Luminal ระดมทุน Series A ได้ 25 ล้านดอลลาร์ โดยมี Standard Capital เป็นผู้นำการลงทุน

Luminal ระดมทุน Series A ได้ 25 ล้านดอลลาร์ โดยมี Standard Capital เป็นผู้นำการลงทุน ซึ่งประกาศเมื่อวันที่ 12 พฤศจิกายน 2026 สตาร์ทอัพด้านโครงสร้างพื้นฐาน AIแห่งนี้กำลังขยายธุรกิจคอมไพเลอร์และบริการโฮสต์การประมวลผลเพื่อสร้างผลลัพธ์จาก AI ให้ครอบคลุมทั้งชิปของ Nvidia, AMD และชิปเฉพาะทาง โดยมุ่งเน้นดึงประสิทธิภาพการประมวลผลที่เป็นประโยชน์ให้ได้มากขึ้นจากฮาร์ดแวร์ที่ลูกค้ามีอยู่แล้ว

ผู้ร่วมก่อตั้ง Joe Fioti, Jake Stevens และ Matthew Gunton สร้างธุรกิจสองประเภทที่เกี่ยวข้องกับการประมวลผลเพื่อสร้างผลลัพธ์จาก AI ซึ่งเป็นการคำนวณที่ทำให้ได้ผลลัพธ์จากโมเดล AI Luminal ให้บริการโฮสต์โมเดลบนคลาวด์ของตนเอง และให้สิทธิ์ใช้งานคอมไพเลอร์แก่ลูกค้าที่มีฮาร์ดแวร์ใช้งานอยู่แล้ว ทำให้บริษัทมีทั้งบริการจัดการระบบให้ลูกค้าที่ต้องการนำโมเดลไปใช้งาน และผลิตภัณฑ์อีกประเภทสำหรับผู้ที่ต้องการปรับปรุงโครงสร้างพื้นฐานของตนเอง

คอมไพเลอร์ที่ออกแบบมาเพื่อค้นหาวิธีนำไปใช้งานให้เร็วขึ้น

คอมไพเลอร์จะแปลงโมเดลที่เขียนด้วยเฟรมเวิร์กอย่าง PyTorch ให้เป็นโค้ดระดับต่ำที่ใช้ดำเนินการคำนวณทางคณิตศาสตร์ของโมเดล ภาพรวมทางเทคนิคของ Luminalอธิบายกระบวนการที่แปลงโมเดลให้อยู่ในรูปกราฟการไหลของข้อมูล จากนั้นปรับรวมการทำงานโดยคำนึงถึงฮาร์ดแวร์ แบ่งงานเป็นส่วนย่อย วางแผนการใช้หน่วยความจำและจัดตารางการทำงาน ก่อนสร้างเคอร์เนล GPU หรือคำสั่งสำหรับวงจรรวมเฉพาะงาน การคอมไพล์ล่วงหน้าก่อนเริ่มทำงานมีจุดมุ่งหมายเพื่อลดภาระระหว่างรันไทม์ที่เกิดจากการแปลความหมายของโมเดลแบบไดนามิก

ผู้ก่อตั้งกล่าวว่า Luminal ใช้ทรัพยากรการประมวลผลจำนวนมากในขั้นตอนคอมไพล์เพื่อค้นหาวิธีนำไปใช้งานที่เป็นไปได้ แทนที่จะพึ่งพาเพียงหลักเกณฑ์ที่เขียนขึ้นด้วยมือ การทำให้สมการมีรูปแบบเทียบเท่ากันสามารถแทนพื้นที่การค้นหาที่อาจมีตัวเลือกนับล้านล้านแบบบนชิปแต่ละรุ่นได้อย่างกระชับ ช่วยให้คอมไพเลอร์ค้นหาเวอร์ชันที่ผ่านการปรับให้เหมาะสม แนวทางนี้ออกแบบมาสำหรับหน่วยประมวลผลที่มีความเฉพาะทางมากขึ้นเรื่อย ๆ ซึ่งต้องใช้การตัดสินใจด้านหน่วยความจำและการจัดตารางการทำงานในซอฟต์แวร์ที่ซับซ้อนยิ่งขึ้น

บทความด้านเทคนิคเมื่อวันที่ 9 มกราคม 2026อธิบายว่าเมกะเคอร์เนลที่สร้างขึ้นโดยอัตโนมัติเข้ากับกลยุทธ์ดังกล่าวอย่างไร การรวมขั้นตอน forward pass ของโมเดลไว้ในเคอร์เนลเดียว หรือโปรแกรม GPU เดียว ช่วยตัดความล่าช้าจากการเรียกใช้เคอร์เนลซ้ำ ๆ และทำให้การดำเนินการในขั้นถัดไปเริ่มได้ทันทีเมื่อข้อมูลนำเข้าพร้อม การออกแบบนี้ยังมุ่งลดช่วงเวลาที่หน่วยประมวลผลว่างงาน เพราะแต่ละคอร์มีปริมาณงานไม่เท่ากันหรือจำเป็นต้องรอโหลดน้ำหนักเริ่มต้น โดยใช้การซิงโครไนซ์แบบละเอียดเพื่อรักษาลำดับการพึ่งพาของข้อมูล

