Luminal Raih Pendanaan Seri A Sebesar $25 Juta dengan Standard Capital sebagai Pemimpin Putaran

Luminal menghimpun pendanaan Seri A sebesar $25 juta yang dipimpin oleh Standard Capital, sebagaimana diumumkan investor tersebut pada 12 November 2026. Perusahaan rintisan infrastruktur AI ini memperluas bisnis kompilator dan layanan inferensi terkelolanya untuk chip Nvidia, AMD, dan chip khusus, dengan fokus memaksimalkan pekerjaan bermanfaat dari perangkat keras yang sudah dimiliki pelanggan.

Para pendiri bersama, Joe Fioti, Jake Stevens, dan Matthew Gunton, membangun dua bisnis seputar inferensi, yakni komputasi yang menghasilkan keluaran model AI. Luminal mengelola model di layanan cloud miliknya sendiri dan melisensikan kompilatornya kepada pelanggan yang sudah mengoperasikan perangkat keras. Dengan demikian, perusahaan ini menyediakan layanan terkelola bagi pelanggan yang ingin menerapkan model serta produk terpisah bagi mereka yang ingin meningkatkan infrastruktur sendiri.

Kompilator yang Dirancang untuk Mencari Implementasi Lebih Cepat

Kompilator menerjemahkan model yang ditulis dengan kerangka kerja seperti PyTorch menjadi kode tingkat rendah yang menjalankan operasi matematisnya. Gambaran teknis Luminal menjelaskan alur kerja yang mengubah model menjadi graf aliran data, menerapkan penggabungan yang disesuaikan dengan perangkat keras, tiling, perencanaan memori, dan penjadwalan, lalu menghasilkan kernel GPU atau instruksi untuk sirkuit terpadu khusus aplikasi. Kompilasi sebelum eksekusi dirancang untuk mengurangi beban waktu jalan akibat penafsiran model secara dinamis.

Menurut para pendiri, Luminal menggunakan komputasi yang signifikan selama proses kompilasi untuk menelusuri berbagai kemungkinan implementasi, alih-alih hanya mengandalkan heuristik yang ditulis secara manual. Teknik saturasi kesetaraan merepresentasikan secara ringkas ruang pencarian yang dapat mencakup triliunan opsi pada chip tertentu, sehingga kompilator dapat mencari versi yang optimal. Pendekatan ini dirancang untuk prosesor yang semakin terspesialisasi, yang memerlukan keputusan perangkat lunak yang lebih kompleks terkait memori dan penjadwalan.

Unggahan teknis pada 9 Januari 2026 menjelaskan bagaimana megakernel yang dihasilkan secara otomatis mendukung strategi tersebut. Menggabungkan lintasan maju model ke dalam satu kernel, atau program GPU, menghilangkan jeda akibat peluncuran kernel berulang dan memungkinkan operasi berikutnya dimulai begitu data masukannya siap. Rancangan ini juga menyasar periode menganggur yang disebabkan oleh pembagian kerja yang tidak merata di antara inti prosesor dan waktu tunggu pemuatan bobot awal, dengan menggunakan sinkronisasi terperinci untuk menjaga dependensi data.

Luminal melaporkan kecepatan 36.000 token per detik untuk GPT-OSS 120B pada delapan GPU Nvidia H100 SXM, dibandingkan dengan 28.000 untuk TensorRT-LLM dan 26.000 untuk vLLM dalam perbandingan di situs webnya. Hasil tersebut menunjukkan peningkatan keluaran yang menjadi inti penawaran komersialnya, sementara layanan terkelola yang dihosting menambahkan pekerjaan infrastruktur di luar kompilator itu sendiri.

