Sparxity schließt Series-A-Finanzierungsrunde ab und erhöht Gesamtfinanzierung für sparse KI-Berechnung auf 90 Millionen US-Dollar

Sparxity, das in Dresden ansässige Computing-Unternehmen, das früher unter dem Namen SpiNNcloud bekannt war, hat eine Series-A-Finanzierungsrunde abgeschlossen. Damit steigt die vom Team eingeworbene Gesamtfinanzierung auf 90 Millionen US-Dollar. Die Investition unterstützt die Entwicklung spezialisierter Chips für dynamische Sparsität mit feiner Granularität. Bei diesem Ansatz konzentriert sich die KI-Berechnung auf die Teile eines Modells, die für die jeweilige Aufgabe benötigt werden.

Die Finanzierungsrunde wurde vom ICM HPQC Fund angeführt. Zu den Investoren zählen Lockheed Martin Ventures, GlobalFoundries, GS Futures, Cloudberry Ventures, TGFS und der EIC Fund. Zu den Angel-Investoren gehören Richard Socher und Nancy Xu; außerdem unterstützen Atlantic und Silicon Catalyst das Unternehmen weiterhin. Sparxity machte die Höhe der Series-A-Finanzierung nicht gesondert von der Gesamtfinanzierung publik.

Sparxity will zunehmend sparse KI-Modelle bei großem Umfang praktisch einsetzbar machen. Die Hardware der nächsten Generation soll bei extrem dünn besetzten Modellen eine bis zu 44-mal schnellere Inferenz ermöglichen. Sie baut auf einem bestehenden kommerziellen Geschäft mit Systemen für sparse Berechnungen auf.

Warum sparse Modelle andere Hardware benötigen

In einem dichten neuronalen Netzwerk wird ein erheblicher Rechenaufwand auf eine große Zahl von Parametern verteilt. Sparse Architekturen aktivieren gezielt bestimmte Teile eines Modells und können so dessen Gesamtkapazität erhöhen, ohne dass jeder Parameter an jeder Berechnung beteiligt sein muss.

Diese Chance lässt sich schwerer nutzen, wenn die Auswahl sehr kleinteilig ist und sich je nach Eingabe ändert. Die Hardware muss die Arbeit den passenden Ressourcen zuweisen und die relevanten Daten effizient bewegen. Rechenoperationen einzusparen bringt nur dann einen Vorteil, wenn der Aufwand für das Ermitteln, Einplanen und Übermitteln der verbleibenden Arbeit diesen nicht wieder zunichtemacht.

In Sparxitys Technologieüberblick steht dieses Problem im Mittelpunkt. Darin geht es um eine feinere Auswahl von Experten, Speicher und Aufmerksamkeitsmechanismen. Das Unternehmen entwickelt Chips und Software gemeinsam, damit Modellierer sparse Strukturen nutzen können, die sich auf Hardware, die vor allem für dichte Berechnungen ausgelegt ist, nur schwer effizient ausführen lassen.

„Die nächste Ära der KI wird nicht nur davon geprägt sein, wie viel Rechenleistung wir bereitstellen können, sondern auch davon, wie intelligent und effizient wir sie einsetzen“, sagte Hector Gonzalez, Mitgründer und CEO von Sparxity. Die Finanzierung werde die Entwicklung spezieller Siliziumchips für extrem sparse Arbeitslasten in heterogenen Rechenzentren beschleunigen, sagte er.

Von Millionen Experten zur selektiven Berechnung

Eine Forschungsrichtung hinter dieser Strategie ist PEER, kurz für „parameter efficient expert retrieval“ (parametereffizienter Expertenabruf). In Mischung aus einer Million Experten beschrieb der Forscher Xu Owen He eine Schicht, die eine kleine Auswahl aus einem Pool von mehr als einer Million winziger Experten abruft. Experimente mit Sprachmodellierungsaufgaben untersuchten, wie dieser Ansatz den Zusammenhang zwischen Modellleistung und Rechenkosten verändert.

Das Prinzip besteht darin, die Möglichkeiten eines Modells zu erweitern, ohne bei jeder Eingabe den gesamten Pool zu verarbeiten. Um diese Effizienz auf Modellebene in geringere Latenz und niedrigeren Energieverbrauch umzusetzen, braucht es ein System, das die daraus entstehende kleinteilige Arbeit bewältigen kann.

