Luminal lève 25 millions de dollars en série A, avec Standard Capital à la tête du tour de financement

Luminal a levé 25 millions de dollars lors d’un tour de série A mené par Standard Capital, a annoncé l’investisseur le 12 novembre 2026. La jeune pousse spécialisée dans les infrastructures d’IA développe ses activités de compilation et d’inférence hébergée sur les puces de Nvidia, d’AMD et sur des puces spécialisées, en s’attachant à tirer davantage de travail utile du matériel que ses clients possèdent déjà.

Les cofondateurs Joe Fioti, Jake Stevens et Matthew Gunton ont développé deux activités autour de l’inférence, c’est-à-dire le calcul qui produit les résultats d’un modèle d’IA. Luminal héberge des modèles dans son propre cloud et concède sous licence son compilateur à des clients qui exploitent déjà leur matériel. L’entreprise propose ainsi un service géré aux clients qui cherchent à déployer leurs modèles, ainsi qu’un produit distinct à ceux qui veulent améliorer leur propre infrastructure.

Un compilateur conçu pour rechercher des implémentations plus rapides

Un compilateur traduit un modèle écrit dans un cadre logiciel tel que PyTorch en code de bas niveau qui exécute ses opérations mathématiques. La présentation technique de Luminal décrit un pipeline qui convertit un modèle en graphe de flux de données, applique la fusion, le tuilage, la planification de la mémoire et l’ordonnancement en tenant compte du matériel, puis produit des noyaux GPU ou des instructions pour des circuits intégrés spécifiques à une application. La compilation avant l’exécution vise à réduire la surcharge à l’exécution liée à l’interprétation dynamique d’un modèle.

Selon les fondateurs, Luminal consacre d’importantes ressources de calcul à la compilation pour explorer les implémentations possibles, plutôt que de s’appuyer uniquement sur des heuristiques écrites à la main. La saturation d’égalités représente de façon compacte un espace de recherche qui peut contenir des milliers de milliards d’options pour une puce donnée, ce qui permet au compilateur de rechercher une version optimisée. Cette approche est conçue pour les processeurs de plus en plus spécialisés, qui exigent des décisions logicielles plus complexes en matière de mémoire et d’ordonnancement.

Un article technique du 9 janvier 2026 explique comment les méganoyaux générés automatiquement s’inscrivent dans cette stratégie. La fusion de la passe avant d’un modèle en un seul noyau, ou programme GPU, supprime les délais répétés liés au lancement des noyaux et permet aux opérations suivantes de commencer dès que leurs données d’entrée sont prêtes. La conception vise également les périodes d’inactivité dues à une répartition inégale du travail entre les cœurs du processeur et à l’attente du chargement des poids initiaux, grâce à une synchronisation fine qui préserve les dépendances entre les données.

Luminal annonce un débit de 36 000 jetons par seconde pour GPT-OSS 120B sur huit GPU Nvidia H100 SXM, contre 28 000 pour TensorRT-LLM et 26 000 pour vLLM, selon la comparaison publiée sur son site Web. Ces résultats illustrent le gain de débit au cœur de son argumentaire commercial, tandis que le service hébergé implique des opérations d’infrastructure qui dépassent le seul compilateur.

Inférence hébergée et tarification des licences fondée sur la valeur

Luminal Cloud fournit des points de terminaison sans serveur gérés, regroupe automatiquement les requêtes et ajuste la capacité jusqu’à zéro ; les clients paient en fonction de leur utilisation. Les déploiements sous licence peuvent être exécutés dans le cloud du client ou sur ses propres serveurs. Au-dessus du compilateur, sa couche d’inférence planifie et répartit la charge entre les CPU, les GPU et les ASIC, redistribue les tâches en fonction de l’évolution de l’utilisation et démarre ou arrête des nœuds selon la demande.

AutoHDR, une entreprise de médias immobiliers, traite environ 5 millions d’images par mois ; selon les fondateurs, Luminal prend en charge la quasi-totalité de cette charge de travail, tout en transférant une part croissante vers des puces AMD. Un autre client, Freebuff, envoie à Luminal des milliers de milliards de jetons chaque semaine. Ces charges de travail donnent à Luminal un trafic de production couvrant à la fois le traitement d’images et les grands modèles de langage.

Selon les fondateurs, les requêtes de programmation de Freebuff peuvent contenir de l’ordre de 100 000 jetons en entrée, ce qui rend importants les taux d’accès au cache et la mise à l’échelle des requêtes. Réutiliser les calculs mis en cache évite de les exécuter à nouveau, tandis que le déplacement des caches utiles dans la hiérarchie mémoire contribue à préserver ces économies. Un noyau rapide, à lui seul, ne permet pas de réduire ces coûts.

Pour certaines licences de compilateur, Fioti a décrit une tarification correspondant à une fraction fixe de l’amélioration mesurée par rapport à la référence existante du client. Dans son exemple illustratif, doubler le débit sur un GPU coûtant 1,50 $ permet d’économiser 75 cents ; Luminal facture 25 cents et laisse au client une économie de 50 cents. Cette structure lie les revenus de licences à la valeur créée plutôt qu’à la seule utilisation des services hébergés.

Des origines open source à l’expansion

Luminal a commencé comme un projet parallèle développé par Fioti en dehors de son travail, pour exécuter des modèles sur un ordinateur portable. Le projet a ensuite accueilli une version compatible avec Nvidia et vu se développer une communauté open source. Les fondateurs ont choisi de garder le compilateur de base ouvert tout en faisant payer l’hébergement, un modèle qu’ils ont comparé à l’association de Next.js et de son cloud par Vercel. La licence du compilateur offre une deuxième possibilité aux organisations qui disposent déjà de leur matériel.

Le tour de série A fait suite à un tour d’amorçage de 5,3 millions de dollars annoncé le 17 novembre 2025, mené par Felicis Ventures avec la participation d’investisseurs providentiels, dont Paul Graham et Guillermo Rauch.

Luminal recrute actuellement des ingénieurs spécialisés dans les compilateurs ainsi que son premier employé non ingénieur, un responsable de la croissance. Jusqu’à présent, l’équipe, entièrement composée d’ingénieurs, travaille en présentiel dans le centre-ville de San Francisco. Les fondateurs s’attendent à ce que les charges de travail d’inférence soient de plus en plus réparties entre les puces spécialisées dans le traitement des invites et celles spécialisées dans la génération de jetons, ce qui fera de la coordination entre différents types de matériel un défi logiciel croissant.

Le plan de recrutement immédiat témoigne d’un besoin accru d’expertise en compilation et de la création d’une première fonction commerciale. La question plus générale est de savoir si Luminal pourra préserver les avantages de coûts qui lui sont attribués à mesure que l’inférence se répartit entre des puces conçues pour différentes étapes d’une requête, où la planification et la réutilisation du cache entrent dans le calcul des économies, au même titre que les performances brutes du compilateur.