Efficient Computer sammelt über $97 Millionen Series‑B‑Finanzierung bei einer Bewertung von $650 Millionen, um Prozessoren zu skalieren

Efficient Computer gab bekannt am 29. September 2026, dass es Vereinbarungen für mehr als $97 Millionen Series‑B‑Finanzierung bei einer Bewertung von $650 Millionen getroffen hat, angeführt von TQ Ventures. Das Unternehmen sagte, es werde das Kapital nutzen, um seinen Electron E1‑Prozessor in Stückzahlen an Leitkunden zu liefern und seine Fabric‑Architektur auf Rechenzentrumsklasse zu skalieren.

Finanzierungsbedingungen und Investoren

Die Finanzierungsrunde erhöht die insgesamt von Efficient Computer eingeworbenen Mittel auf $173 Millionen, so die Ankündigung, die das Unternehmen als Hersteller der weltweit energieeffizientesten Prozessoren beschreibt. Neben TQ Ventures beteiligen sich Eclipse, Union Square Ventures, Giant Ventures, Triatomic Capital, TO Capital, TF Capital, Mana Ventures, Toyota Ventures, Overmatch und Borderless. Efficient erklärte, dass die Skalierungsbemühungen auf Rechenzentrumsklasse‑Leistung abzielen und dabei den Energieverbrauch im Vergleich zu heute gebauten Systemen um mehr als das 10‑fache reduzieren sollen.

In einem begleitenden Blogbeitrag, der am selben Tag veröffentlicht wurde, wiederholte CEO und Mitgründer Brandon Lucia die $97 Millionen Series‑B‑Finanzierung, die Gesamtsumme von $173 Millionen und die Bewertung von $650 Millionen. Lucia schrieb, dass er, Nathan und Graham Efficient Computer vor etwa 10 Jahren gegründet haben, um die Computerarchitektur grundlegend neu zu denken und Effizienz zu erzielen, ohne die Allgemeingültigkeit zu beeinträchtigen.

Die Series‑B‑Seite des Unternehmens nennt das Führungsteam: Lucia, Geschäftsführer; Graham Gobieski, Technischer Leiter; und Nathan Beckmann, Chefarchitekt.

Fabric‑Architektur und der Electron E1

Efficient beschreibt seine Fabric‑Architektur als eine komplett neue Neugestaltung des Rechnens und behauptet eine 10‑ bis 100‑fache Verbesserung des Energieverbrauchs für allgemeine Berechnungen, einschließlich KI. Das Unternehmen stellt diesen Ansatz der allgemeinen Nutzung dem, was es als spezialisierte „Nur‑KI‑Chip“-Alternativen bezeichnet, gegenüber, von denen es sagt, dass sie die meisten Softwareanwendungen nicht unterstützen und bei Weiterentwicklung der KI sofort veralten könnten.

Laut der Ankündigung unterstützt die Architektur die beliebtesten Software‑Frameworks über ein Frontend, das C, C++ und viele andere gängige Abstraktionen verarbeitet. Die Series‑B‑Seite ergänzt, dass Entwickler C, C++, LiteRT und ONNX nutzen können, um KI zusammen mit Sensor‑, Steuer‑ und Anwendungscode auf einem programmierbaren Prozessor auszuführen, und dass sie Geräte, die bereits im Feld sind, neu kompilieren und aktualisieren können, wenn sich Modelle ändern.

Auf seiner Startseite behauptet Efficient, dass der Electron E1 bis zu 100‑fach effizienter ist, gemessen an kompletten Anwendungen, die auf realem Silizium laufen, im Gegensatz zu Leerlaufleistung oder einem einzelnen, für feste Funktionshardware handoptimierten Kernel. Die Seite beschreibt den effcc‑Compiler als sofort einsetzbaren Ersatz für GCC oder Clang, der Parallelität extrahiert, ein Programm auf das Fabric platziert und routet und in wenigen Minuten kompiliert.

Efficient erklärte, dass der Electron E1 in Serienproduktion ist und Kunden ihn für physische KI und Autonomie, Beobachtung kritischer Infrastrukturen, Raumfahrt und Verteidigung sowie Wearables einsetzen. Anwendungsbeispiele auf der Startseite beschreiben, wie der E1 die gesamte Autonomie‑Pipeline einer Drohne auf einem Bauteil ausführt, Echtzeit‑Verarbeitung und prädiktive Wartung für entfernte Infrastruktursensoren ermöglicht und mehr Daten an Bord von Raumfahrzeugen verarbeitet, sodass nur missionskritische Ergebnisse in standardmäßigem C und C++ heruntergeladen werden.

Die Ankündigung weist zudem darauf hin, dass das Fabric energieintensive eingebettete GPUs im Autonomie‑Stack von Robotern ersetzen kann, wodurch das System mit dem Zehntel des Energieverbrauchs arbeitet, und dass es am oberen Ende des Leistungsbereichs vielfältige und unregelmäßige Rechenzentrums‑Workloads beschleunigt, die schlecht zu KI‑Beschleuniger‑Chips und GPUs passen.

