NAVER D2SF 投資 TraceWeave：後 Transformer 架構 Phase-TITAN，1M token 記憶只用 0.04GB
NAVER 旗下創投 D2SF 宣布投資韓國端側 AI 新創 TraceWeave，其自研後 Transformer 架構 Phase-TITAN 號稱記憶用量隨上下文成長保持恆定：1M token 上下文下，10 億參數模型記憶體僅 0.04GB，瞄準機器人、無人機、智慧眼鏡等裝置端 AI 智能體。
AI 智能體要走出雲端，最大的攔路虎是記憶體。韓國 NAVER 旗下創投 D2SF 今日（10/21）宣布投資端側 AI 新創 TraceWeave——這家公司不做 Transformer 微調，而是從零自研了一套後 Transformer 架構 Phase-TITAN，專門解決「長上下文＋裝置端」的記憶體瓶頸。
KV-Cache 的原罪：上下文越長越吃記憶體
Transformer 架構有個先天問題：KV-Cache 會隨著上下文長度線性膨脹。TraceWeave 的數據很具體：在 100 萬 token 上下文、不做量化的情況下，同級 Transformer 的 KV-Cache 要吃掉數十 GB 以上的記憶體——手機、機器人、智慧眼鏡根本裝不下。
Phase-TITAN 的做法是乾脆拋棄 Transformer，把「記憶用量隨上下文成長保持恆定」做進架構本身。官方宣稱，其 10 億參數模型在同樣的 100 萬 token 上下文下，記憶用量僅 0.04GB。這讓智能體可以在裝置上獨立完成呼叫工具、解讀結果、決定下一步，不必每次都打回雲端。
效能號稱不打折，商業化已啟動
TraceWeave 引用 RULER 與 BFCL 內部基準測試，稱 Phase-TITAN 的表現與同級甚至更大型的 Transformer 模型相當。公司已在出行（mobility）領域完成付費試點，下一步瞄準機器人、無人機、智慧眼鏡等場景。
值得注意的是，TraceWeave 強調自己「從零開發模型，不依賴現有開源模型」——在開源模型唾手可得的時代，這是一條更燒錢也更難的路，D2SF 看上的正是這份技術自主性。
裝置端 AI 成為創投新寵
NAVER D2SF 持續加碼端側 AI 與次世代裝置技術。隨著 AI 應用從聊天機器人走向複雜推理與決策，機器人、車輛、智慧眼鏡對「離線也能聰明」的需求只會越來越強。這筆投資也呼應了近期的行業趨勢：輝達的 Nemotron 開源模型、Mistral 的邊緣布局，都在把 AI 能力往裝置端推。
資料來源
- PRNewswire：NAVER D2SF Invests in On-Device AI Startup TraceWeave（2026-10-21）
- Korea Herald：NAVER D2SF Invests in On-Device AI Startup TraceWeave（2026-10-21）