Sparxity boucle sa série A, portant à 90 millions de dollars le financement total de son activité de calcul IA parcimonieux

Sparxity, entreprise informatique basée à Dresde et anciennement connue sous le nom de SpiNNcloud, a bouclé un financement de série A, portant à 90 millions de dollars le financement total obtenu par son équipe. Cet investissement soutiendra la conception de puces spécialisées dans la parcimonie dynamique à granularité fine, une approche qui concentre les calculs d’IA sur les parties d’un modèle nécessaires à chaque tâche.

Le tour de table a été mené par ICM HPQC Fund, avec la participation notamment de Lockheed Martin Ventures, GlobalFoundries, GS Futures, Cloudberry Ventures, TGFS et EIC Fund. Parmi les investisseurs providentiels figurent Richard Socher et Nancy Xu, ainsi que les investisseurs historiques Atlantic et Silicon Catalyst. Sparxity n’a pas indiqué séparément le montant de la série A du financement cumulé.

L’entreprise ambitionne de rendre exploitables à grande échelle des modèles d’IA toujours plus parcimonieux. Sa technologie de nouvelle génération vise une inférence jusqu’à 44 fois plus rapide dans les modèles ultra-parcimonieux, en s’appuyant sur une activité commerciale déjà établie dans les systèmes de calcul parcimonieux.

Pourquoi les modèles parcimonieux nécessitent un matériel différent

Dans un réseau neuronal dense, une part importante des calculs porte sur un grand nombre de paramètres. Les architectures parcimonieuses activent sélectivement certaines parties du modèle, ce qui peut accroître sa capacité globale sans exiger que chaque paramètre participe à chaque calcul.

Il devient plus difficile de concrétiser ce potentiel lorsque la sélection est très fine et varie en fonction des données d’entrée. Le matériel doit acheminer les tâches vers les ressources appropriées et déplacer efficacement les données utiles. Éviter des opérations arithmétiques n’est bénéfique que si le coût de repérage, de planification et de communication du travail restant n’annule pas le gain.

La présentation de sa technologie par Sparxity articule son architecture autour de ce problème et met en avant une sélection plus fine parmi les experts, la mémoire et les mécanismes d’attention. L’entreprise développe conjointement les puces et les logiciels afin que les concepteurs de modèles puissent exploiter des structures parcimonieuses difficiles à exécuter efficacement sur du matériel conçu principalement pour les calculs denses.

« La prochaine ère de l’IA ne se définira pas seulement par la puissance de calcul que nous pouvons fournir, mais aussi par l’intelligence et l’efficacité avec lesquelles nous l’utilisons », a déclaré Hector Gonzalez, cofondateur et PDG de Sparxity. Selon lui, ce financement permettra d’accélérer le développement de puces dédiées aux charges de travail ultra-parcimonieuses dans des centres de données hétérogènes.

Des millions d’experts au calcul sélectif

L’une des pistes de recherche qui sous-tendent cette stratégie est PEER, ou récupération d’experts économe en paramètres. Dans Mélange d’un million d’experts, le chercheur Xu Owen He décrit une couche qui sélectionne un petit nombre d’experts parmi un ensemble de plus d’un million de micro-experts. Des expériences menées sur des tâches de modélisation du langage ont étudié les effets de cette approche sur la relation entre les performances du modèle et le coût de calcul.

Le principe consiste à élargir l’éventail des ressources auxquelles un modèle peut faire appel sans traiter l’ensemble à chaque entrée. Pour que cette efficacité à l’échelle du modèle se traduise par une réduction de la latence et de la consommation d’énergie, il faut un système capable de gérer les tâches très fines qui en résultent.

Xu Owen He, ancien chercheur chez Google DeepMind et conseiller stratégique de Sparxity, a déclaré que la conception conjointe de modèles, de chaînes de distillation et de matériel autour de la parcimonie pouvait améliorer encore l’efficacité de calcul. C’est ce lien que le nouveau financement vise à développer : des modèles qui sélectionnent plus précisément, associés à un matériel capable d’exécuter ces choix.

Une base commerciale avant la prochaine puce

Selon Sparxity, ses fondations reposent sur trois tape-outs de puces, plus de 70 000 puces produites et 12 baies déployées. L’entreprise fait état de plus de 30 clients dans le monde et d’un chiffre d’affaires qui a quadruplé entre 2024 et 2025, avec une dynamique qui s’est poursuivie en 2026.

Ses systèmes actuels couvrent à la fois le calcul haute performance et l’IA. L’entreprise fait état de solveurs parcimonieux 10 fois plus rapides, d’une consommation d’énergie réduite de 18 fois pour l’apprentissage automatique événementiel et de durées d’optimisation 20 fois plus courtes sur certaines charges de travail. Ces résultats concernent des applications particulières exécutées sur ses systèmes actuels ; le gain d’inférence pouvant atteindre 44 fois est un objectif pour la technologie de nouvelle génération appliquée aux modèles ultra-parcimonieux.

Cette distinction est au cœur du récit du financement. Sparxity fabrique et déploie déjà des systèmes, tandis que la série A soutient une nouvelle étape : le développement de matériel spécialement conçu pour la parcimonie dynamique dans l’inférence de l’IA.

Jülich fournit un exemple concret de déploiement

Le Centre de supercalcul de Jülich décrit de manière indépendante un système SpiNNaker2 de Sparxity, baptisé JUBIS, installé en avril 2026 et composé de deux baies. Il comprend 4 320 puces et 656 640 cœurs ARM dotés d’accélérateurs neuromorphiques.

JUBIS soutient le projet de supercalculateur événementiel de Jülich pour l’IA et au-delà, qui explore l’IA en temps réel, les simulations en neurosciences et d’autres charges de travail, comme l’émulation d’ordinateurs quantiques. Le projet comprend également des activités d’évaluation comparative, de prototypage d’applications et de développement logiciel afin de rendre le système utile au sein d’un environnement de calcul haute performance plus vaste.

Ce déploiement montre pourquoi une architecture de calcul ne se résume pas aux caractéristiques d’une puce. Les chercheurs ont besoin d’outils, d’interfaces et d’un moyen d’intégrer le système à leurs méthodes de travail actuelles. L’approche intégrée de Sparxity couvre tout le parcours, du silicium personnalisé aux installations comprenant plusieurs racks.

Une voie d’accès aux centres de données européens

Sparxity travaille également avec T-Systems afin d’explorer une voie d’accès potentielle aux centres de données commerciaux. L’annonce de Deutsche Telekom du 3 novembre fait état d’une lettre d’intention signée visant à associer la technologie de Sparxity à l’infrastructure et à l’expertise opérationnelle de T-Systems.

Le calendrier prévu commence par l’utilisation du matériel actuel pour élaborer des méthodes d’intégration technique, puis prévoit le déploiement de puces de nouvelle génération à partir de 2028. Les partenaires comptent s’entendre sur d’autres détails au cours des prochains mois.

Pour Sparxity, les nouveaux capitaux soutiennent le passage de la démonstration du calcul parcimonieux dans des systèmes spécialisés à un rôle plus important dans les infrastructures d’IA. Selon sa thèse, les gains futurs viendront de la réduction des opérations inutiles — et de la conception conjointe du matériel, des logiciels et des modèles, afin que ces économies se traduisent par des performances utiles.