He, früher Forscher bei Google DeepMind und strategischer Berater von Sparxity, sagte, dass sich durch die gemeinsame Entwicklung von Modellen, Destillationspipelines und auf Sparsität ausgelegter Hardware weitere Effizienzgewinne beim Rechnen erzielen ließen. Genau diesen Zusammenhang soll die neue Finanzierung voranbringen: Modelle, die eine gezieltere Auswahl treffen, kombiniert mit Hardware, die diese Entscheidungen ausführen kann.

Eine kommerzielle Basis vor dem nächsten Chip

Sparxity zufolge umfasst die bisherige Entwicklung drei Chip-Tape-outs, mehr als 70.000 gefertigte Chips und 12 installierte Racks. Das Unternehmen meldet weltweit mehr als 30 Kunden und einen Umsatz, der sich zwischen 2024 und 2025 vervierfacht hat; auch 2026 hält die Dynamik an.

Die aktuellen Systeme des Unternehmens decken sowohl Hochleistungsrechnen als auch KI ab. Sparxity berichtet von Sparse-Lösern, die 10-mal schneller sind, einem 18-mal geringeren Energieverbrauch beim ereignisbasierten maschinellen Lernen und um 20-mal kürzeren Optimierungslaufzeiten bei ausgewählten Arbeitslasten. Diese Ergebnisse beziehen sich auf bestimmte Anwendungen der bestehenden Systeme. Die bis zu 44-mal schnellere Inferenz ist hingegen ein Ziel für Technologien der nächsten Generation bei extrem dünn besetzten Modellen.

Diese Unterscheidung ist für die Finanzierungsrunde zentral. Sparxity fertigt und installiert bereits Systeme; mit der Series-A-Finanzierung soll nun ein weiterer Schritt hin zu Hardware ermöglicht werden, die speziell für dynamische Sparsität bei der KI-Inferenz entwickelt wurde.

Jülich liefert ein konkretes Einsatzbeispiel

Das Jülicher Supercomputing-Zentrum beschreibt unabhängig davon ein Zwei-Rack-System vom Typ SpiNNaker2 von Sparxity mit dem Namen JUBIS, das im April 2026 installiert wurde. Es umfasst 4.320 Chips und 656.640 ARM-Kerne mit neuromorphen Beschleunigern.

JUBIS unterstützt das Jülicher Projekt „Ereignisbasierter Supercomputer für KI und darüber hinaus“, das Echtzeit-KI, neurowissenschaftliche Simulationen und weitere Arbeitslasten wie die Emulation von Quantencomputern untersucht. Zum Projekt gehören außerdem Benchmarking, das Prototyping von Anwendungen und die Softwareentwicklung, damit sich das System in einer umfassenderen Hochleistungsrechenumgebung einsetzen lässt.

Dieser Einsatz zeigt, warum eine Rechnerarchitektur mehr als nur eine Chip-Spezifikation erfordert. Forschende benötigen Werkzeuge und Schnittstellen sowie eine Möglichkeit, das System in ihre bestehende Arbeit zu integrieren. Sparxitys Full-Stack-Ansatz deckt den gesamten Weg ab – von maßgeschneidertem Silizium bis hin zu Installationen mit mehreren Racks.

Ein Weg in europäische Rechenzentren

Sparxity arbeitet außerdem mit T-Systems an einem möglichen Weg in kommerzielle Rechenzentren. Die Ankündigung der Deutschen Telekom vom 3. November beschreibt eine unterzeichnete Absichtserklärung, die Technologie von Sparxity mit der Infrastruktur und Betriebskompetenz von T-Systems zusammenzuführen.

Die geplante Abfolge beginnt mit aktueller Hardware, um technische Integrationsansätze zu entwickeln. Danach sollen Chips der nächsten Generation zum Einsatz kommen, deren Einführung für 2028 geplant ist. Die Partner rechnen damit, in den kommenden Monaten weitere Einzelheiten zu vereinbaren.

Für Sparxity unterstützt das neue Kapital den Schritt vom Nachweis der Leistungsfähigkeit sparsamen Rechnens in spezialisierten Systemen hin zu einer größeren Rolle in der KI-Infrastruktur. Das Unternehmen geht davon aus, dass künftige Leistungssteigerungen dadurch erzielt werden, dass unnötige Arbeit vermieden und Hardware, Software und Modelle gemeinsam entwickelt werden, damit sich diese Einsparungen in nutzbare Leistung umsetzen lassen.