SparxityがシリーズAを完了、スパースAIコンピューティングで累計調達額は9,000万ドルに

Sparxityは、ドレスデンを拠点とするコンピューティング企業で、以前はSpiNNcloudとして知られていた。同社はシリーズAの資金調達を完了し、チームが確保した累計調達額は9,000万ドルに達した。今回の投資は、細粒度の動的スパース性を実現するための専用チップの開発を支援する。この手法では、各タスクに必要なモデルの部分にAIの計算を集中させる。

今回の資金調達ラウンドはICM HPQC Fundが主導し、Lockheed Martin Ventures、GlobalFoundries、GS Futures、Cloudberry Ventures、TGFS、EIC Fundなどが出資した。エンジェル投資家にはRichard Socher氏とNancy Xu氏が名を連ね、AtlanticとSilicon Catalystも引き続き支援している。Sparxityは、シリーズAの調達額を累計調達額とは別に公表していない。

同社が目指すのは、スパース性を高めたAIモデルを大規模に実用化することだ。次世代ハードウェアでは、超スパースモデルの推論を最大44倍高速化することを目標としている。これは、スパースコンピューティングシステムを手がける既存事業を基盤としている。

スパースモデルに異なるハードウェアが必要な理由

密なニューラルネットワークでは、多数のパラメーターにわたって大規模な計算が行われる。一方、スパースアーキテクチャではモデルの一部だけを選択的に有効化するため、すべての計算にすべてのパラメーターを参加させなくても、モデル全体の容量を拡大できる可能性がある。

選択の粒度が非常に細かく、入力に応じて選択内容が変わる場合、この利点を実現するのはさらに難しくなる。ハードウェアは処理を適切なリソースに振り分け、必要なデータを効率よく移動させなければならない。演算を省いても、残る処理を見つけ、スケジュールし、やり取りするコストによって効果が失われない場合に限り、利点が得られる。

Sparxityの技術概要では、エキスパート、メモリー、アテンションにわたる、より細粒度の選択を軸に同社のアーキテクチャを説明している。同社はチップとソフトウェアを一体で開発しており、主に密な計算を想定して設計されたハードウェアでは効率的な実行が難しいスパース構造を、モデル開発者が活用できるようにする。

「AIの次の時代を決めるのは、どれだけの計算能力を提供できるかだけではなく、それをどれだけ賢く、効率的に使えるかです」と、Sparxityの共同創業者兼CEOであるHector Gonzalez氏は述べた。同氏によると、今回の資金調達により、異種混在型データセンターにおける超スパースなワークロード向けの専用シリコン開発を加速する。

100万のエキスパートから選択的に計算する

この戦略を支える研究の方向性の一つが、パラメーター効率の高いエキスパート検索（PEER）だ。「100万のエキスパートの混合」で、研究者のXu Owen He氏は、100万を超える小さなエキスパートの集合から、少数を選んで取り出すレイヤーについて説明した。言語モデリングのタスクを用いた実験では、この手法によってモデルの性能と計算コストの関係がどう変わるかを検証した。

この手法の基本は、各入力に対して集合全体を処理することなく、モデルが活用できる情報の幅を広げることだ。モデルレベルでの効率化を、レイテンシーとエネルギー消費の低減につなげるには、そこから生じる細粒度の処理に対応できるシステムが必要となる。

Google DeepMindの元研究者で、Sparxityの戦略アドバイザーを務めるHe氏は、モデル、蒸留パイプライン、ハードウェアをスパース性を軸に共同設計することで、コンピューティング効率をさらに高められると述べた。今回の資金調達が目指すのは、まさにこの連携を発展させることだ。より選択的に処理するモデルと、その選択を実行できるハードウェアを組み合わせる。

次世代チップ開発を前に築いた商業基盤

Sparxityによると、同社はこれまでにチップのテープアウトを3回実施し、7万個を超えるチップを生産、12ラックを導入してきた。世界で30社を超える顧客を抱え、売上高は2024年から2025年にかけて4倍に増加し、2026年も勢いが続いているという。

同社の現行システムは、ハイパフォーマンスコンピューティングとAIの両方に対応している。同社によると、選定したワークロードでは、スパースソルバーが10倍高速になり、イベントベース機械学習のエネルギー消費は18分の1に、最適化の実行時間は20分の1になった。これらは既存システムを特定の用途に適用した場合の結果であり、超スパースモデルで推論を最大44倍高速化するという数値は、次世代技術の目標だ。

この違いは、今回の資金調達の背景を理解するうえで重要だ。Sparxityはすでにシステムを製造・導入しており、今回のシリーズAは、AI推論における動的スパース性に特化したハードウェアの開発をさらに進めるためのものだ。

ユーリヒの導入事例が具体像を示す

ユーリヒ・スーパーコンピューティング・センターは、Sparxityの2ラック構成のSpiNNaker2システム「JUBIS」について、独自に説明している。同システムは2026年4月に設置され、4,320個のチップと、ニューロモーフィックアクセラレーターを備えた656,640個のARMコアで構成される。

JUBISは、AIとその先を見据えたイベントベース・スーパーコンピューター・プロジェクトを支援している。このプロジェクトでは、リアルタイムAI、神経科学シミュレーション、量子コンピューターのエミュレーションなどのワークロードを研究する。また、より広範なハイパフォーマンスコンピューティング環境でシステムを活用できるよう、ベンチマーク、アプリケーションのプロトタイピング、ソフトウェア開発も行っている。

この導入事例は、コンピューティング・アーキテクチャに必要なのはチップの仕様だけではないことを示している。研究者には、ツールやインターフェースに加え、システムを既存の業務に組み込む方法も必要だ。Sparxityのフルスタックのアプローチは、カスタムシリコンから複数ラック構成のシステム導入までをカバーする。

欧州のデータセンターへの道筋

Sparxityは、商用データセンターへの参入経路となる可能性を探り、T-Systemsとも協業している。Deutsche Telekomの11月3日の発表によると、Sparxityの技術とT-Systemsのインフラおよび運用に関する専門知識を組み合わせるため、両社は意向書に署名した。

計画では、まず現行ハードウェアを使って技術的な統合方法を開発し、その後、2028年に予定されている次世代チップの導入に進む。両社は今後数カ月のうちに、さらなる詳細について合意する見通しだ。

今回の新たな資金は、Sparxityが特殊なシステムでスパース・コンピューティングの有効性を実証する段階から、AIインフラにおいてより大きな役割を担う段階へと進むことを後押しする。同社の見立てでは、今後の性能向上は、不要な処理を減らすこと、そしてその削減分を実用的な性能向上につなげられるよう、ハードウェア、ソフトウェア、モデルを一体で設計することによって実現する。