Sparxity zamyka rundę finansowania serii A, zwiększając łączne finansowanie obliczeń AI z wykorzystaniem rzadkich modeli do 90 mln dolarów

Sparxity, firma obliczeniowa z siedzibą w Dreźnie, wcześniej znana jako SpiNNcloud, zamknęła rundę finansowania serii A, dzięki której łączna kwota finansowania pozyskanego przez jej zespół wzrosła do 90 mln dolarów. Inwestycja wesprze rozwój wyspecjalizowanych układów zaprojektowanych z myślą o dynamicznej selektywności obliczeń na szczegółowym poziomie — podejściu, które koncentruje obliczenia AI na tych częściach modelu, które są potrzebne do wykonania danego zadania.

Rundę poprowadził ICM HPQC Fund, a wśród inwestorów znalazły się Lockheed Martin Ventures, GlobalFoundries, GS Futures, Cloudberry Ventures, TGFS i EIC Fund. Wśród inwestorów indywidualnych są Richard Socher i Nancy Xu; dalszego wsparcia udzieliły też Atlantic i Silicon Catalyst. Sparxity nie ujawniło kwoty rundy serii A osobno od łącznej kwoty finansowania.

Celem firmy jest umożliwienie praktycznego uruchamiania coraz bardziej rzadkich modeli AI na dużą skalę. Sprzęt nowej generacji ma zapewniać nawet 44-krotnie szybsze wnioskowanie w modelach o bardzo dużej rzadkości obliczeniowej, rozwijając dotychczasową działalność komercyjną firmy w zakresie systemów do obliczeń rzadkich.

Dlaczego rzadkie modele wymagają innego sprzętu

W gęstej sieci neuronowej znaczne zasoby obliczeniowe są wykorzystywane do przetwarzania dużego zbioru parametrów. Architektury rzadkie aktywują wybrane części modelu, co może zwiększyć jego ogólną pojemność bez konieczności angażowania każdego parametru w każde obliczenie.

Możliwość tę trudniej wykorzystać, gdy selekcja jest bardzo szczegółowa i zmienia się w zależności od danych wejściowych. Sprzęt musi kierować zadania do odpowiednich zasobów i sprawnie przesyłać potrzebne dane. Pominięcie operacji arytmetycznych przynosi korzyści tylko wtedy, gdy koszt wyszukania, zaplanowania i przekazania pozostałych zadań ich nie niweluje.

Przegląd technologii Sparxity przedstawia architekturę firmy jako odpowiedź na ten problem, wskazując na bardziej szczegółową selekcję ekspertów, pamięci i mechanizmów uwagi. Firma opracowuje jednocześnie układy i oprogramowanie, aby twórcy modeli mogli korzystać ze struktur rzadkich, których sprawne uruchamianie jest trudne na sprzęcie zaprojektowanym przede wszystkim z myślą o obliczeniach gęstych.

„Nadchodząca era AI będzie zależeć nie tylko od tego, jaką moc obliczeniową możemy zapewnić, lecz także od tego, jak inteligentnie i efektywnie ją wykorzystamy” — powiedział Hector Gonzalez, współzałożyciel i dyrektor generalny Sparxity. Dodał, że finansowanie przyspieszy rozwój dedykowanych układów scalonych do zadań o bardzo dużej rzadkości obliczeniowej w heterogenicznych centrach danych.

Od miliona ekspertów do selektywnych obliczeń

Jednym z kierunków badań leżących u podstaw tej strategii jest PEER, czyli wyszukiwanie ekspertów z efektywnym wykorzystaniem parametrów. W pracy Mieszanka miliona ekspertów badacz Xu Owen He opisał warstwę, która wybiera niewielką grupę spośród ponad miliona małych ekspertów. W eksperymentach dotyczących modelowania języka sprawdzano, jak to podejście wpływa na zależność między wydajnością modelu a kosztem obliczeniowym.

Chodzi o zwiększenie zakresu możliwości modelu bez przetwarzania całej puli przy każdym wejściu. Przełożenie tej efektywności na poziomie modelu na niższe opóźnienia i mniejsze zużycie energii wymaga systemu zdolnego obsłużyć wynikające z niej szczegółowe zadania.