„Jeder Kunde, den wir treffen, hat eine Produktversion, die er nicht bauen kann, weil das Rechenleistungsbudget die gewünschten neuen Fähigkeiten unpraktisch macht“, sagte Lucia in der Ankündigung. Er erklärte, dass die Finanzierungsrunde diese Anstrengungen auf viele weitere Anwendungsfälle und Bereiche ausdehne, während Efficient die Fabric‑Architektur von bereits ausgelieferten Geräten hin zu Rechenzentrumsskala skaliert.

Gründungsgeschichte und technische Begründung

In seinem Blogbeitrag argumentierte Lucia, dass mit der Verlangsamung der CMOS‑Prozessskalierung und dem Ende von Moores Gesetz sowie Dennard‑Skalierung die meisten Leistungsgewinne in der Berechnung aus architektonischen Kompromissen stammen, die Leistung auf Kosten der Effizienz priorisieren, einschließlich massiver, energieintensiver Speicherstrukturen, Verbindungen und Front‑Ends, die versuchen, Parallelität aus sequentiellen Befehlsströmen zu extrahieren. Er berief sich auf das Amdahl‑Gesetz gegen festfunktionierende Beschleuniger: In seinem Beispiel würde selbst wenn 90 % einer Berechnung auf einen Beschleuniger passen und dessen Zeit‑ und Energieaufwand auf null sinken, der maximale Nutzen nur das 10‑fache betragen, weil die verbleibenden 10 % ineffizient bleiben.

Lucia schrieb, dass die Technologie von Efficient im Vergleich zu herkömmlichen CPU‑Architekturen eine 10‑ bis 100‑fache Verbesserung der Energieeffizienz bietet und dass das Unternehmen bereits damit begonnen hat, sie auf Bereiche mit höheren Leistungsanforderungen zu skalieren: humanoide Autonomie, selbstfahrende Systeme und agentenbasierte KI am Edge und in der Cloud.

Aussagen der Investoren und nächste Schritte

Andrew Marks, Mitbegründerpartner bei TQ Ventures, sagte, die Architektur von Efficient unterscheide sich grundlegend von bestehenden Designs und bringe, was er als Sprungfunktion in der Effizienz für allgemeine Computeranwendungen bezeichnete, und fügte hinzu, dass die Fähigkeit der Gründer, sowohl die Hardware als auch die Software zu entwickeln, das Unternehmen überzeugt habe. „Nicht nur haben sie bereits viermal Tape‑Out durchgeführt, sondern sie versenden bereits Chips in Stückzahlen an Kunden“, sagte Marks.

Rebecca Kaden, General Partner bei USV, sagte, die Fähigkeit des Unternehmens, solche Leistungssteigerungen über das gesamte Leistungsspektrum hinweg zu erzielen, werde die Art und Weise verändern, wie Computer gebaut und eingesetzt werden, von physischer KI bis zum Rechenzentrum. Zenetta Burger, leitende Partnerin für die USA bei Giant Ventures, sagte, die Gründer hätten jahrelang an der Carnegie Mellon gearbeitet, um die architektonischen Probleme hinter energieeffizientem Computing zu lösen. Greg Reichow, Partner bei Eclipse, sagte, das Unternehmen habe Efficient von Anfang an unterstützt und dass dieselbe Architektur von physischer KI bis zum Rechenzentrum skaliere, wobei die Kundennachfrage rapide zunähme.

Aussagen weiterer Geldgeber finden sich auf der Series‑B‑Seite des Unternehmens. Chris Abshire, Partner bei Toyota Ventures, sagte, die Kombination von Effizienz auf Beschleuniger‑Klassenebene mit programmierbarer Allgemeinzweckfähigkeit ermögliche leistungsfähigere Systeme in Umgebungen, in denen die Energie lange das, was gebaut werden kann, eingeschränkt habe. Patrick O’Kain, Partner bei Borderless Capital, sagte, Energie sei die wahre Beschränkung dafür, wo ernsthafte Rechenkapazität eingesetzt werden kann, sowohl in kommerziellen als auch in sicherheitsrelevanten Anwendungen, und bemerkte, dass der E1 bereits in Stückzahlen ausgeliefert wird.

Efficient erklärte, dass es die Produktion des Electron E1 hochgefahren habe, um dem, was es als überwältigendes Kundeninteresse bezeichnete, gerecht zu werden, und dass es die Produktionsmenge bis 2027 weiter steigern werde, um seine globale Kundschaft zu bedienen. Die Series‑B‑Seite stellt die Finanzierungsrunde als Übergang der Technologie des Unternehmens von seinem ersten Prozessor zu einer breiteren Produktpalette dar, wobei Chips für Anwendungen in Entwicklung sind, die auf eingebetteten GPUs laufen, und die Fabric‑Architektur in Richtung Rechenzentrum‑Skalierung erweitert wird.