Sparxity lukker serie A-runde og bringer den samlede finansiering til 90 millioner dollar til AI-beregninger med sparsitet

Sparxity, en Dresden-baseret computerteknologivirksomhed, der tidligere var kendt som SpiNNcloud, har afsluttet en serie A-finansiering, så den samlede finansiering, som teamet har sikret, nu udgør 90 millioner dollar. Investeringen skal støtte udviklingen af specialiserede chips, der er designet til dynamisk sparsitet med høj granularitet – en tilgang, der koncentrerer AI-beregningerne om de dele af en model, der er nødvendige til den enkelte opgave.

Runden blev anført af ICM HPQC Fund, og blandt investorerne var Lockheed Martin Ventures, GlobalFoundries, GS Futures, Cloudberry Ventures, TGFS og EIC Fund. Blandt engleinvestorerne er Richard Socher og Nancy Xu, og Atlantic og Silicon Catalyst fortsætter også med at støtte virksomheden. Sparxity oplyste ikke serie A-rundens beløb særskilt fra det samlede finansieringsbeløb.

Ambitionen er at gøre det praktisk muligt at køre stadig mere sparsomme AI-modeller i stor skala. Den næste generation af hardware sigter mod op til 44 gange hurtigere inferens i ultrassparsomme modeller og bygger videre på en eksisterende kommerciel forretning inden for systemer til sparsomme beregninger.

Hvorfor sparsomme modeller kræver anderledes hardware

I et tæt neuralt netværk udføres der omfattende beregninger på tværs af et stort antal parametre. Sparse arkitekturer aktiverer udvalgte dele af en model, hvilket potentielt kan øge dens samlede kapacitet, uden at alle parametre behøver at indgå i hver beregning.

Det bliver vanskeligere at udnytte potentialet, når udvælgelsen sker med høj granularitet og ændrer sig efter inputtet. Hardwaren skal kunne sende opgaverne til de rette ressourcer og flytte de relevante data effektivt. Det hjælper kun at springe aritmetiske beregninger over, hvis omkostningerne ved at finde, planlægge og kommunikere det resterende arbejde ikke udligner gevinsten.

Sparxitys teknologiske oversigt tager udgangspunkt i dette problem og peger på mere finkornet udvælgelse på tværs af eksperter, hukommelse og attention. Virksomheden udvikler chips og software samlet, så modeludviklere kan benytte sparse strukturer, der er vanskelige at afvikle effektivt på hardware, som primært er designet til tætte beregninger.

»Den næste æra inden for AI vil ikke kun blive defineret af, hvor stor regnekraft vi kan levere, men også af, hvor intelligent og effektivt vi bruger den,« sagde Hector Gonzalez, medstifter og administrerende direktør for Sparxity. Han sagde, at finansieringen vil fremskynde udviklingen af dedikeret silicium til ultrassparse arbejdsbelastninger i heterogene datacentre.

Fra millioner af eksperter til selektiv beregning

En af forskningsretningerne bag strategien er PEER, det vil sige parameter-effektiv ekspertgenfinding. I Mixture of A Million Experts beskrev forskeren Xu Owen He et lag, der udvælger et mindre antal eksperter fra en pulje med mere end en million små eksperter. Eksperimenter med sprogmodelleringsopgaver undersøgte, hvordan denne tilgang påvirker forholdet mellem modellens ydeevne og beregningsomkostningerne.

Princippet er at udvide det, en model kan trække på, uden at hele puljen skal behandles for hvert input. Hvis denne effektivitet på modelniveau skal omsættes til lavere latenstid og energiforbrug, kræver det et system, der kan håndtere det resulterende finkornede arbejde.

He, der tidligere forskede hos Google DeepMind og nu er strategisk rådgiver for Sparxity, sagde, at fælles udvikling af modeller, destillationspipelines og hardware med sparsitet for øje kan frigøre yderligere beregningseffektivitet. Det er denne sammenhæng, den nye finansiering skal bidrage til at udvikle: modeller, der foretager mere selektive valg, kombineret med hardware, der kan udføre beregningerne efter disse valg.

Et kommercielt grundlag før den næste chip

Sparxity oplyser, at virksomhedens grundlag omfatter tre chipdesigns, der er færdiggjort frem til tapeout, mere end 70.000 producerede chips og 12 installerede racks. Virksomheden rapporterer om mere end 30 kunder verden over og en firedobling af omsætningen fra 2024 til 2025 samt fortsat fremgang i 2026.

Virksomhedens nuværende systemer er rettet mod både højtydende databehandling og AI. Sparxity rapporterer om løsere til sparsomme systemer, der er 10 gange hurtigere, et 18 gange lavere energiforbrug til hændelsesbaseret maskinlæring og 20 gange kortere køretider for optimering på udvalgte arbejdsbelastninger. Resultaterne gælder bestemte anvendelser på virksomhedens eksisterende systemer; målet om op til 44 gange hurtigere inferens gælder næste generation af teknologi til ultrassparsomme modeller.

Denne forskel er central for finansieringshistorien. Sparxity fremstiller og installerer allerede systemer, mens serie A-finansieringen støtter et yderligere skridt mod hardware, der er udviklet specifikt til dynamisk sparsitet i AI-inferens.

Jülich giver et konkret eksempel på en installation

Jülich Supercomputing Centre beskriver uafhængigt et SpiNNaker2-system med to racks fra Sparxity, kaldet JUBIS, som blev installeret i april 2026. Det består af 4.320 chips og 656.640 ARM-kerner med neuromorfe acceleratorer.

JUBIS understøtter Jülichs projekt Event-based Supercomputer for AI and Beyond, der undersøger realtids-AI, simuleringer inden for neurovidenskab og andre arbejdsbelastninger såsom emulering af kvantecomputere. Projektet omfatter også benchmarking, prototyper af applikationer og softwareudvikling, så systemet kan anvendes i et bredere miljø for højtydende databehandling.

Denne udrulning viser, hvorfor en computerarkitektur kræver mere end en chipspecifikation. Forskere har brug for værktøjer og grænseflader samt en måde at integrere systemet i deres eksisterende arbejde på. Sparxitys fullstacktilgang dækker hele forløbet fra specialudviklet silicium til installationer med flere racks.

En vej ind i europæiske datacentre

Sparxity arbejder også sammen med T-Systems på en mulig vej ind på markedet for kommercielle datacentre. Deutsche Telekoms meddelelse den 3. november beskriver en underskrevet hensigtserklæring om at kombinere Sparxitys teknologi med T-Systems’ infrastruktur og ekspertise inden for drift.

Den planlagte rækkefølge begynder med den nuværende hardware, som skal bruges til at udvikle tekniske integrationsmetoder, efterfulgt af udrulning af næste generations chips, der er planlagt til 2028. Partnerne forventer at blive enige om yderligere detaljer i løbet af de kommende måneder.

For Sparxity understøtter den nye kapital virksomhedens bevægelse fra at bevise potentialet i sparsitetbaseret databehandling i specialiserede systemer til at indtage en større rolle inden for AI-infrastruktur. Virksomhedens tese er, at fremtidige fremskridt vil komme af at udføre mindre unødvendigt arbejde – og af at designe hardware, software og modeller sammen, så besparelserne omsættes til nyttig ydeevne.