He, były badacz Google DeepMind i doradca strategiczny Sparxity, powiedział, że wspólne projektowanie modeli, potoków destylacji i sprzętu z myślą o rzadkości obliczeniowej może jeszcze bardziej zwiększyć efektywność obliczeń. Właśnie taki związek ma pomóc rozwinąć nowe finansowanie: modele dokonujące bardziej selektywnych wyborów oraz sprzęt zdolny je realizować.

Podstawa komercyjna przed kolejnym układem

Sparxity podaje, że jej zaplecze obejmuje trzy układy doprowadzone do etapu tape-out, ponad 70 000 wyprodukowanych układów i 12 wdrożonych szaf. Firma informuje o ponad 30 klientach na całym świecie i przychodach, które wzrosły czterokrotnie w latach 2024–2025, a także o utrzymującej się dynamice wzrostu w 2026 roku.

Obecne systemy firmy obsługują zarówno obliczenia wysokiej wydajności, jak i AI. Sparxity informuje o 10-krotnie szybszych solverach do macierzy rzadkich, 18-krotnie niższym zużyciu energii w uczeniu maszynowym opartym na zdarzeniach oraz 20-krotnie krótszym czasie optymalizacji dla wybranych zadań. Wyniki te dotyczą konkretnych zastosowań w obecnych systemach firmy; wartość do 44-krotnie szybszego wnioskowania jest celem dla technologii nowej generacji przeznaczonej do modeli o bardzo dużej rzadkości obliczeniowej.

To rozróżnienie ma kluczowe znaczenie dla historii finansowania. Sparxity już produkuje i wdraża systemy, a runda serii A wesprze kolejny krok — rozwój sprzętu zaprojektowanego specjalnie z myślą o dynamicznej rzadkości obliczeniowej we wnioskowaniu AI.

Jülich przedstawia konkretny przykład wdrożenia

Centrum Superkomputerowe w Jülich niezależnie opisuje dwuszafowy system SpiNNaker2 firmy Sparxity o nazwie JUBIS, zainstalowany w kwietniu 2026 roku. Składa się on z 4320 układów i 656 640 rdzeni ARM wyposażonych w akceleratory neuromorficzne.

JUBIS wspiera projekt Jülich „Event-based Supercomputer for AI and Beyond”, w ramach którego badane są AI działająca w czasie rzeczywistym, symulacje neuronaukowe oraz inne zadania, takie jak emulacja komputera kwantowego. Projekt obejmuje również testy porównawcze, prototypowanie zastosowań i rozwój oprogramowania, aby system mógł być użyteczny w szerszym środowisku obliczeń wysokiej wydajności.

To wdrożenie pokazuje, dlaczego architektura obliczeniowa wymaga czegoś więcej niż specyfikacji układu. Badacze potrzebują narzędzi, interfejsów i sposobu na zintegrowanie systemu z dotychczasową pracą. Kompleksowe podejście Sparxity obejmuje cały ten proces — od projektowania własnych układów scalonych po instalacje składające się z wielu szaf.

Droga do europejskich centrów danych

Sparxity współpracuje również z T-Systems nad możliwością wejścia na rynek komercyjnych centrów danych. W komunikacie Deutsche Telekom z 3 listopada poinformowano o podpisaniu listu intencyjnego, który zakłada połączenie technologii Sparxity z infrastrukturą i doświadczeniem operacyjnym T-Systems.

Plan zakłada rozpoczęcie od obecnego sprzętu, aby opracować podejście do integracji technicznej, a następnie wdrożenie układów nowej generacji, planowane na 2028 rok. Partnerzy spodziewają się uzgodnić dalsze szczegóły w nadchodzących miesiącach.

Dla Sparxity nowy kapitał pozwala przejść od testowania obliczeń rzadkich w wyspecjalizowanych systemach do odegrania większej roli w infrastrukturze AI. Firma zakłada, że przyszłe usprawnienia będą wynikać z ograniczenia niepotrzebnych operacji oraz wspólnego projektowania sprzętu, oprogramowania i modeli, tak aby te oszczędności przekładały się na użyteczną wydajność.