Luminal raccoglie 25 milioni di dollari in un round di serie A guidato da Standard Capital

Luminal ha raccolto 25 milioni di dollari in un round di serie A guidato da Standard Capital, come ha annunciato l’investitore il 12 novembre 2026. La startup di infrastrutture per l’IA sta ampliando la propria attività di compilazione e inferenza ospitata su cloud su chip Nvidia, AMD e processori specializzati, puntando a ricavare più lavoro utile dall’hardware già posseduto dai clienti.

I cofondatori Joe Fioti, Jake Stevens e Matthew Gunton hanno sviluppato due attività basate sull’inferenza, il calcolo che genera l’output di un modello di IA. Luminal ospita i modelli sul proprio cloud e concede in licenza il suo compilatore ai clienti che dispongono già di hardware. L’azienda offre così un servizio gestito ai clienti che cercano una soluzione di distribuzione e un prodotto separato a chi vuole migliorare la propria infrastruttura.

Un compilatore progettato per cercare implementazioni più veloci

Un compilatore traduce un modello scritto con un framework come PyTorch in codice di basso livello che esegue le operazioni matematiche del modello. La panoramica tecnica di Luminal descrive una pipeline che converte il modello in un grafo di flusso dei dati, applica fusione, suddivisione in blocchi, pianificazione della memoria e schedulazione in funzione dell’hardware, quindi genera kernel per GPU o istruzioni per circuiti integrati specifici per applicazione. La compilazione prima dell’esecuzione è pensata per ridurre il sovraccarico in fase di esecuzione dovuto all’interpretazione dinamica del modello.

I fondatori hanno dichiarato che Luminal impiega una notevole quantità di calcolo durante la compilazione per cercare possibili implementazioni, anziché affidarsi soltanto a euristiche definite manualmente. La saturazione di uguaglianza rappresenta in modo compatto uno spazio di ricerca che, su un determinato chip, può contenere migliaia di miliardi di opzioni, consentendo al compilatore di cercare una versione ottimizzata. Questo approccio è pensato per processori sempre più specializzati, che richiedono decisioni software più complesse in materia di memoria e schedulazione.

Un post tecnico del 9 gennaio 2026 spiega come i megakernel generati automaticamente si inseriscano in questa strategia. Riunire in un unico kernel, o programma per GPU, il passaggio in avanti di un modello elimina i ritardi dovuti ai lanci ripetuti dei kernel e permette alle operazioni successive di iniziare non appena sono pronti i dati di input. Il progetto punta inoltre a ridurre i periodi di inattività causati dalla distribuzione disomogenea del lavoro tra i core del processore e dalle attese per il caricamento dei pesi iniziali, ricorrendo a una sincronizzazione granulare per preservare le dipendenze tra i dati.

Luminal dichiara una velocità di 36.000 token al secondo per GPT-OSS 120B su otto GPU Nvidia H100 SXM, contro i 28.000 di TensorRT-LLM e i 26.000 di vLLM, secondo il confronto pubblicato sul suo sito. Questi risultati illustrano l’aumento della produttività al centro della proposta commerciale dell’azienda, mentre il servizio ospitato comprende anche attività infrastrutturali che vanno oltre il compilatore.

Inferenza ospitata e licenze basate sul valore

Luminal Cloud offre endpoint serverless gestiti, raggruppamento automatico delle richieste e capacità scalabile fino a zero; i clienti pagano in base all’utilizzo. Le installazioni con licenza possono essere eseguite sul cloud del cliente o in sede. Il suo livello di inferenza, posto sopra il compilatore, pianifica e bilancia il lavoro tra CPU, GPU e ASIC, ridistribuisce le attività al variare dell’utilizzo e avvia o arresta i nodi in base alla domanda.

AutoHDR, società che opera nel settore dei contenuti immobiliari, elabora circa 5 milioni di immagini al mese e, secondo i fondatori, Luminal gestisce quasi tutto questo carico di lavoro, trasferendone una quota crescente su chip AMD. Un altro cliente, Freebuff, invia a Luminal migliaia di miliardi di token ogni settimana. Questi carichi di lavoro garantiscono a Luminal traffico di produzione che spazia dall’elaborazione delle immagini ai modelli linguistici di grandi dimensioni.

Secondo quanto riferito dai fondatori, le richieste di programmazione di Freebuff possono contenere circa 100.000 token di input, rendendo importanti i tassi di cache hit e la scalabilità delle richieste, entrambi fattori di costo. Riutilizzare i calcoli memorizzati nella cache evita di ripeterli, mentre trasferire le cache pertinenti attraverso la gerarchia di memoria aiuta a conservare questo risparmio. Un kernel veloce, da solo, non risolve questi costi.

Fioti ha descritto il prezzo di alcune licenze del compilatore come una quota fissa del miglioramento misurato rispetto alle prestazioni di partenza del cliente. Nel suo esempio, raddoppiare la produttività di una GPU che costa 1,50 dollari consente di risparmiare 75 centesimi; Luminal ne addebita 25 e lascia al cliente un risparmio di 50 centesimi. Questo modello lega i ricavi delle licenze al valore generato, anziché basarsi soltanto sull’utilizzo dei servizi ospitati.

Origini open source e crescita

Luminal è nata come progetto parallelo che Fioti sviluppò al di fuori del suo lavoro per eseguire modelli su un portatile. In seguito, il progetto ha aggiunto un backend Nvidia e ha sviluppato una comunità open source. I fondatori hanno deciso di mantenere aperto il compilatore di base e di far pagare l’hosting, un modello che hanno paragonato all’abbinamento di Next.js e del suo cloud da parte di Vercel. La licenza del compilatore offre una seconda possibilità alle organizzazioni che dispongono già dell’hardware necessario.

Il round di serie A segue un round di finanziamento iniziale da 5,3 milioni di dollari, annunciato il 17 novembre 2025 e guidato da Felicis Ventures, con la partecipazione di investitori informali tra cui Paul Graham e Guillermo Rauch.

Luminal sta ora cercando ingegneri specializzati in compilatori e la sua prima figura non tecnica, un responsabile della crescita. Il team lavora in presenza nel centro di San Francisco e finora era composto esclusivamente da ingegneri. I fondatori prevedono che i carichi di lavoro di inferenza si distribuiranno sempre più tra chip specializzati nell’elaborazione dei prompt e chip specializzati nella generazione di token, rendendo il coordinamento tra diverse tipologie di hardware una sfida software sempre più importante.

Il piano di assunzioni a breve termine punta a rafforzare le competenze sui compilatori e a introdurre la prima funzione commerciale. La sfida più ampia sarà capire se Luminal riuscirà a mantenere i vantaggi sui costi dichiarati, man mano che l’inferenza si distribuisce su chip progettati per le diverse fasi di una richiesta, dove la pianificazione e il riutilizzo della cache diventano parte del calcolo dei risparmi, insieme alle prestazioni pure del compilatore.