Sparxity chiude un round di Serie A, portando a 90 milioni di dollari i finanziamenti complessivi per il calcolo IA sparso

Sparxity, azienda informatica con sede a Dresda, precedentemente nota come SpiNNcloud, ha chiuso un round di finanziamento di Serie A che porta a 90 milioni di dollari i finanziamenti complessivi raccolti dal suo team. L’investimento sosterrà lo sviluppo di chip specializzati, progettati per gestire la sparsità dinamica a grana fine, un approccio che concentra i calcoli dell’IA sulle parti del modello necessarie per ciascun compito.

Il round è stato guidato da ICM HPQC Fund e ha visto la partecipazione di investitori tra cui Lockheed Martin Ventures, GlobalFoundries, GS Futures, Cloudberry Ventures, TGFS ed EIC Fund. Tra gli investitori angel figurano Richard Socher e Nancy Xu, insieme al sostegno continuativo di Atlantic e Silicon Catalyst. Sparxity non ha comunicato separatamente l’importo del round di Serie A rispetto alla cifra complessiva dei finanziamenti.

L’obiettivo è rendere pratico l’impiego su larga scala di modelli di IA sempre più sparsi. L’hardware di prossima generazione punta a un’inferenza fino a 44 volte più veloce nei modelli ultra-sparsi, facendo leva su un’attività commerciale già avviata nei sistemi di calcolo sparso.

Perché i modelli sparsi hanno bisogno di hardware diverso

In una rete neurale densa, una quantità significativa di calcoli viene applicata a un ampio insieme di parametri. Le architetture sparse attivano selettivamente alcune parti del modello, aumentando potenzialmente la capacità complessiva senza richiedere che ogni parametro partecipi a ciascun calcolo.

È più difficile sfruttare questo potenziale quando la selezione è molto granulare e varia in base all’input. L’hardware deve indirizzare il lavoro alle risorse giuste e spostare in modo efficiente i dati pertinenti. Evitare i calcoli aritmetici è utile solo se il costo di individuare, pianificare e comunicare il lavoro restante non annulla il vantaggio.

Nella sua panoramica tecnologica, Sparxity inquadra la propria architettura proprio attorno a questo problema, indicando una selezione più granulare tra esperti, memoria e attenzione. L’azienda sviluppa congiuntamente chip e software, così che chi crea modelli possa utilizzare strutture sparse difficili da eseguire in modo efficiente su hardware progettato principalmente per il calcolo denso.

«La prossima era dell’IA sarà definita non solo dalla quantità di potenza di calcolo che possiamo fornire, ma anche da quanto sapremo utilizzarla in modo intelligente ed efficiente», ha dichiarato Hector Gonzalez, cofondatore e CEO di Sparxity. Ha aggiunto che il finanziamento accelererà lo sviluppo di silicio dedicato ai carichi di lavoro ultra-sparsi nei centri dati eterogenei.

Dai milioni di esperti al calcolo selettivo

Una delle linee di ricerca alla base della strategia è PEER, acronimo di recupero efficiente dei parametri degli esperti. In Miscela di un milione di esperti, il ricercatore Xu Owen He ha descritto un livello che recupera una piccola selezione da un insieme di oltre un milione di esperti di dimensioni ridotte. Gli esperimenti su compiti di modellazione del linguaggio hanno esaminato come questo approccio modifichi il rapporto tra le prestazioni del modello e il costo computazionale.

Il principio consiste nell’ampliare le risorse a cui un modello può attingere senza elaborare l’intero insieme per ogni input. Per tradurre questa efficienza a livello di modello in una riduzione della latenza e del consumo energetico, serve un sistema in grado di gestire il lavoro granulare che ne deriva.

He, ex ricercatore di Google DeepMind e consulente strategico di Sparxity, ha affermato che la co-progettazione di modelli, pipeline di distillazione e hardware attorno alla sparsità può migliorare ulteriormente l’efficienza computazionale. È questo il legame che il nuovo finanziamento intende sviluppare: modelli capaci di selezionare in modo più mirato, abbinati a un hardware in grado di eseguire le selezioni effettuate.

Una base commerciale in vista del prossimo chip

Sparxity afferma di aver prodotto tre tape-out di chip, oltre 70.000 chip e di aver installato 12 rack. L’azienda dichiara di avere più di 30 clienti in tutto il mondo e ricavi quadruplicati tra il 2024 e il 2025, con una crescita che prosegue nel 2026.

I suoi sistemi attuali sono destinati sia al calcolo ad alte prestazioni sia all’IA. L’azienda dichiara solutori per problemi sparsi 10 volte più veloci, un consumo energetico inferiore di 18 volte per l’apprendimento automatico basato su eventi e tempi di esecuzione delle ottimizzazioni 20 volte più brevi per carichi di lavoro selezionati. Questi risultati riguardano applicazioni specifiche eseguite sui suoi sistemi attuali; il dato di inferenza, fino a 44 volte più veloce, è un obiettivo per la tecnologia di prossima generazione nei modelli ultra-sparsi.

Questa distinzione è centrale nella storia del finanziamento. Sparxity produce e installa già i propri sistemi, mentre il round di Serie A sostiene un ulteriore passo verso hardware progettato specificamente per la sparsità dinamica nell’inferenza dell’IA.

Jülich offre un esempio concreto di installazione

Il Centro di supercalcolo di Jülich descrive autonomamente un sistema SpiNNaker2 a due rack di Sparxity, chiamato JUBIS e installato nell’aprile 2026. È composto da 4.320 chip e 656.640 core ARM con acceleratori neuromorfici.

JUBIS supporta il progetto Event-based Supercomputer for AI and Beyond di Jülich, che esplora l’IA in tempo reale, le simulazioni neuroscientifiche e altri carichi di lavoro, come l’emulazione di computer quantistici. Il progetto comprende inoltre attività di benchmarking, prototipazione di applicazioni e sviluppo software, per rendere il sistema utile in un più ampio ambiente di calcolo ad alte prestazioni.

Questa implementazione dimostra perché un’architettura di calcolo richieda più di una specifica del chip. I ricercatori hanno bisogno di strumenti, interfacce e di un modo per integrare il sistema nel loro lavoro attuale. L’approccio full-stack di Sparxity copre questo percorso, dal silicio progettato su misura alle installazioni che occupano più rack.

Una via d’accesso ai data center europei

Sparxity sta inoltre collaborando con T-Systems per valutare una possibile via d’accesso ai data center commerciali. L’annuncio del 3 novembre di Deutsche Telekom descrive una lettera d’intenti firmata per combinare la tecnologia di Sparxity con le infrastrutture e le competenze operative di T-Systems.

Il percorso previsto inizia con l’hardware attuale, per sviluppare modalità di integrazione tecnica, e prosegue con l’implementazione dei chip di nuova generazione, prevista per il 2028. I partner prevedono di concordare ulteriori dettagli nei prossimi mesi.

Per Sparxity, il nuovo capitale sostiene il passaggio dalla dimostrazione del calcolo sparso in sistemi specializzati a un ruolo più ampio nelle infrastrutture per l’IA. La sua tesi è che i progressi futuri deriveranno dall’eliminazione del lavoro non necessario e dalla progettazione congiunta di hardware, software e modelli, affinché questi risparmi si traducano in prestazioni utili.