗放经营的应用公司关掉了闲置机器，而 Nvidia 掏钱入局，则是为了把自家的软件标准塞进区域云厂商的机房。
对于正在为高昂推理账单头疼的 AI 应用公司而言，Simplismart 讲了一个极具诱惑力的故事。前 Oracle 工程师 Amritanshu Jain 与前 Google 工程师 Devansh Ghatak 在 2022 年创立这家公司时，切中的是企业在延迟（SLA）与总拥有成本（TCO）之间的配置痛点：不用企业自己调优，软件自动接管模型部署、并发吞吐与扩缩容。目前其客户名单已涵盖 AI 视频平台 InVideo、HeyGen、Higgsfield 以及企业级 AI 初创公司 Ema，超过一半的收入来自美国市场。
砍掉 56% 成本的黑盒：算子奇迹还是关停闲置
Simplismart 最具说服力的招牌，是帮 AI 视频生成平台 InVideo 降低了 56% 的 GPU 服务成本，相当于每月省下 2.9 万美元；另一家客户 Dashtoon 的 CTO Soumyadeep Mukherjee 也公开作证，称在满足延迟目标的前提下，峰值 GPU 用量直接从 15 张砍到了 6 张。在底层跑分上，Simplismart 同样给出了激进的自测数据：单张 H100 运行 Llama 3.1 8B 时吞吐量约为开源引擎 vLLM 的 2.5 倍（单用户峰值达 501 tokens/s）；在最新的 B200 GPU 上运行 Nemotron 3 Ultra 时，吞吐量比 Nvidia 官方的 TensorRT-LLM 还要高出最多 50%。
把这些数字放到显微镜下审视，技术含金量需要打一个问号。InVideo 节省 56% 成本的参照物，是客户自己早年搭建、未经充分优化的旧版图像与视频流水线，而非在同等硬件条件下击败 vLLM、Baseten 或 Fireworks AI 的同台竞技。这套方案实际综合了融合算子、中间张量缓存以及自动扩缩容（Autoscaling）与资源感知路由。换句话说，省下来的钱很大一部分来自波谷时段自动关停闲置 GPU 的工程调度，而非单纯靠底层编译技术凭空变出两倍算力。
省下一半算力账单，三分靠底层算子提速，七分靠替客户关掉空转的机器。
更让技术采购方犯嘀咕的是其公开材料的数据打架与外部验证缺失。在 Simplismart 官网的 InVideo 案例页中，标题写着中位延迟从 26 秒降至 11 秒，正文里却变成了从 20 秒降至 11 秒；而在官网首页，InVideo 的图像生成成本又被宣传为从 3 万美元降至 1000 美元以下（降幅超 96.7%），两处迥异的口径没有任何调和说明。同时，竞品 Fireworks AI 也曾发布过在 H100 上比 vLLM 降低 53% 成本和 60% 延迟的基准测试。在推理赛道普遍存在跑分通胀的当下，Simplismart 在 AWS Marketplace 和 Capterra 上的第三方独立评价至今为零，企业客户很难单凭厂商自测报告就签下迁移合同。
- 风险.客户看到的降本数字混杂了基础运维的闲置消除与底层引擎加速，若企业自身已具备成熟的 Kubernetes 自动扩缩容能力，引入此类中间件的实际边际收益将大打折扣。
暴增 14 倍的账面流水，与三度变脸的融资估值
除了技术跑分，Simplismart 披露的商业化狂飙同样依赖特定的统计口径。CEO Amritanshu Jain 向媒体表示，过去 6 个月公司的年化收入运行率（annualized revenue run rate）增长了 14 倍，跨入八位数美元（超千万美元）门槛。但公司同时承认，这一数字仅根据近期客户算力消耗量推算，并非具有合同约束力的经常性年收入（ARR）。
翻开历史财务底牌，这种反差尤为强烈。财务记录显示，Simplismart 在 2025 财年（FY25）的全年营业收入仅约 1 亿至 1.4 亿卢比（约合十几万美元量级），净亏损则达到 9 亿卢比。从十几万美元的实际年营收，跳升到千万美元级别的年化运行率，中间靠的是北美 AI 视频客户短期算力消耗脉冲的年化外推。在 B 轮最终落槌前，这家公司的融资传闻也在短短五个月内经历了三次剧烈摇摆。