Inferensi Terkelola dan Lisensi Berbasis Nilai

Luminal Cloud menyediakan endpoint nirserver terkelola, pengelompokan otomatis, dan kapasitas yang dapat diturunkan hingga nol; pelanggan membayar sesuai pemakaian. Penerapan berlisensi dapat dijalankan di cloud pelanggan atau di lokasi mereka sendiri. Di atas kompilator, lapisan inferensinya menjadwalkan dan menyeimbangkan pekerjaan di antara CPU, GPU, dan ASIC, mendistribusikan ulang tugas seiring perubahan tingkat pemanfaatan, serta menyalakan atau menghentikan node sesuai permintaan.

Perusahaan media real estat AutoHDR memproses sekitar 5 juta gambar per bulan, dan Luminal menangani hampir seluruh beban kerja tersebut sambil mengalihkan porsi yang terus bertambah ke chip AMD, menurut para pendiri. Pelanggan lainnya, Freebuff, mengirimkan triliunan token ke Luminal setiap minggu. Beban kerja tersebut memberi Luminal lalu lintas produksi yang mencakup pemrosesan gambar dan model bahasa besar.

Menurut penuturan para pendiri, permintaan pengodean Freebuff dapat memuat sekitar 100.000 token masukan, sehingga tingkat hit cache dan penskalaan permintaan menjadi faktor biaya yang penting. Menggunakan kembali komputasi yang tersimpan dalam cache menghindari pengulangan proses tersebut, sementara memindahkan cache terkait melalui hierarki memori membantu mempertahankan penghematan itu. Kernel yang cepat saja tidak mengatasi biaya-biaya tersebut.

Fioti menjelaskan bahwa untuk beberapa lisensi kompilator, harga ditetapkan sebagai bagian tetap dari peningkatan terukur dibandingkan dengan kinerja dasar pelanggan sebelumnya. Dalam contoh ilustratifnya, menggandakan keluaran pada GPU seharga $1,50 menghemat 75 sen; Luminal mengenakan biaya 25 sen dan menyisakan penghematan 50 sen bagi pelanggan. Skema ini mengaitkan pendapatan lisensi dengan nilai yang diberikan, bukan hanya dengan pemakaian layanan terkelola.

Awal Mula Sumber Terbuka dan Ekspansi

Luminal bermula sebagai proyek sampingan yang dikembangkan Fioti di luar pekerjaannya agar model dapat dijalankan di laptop. Proyek itu kemudian menambahkan backend Nvidia dan mengembangkan komunitas sumber terbuka. Para pendiri memutuskan untuk mempertahankan kompilator inti sebagai perangkat lunak sumber terbuka, sembari mengenakan biaya untuk layanan hosting—model yang mereka bandingkan dengan perpaduan Next.js dan layanan cloud Vercel. Lisensi kompilator menyediakan jalur kedua bagi organisasi yang sudah memiliki perangkat keras.

Putaran Seri A ini menyusul putaran pendanaan awal sebesar $5,3 juta yang diumumkan pada 17 November 2025, dipimpin oleh Felicis Ventures bersama para investor malaikat, termasuk Paul Graham dan Guillermo Rauch.

Luminal kini merekrut insinyur kompilator dan karyawan pertamanya di luar bidang teknik, yaitu seorang kepala pertumbuhan. Tim ini bekerja secara langsung di pusat kota San Francisco dan sejauh ini seluruh anggotanya bekerja di bidang teknik. Para pendiri memperkirakan beban kerja inferensi akan semakin terbagi antara chip yang dikhususkan untuk pemrosesan perintah dan chip yang dikhususkan untuk menghasilkan token, sehingga koordinasi antartipe perangkat keras akan menjadi tantangan perangkat lunak yang lebih besar.

Rencana perekrutan dalam waktu dekat menunjukkan kebutuhan akan keahlian compiler yang lebih mendalam dan pembentukan fungsi komersial pertama. Tantangan yang lebih besar adalah apakah Luminal dapat mempertahankan keunggulan biaya yang dilaporkan ketika inferensi makin tersebar di antara chip yang dirancang untuk menangani berbagai tahap permintaan, sehingga penjadwalan dan penggunaan ulang cache turut menjadi faktor penghematan, selain kinerja compiler itu sendiri.