| 时间节点 | 披露渠道 / 信源 | 传闻或披露的融资额 | 对应估值或财务水位 |
|---|---|---|---|
| 2025 财年 | 印度财务数据库 / Inc42 | 历史财报数据 | 营收约 1 亿-1.4 亿卢比，净亏 9 亿卢比 |
| 2026 年 5 月 18 日 | 印度《经济时报》 | 洽谈 2000 万美元（传 Nvidia 领投） | 估值约 1 亿美元 |
| 2026 年 8 月 4 日 | CB Insights 数据库 | 记录 900 万美元 B 轮 | DVC、Accel 等参投，未披露估值 |
| 2026 年 10 月 21 日 | 创投数据库报道 | 洽谈 4000 万-5000 万美元（Peak XV 等） | 估值喊至 3 亿-5 亿美元 |
| 2026 年 10 月 27 日 | 官方宣布 / TechCrunch | 敲定 1400 万美元 B 轮（DVC 领投、Nvidia 参投） | 估值约 1 亿美元，官方否认正积极募资 |
就在官宣 1 亿美元估值的前 6 天，市场还在流传 Peak XV 和 Damac Digital 拟以 3 亿至 5 亿美元估值向其注资最高 5000 万美元的消息；对此 Jain 拒绝置评，仅表示 B 轮已彻底关闭且不会扩充。从 5 月传闻的 Nvidia 领投 2000 万美元，缩水到最终 Dallas Venture Capital 领投、Nvidia 参投的 1400 万美元，叠加 8 月份 900 万美元的数据库交割记录，显示出这笔交易极可能是分批拼凑完成的，一级市场对其依靠使用量外推撑起的高估值依然保持着冷静克制。
Nvidia 的真实算盘：借印度中间件铺设 Dynamo 栈
既然跑分有水分、收入靠外推，甚至还打着帮客户少买 GPU 的旗号，Nvidia 为什么要掏钱支持它？答案藏在双方的技术附加条款与区域云合作里。
Simplismart 并不是在 CUDA 之外另起炉灶，而是把自家的调度层直接焊死在了 Nvidia 的官方软件栈上。在这轮投资背后，Nvidia 的解决方案架构师正与 Simplismart 工程师联合推进 NVIDIA Dynamo 推理软件的集成，同时代管 NVIDIA Cloud Functions 并接入了 NVIDIA NIM 微服务。通过调用 Dynamo 的分离式服务（disaggregated serving）和 KV 缓存感知路由机制，Simplismart 宣称将单卡 token 吞吐量提升了最多 25%。
这种技术绑定直接帮 Nvidia 解决了一个棘手的渠道问题：如何让缺乏自研 PaaS 能力的区域新兴云厂商（Neoclouds）把囤积的显卡卖出去。以印度本土云厂商 Yotta 为例，其采购了大批 H100 和 L40S GPU，但缺乏 AWS 级别的软件调度能力；通过引入 Simplismart 作为底层支撑，Yotta 得以在 Shakti Studio 平台上快速拼装出高毛利的无服务器（Serverless）AI 推理服务。
- 结论.Nvidia 投资省卡软件绝非自我革命，而是用极小的参投成本把印度本土工程团队变成 Dynamo 和 NIM 软件栈的实施外包商，既帮二线云厂商消化了硬件库存，又靠降低单位推理门槛撬动了更大的总算力消耗。
这笔 1400 万美元的交易把 AI 推理赛道的夹层生存法则摆上了台面。面对 AWS、Google Cloud、Azure 三大云厂商的原生服务挤压，以及 Baseten、Fireworks AI 在北美市场的正面厮杀，Simplismart 靠印度班加罗尔的低研发成本与驻场级定制服务撕开了一道口子。但接下来，当客户的闲置机器被关停完毕、一次性降本红利见顶后，这家公司能否在公开评测平台上交出经得起第三方复现的硬核跑分，并将脉冲式的使用量流水转化为跨年度的财报留存收入，才是检验其 1 亿美元估值成色的真正考题。