Luminal รายงานว่า GPT-OSS 120B ทำงานได้ 36,000 โทเค็นต่อวินาทีบน GPU Nvidia H100 SXM จำนวน 8 ตัว เทียบกับ 28,000 โทเค็นสำหรับ TensorRT-LLM และ 26,000 โทเค็นสำหรับ vLLM ตามผลเปรียบเทียบบนเว็บไซต์ของบริษัท ผลลัพธ์ดังกล่าวแสดงให้เห็นถึงการเพิ่มปริมาณงานประมวลผล ซึ่งเป็นหัวใจของข้อเสนอทางธุรกิจ ขณะที่บริการโฮสต์ยังช่วยจัดการงานด้านโครงสร้างพื้นฐานเพิ่มเติมนอกเหนือจากตัวคอมไพเลอร์

บริการประมวลผลเพื่อสร้างผลลัพธ์จาก AI แบบโฮสต์และการคิดค่าลิขสิทธิ์ตามมูลค่าที่สร้างได้

Luminal Cloud ให้บริการเอนด์พอยต์แบบไร้เซิร์ฟเวอร์ที่มีการจัดการ การจัดชุดคำขอโดยอัตโนมัติ และการปรับกำลังรองรับลงจนเป็นศูนย์ โดยลูกค้าจ่ายตามปริมาณการใช้งาน ส่วนการติดตั้งใช้งานภายใต้สัญญาอนุญาตสามารถทำงานบนคลาวด์ของลูกค้าหรือภายในสถานที่ของลูกค้าได้ ชั้นประมวลผลเพื่อสร้างผลลัพธ์จาก AI ของ Luminal ที่อยู่เหนือคอมไพเลอร์จะจัดตารางและกระจายงานระหว่าง CPU, GPU และ ASIC พร้อมปรับย้ายงานเมื่อระดับการใช้งานเปลี่ยนแปลง และเริ่มหรือหยุดโหนดตามความต้องการ

AutoHDR บริษัทสื่ออสังหาริมทรัพย์ ประมวลผลภาพประมาณ 5 ล้านภาพต่อเดือน และ Luminal จัดการภาระงานเกือบทั้งหมด โดยทยอยย้ายงานส่วนที่เพิ่มขึ้นไปใช้ชิป AMD ตามคำกล่าวของผู้ก่อตั้ง ลูกค้าอีกรายอย่าง Freebuff ส่งโทเค็นให้ Luminal หลายล้านล้านโทเค็นต่อสัปดาห์ ภาระงานเหล่านี้ทำให้ Luminal รองรับการใช้งานจริงทั้งด้านการประมวลผลภาพและโมเดลภาษาขนาดใหญ่

ผู้ก่อตั้งระบุว่า คำขอด้านการเขียนโค้ดจาก Freebuff อาจมีโทเค็นขาเข้าราว 100,000 โทเค็น ทำให้อัตราการเข้าถึงแคชและการปรับขนาดคำขอเป็นปัจจัยสำคัญด้านต้นทุน การนำการคำนวณที่แคชไว้กลับมาใช้ช่วยหลีกเลี่ยงการประมวลผลซ้ำ ขณะที่การย้ายแคชที่เกี่ยวข้องไปตามลำดับชั้นของหน่วยความจำช่วยรักษาการประหยัดดังกล่าวไว้ได้ การมีเคอร์เนลที่ทำงานเร็วเพียงอย่างเดียวไม่สามารถจัดการค่าใช้จ่ายเหล่านี้ได้

Fioti อธิบายว่า สำหรับสัญญาอนุญาตใช้คอมไพเลอร์บางประเภท ค่าบริการคิดเป็นสัดส่วนคงที่ของการปรับปรุงประสิทธิภาพที่วัดได้เมื่อเทียบกับค่าฐานเดิมของลูกค้า ในตัวอย่างประกอบของเขา การเพิ่มปริมาณงานเป็นสองเท่าบน GPU ที่มีต้นทุน 1.50 ดอลลาร์ช่วยประหยัดได้ 75 เซนต์ โดย Luminal คิดค่าบริการ 25 เซนต์ และลูกค้ายังคงประหยัดได้ 50 เซนต์ รูปแบบนี้ทำให้รายได้จากค่าลิขสิทธิ์เชื่อมโยงกับมูลค่าที่ส่งมอบ แทนที่จะขึ้นอยู่กับการใช้งานบริการโฮสต์เพียงอย่างเดียว

จุดเริ่มต้นจากโอเพนซอร์สและการขยายธุรกิจ

Luminal เริ่มต้นจากโครงการเสริมที่ Fioti พัฒนานอกเวลางาน เพื่อให้โมเดลทำงานบนแล็ปท็อปได้ ต่อมาโครงการเพิ่มแบ็กเอนด์สำหรับ Nvidia และสร้างชุมชนโอเพนซอร์สขึ้นมา ผู้ก่อตั้งตัดสินใจเปิดซอร์สคอมไพเลอร์หลักไว้ พร้อมเรียกเก็บค่าบริการโฮสต์ ซึ่งเป็นรูปแบบที่พวกเขาเปรียบเทียบกับการจับคู่ Next.js เข้ากับบริการคลาวด์ของ Vercel การให้สิทธิ์ใช้งานคอมไพเลอร์เป็นอีกช่องทางหนึ่งสำหรับองค์กรที่มีฮาร์ดแวร์พร้อมใช้งานอยู่แล้ว

การระดมทุน Series A ครั้งนี้เกิดขึ้นหลังจากการระดมทุนรอบ Seed มูลค่า 5.3 ล้านดอลลาร์ ซึ่งประกาศเมื่อวันที่ 17 พฤศจิกายน 2025 โดยมี Felicis Ventures เป็นผู้นำการลงทุน ร่วมกับนักลงทุนอิสระ ซึ่งรวมถึง Paul Graham และ Guillermo Rauch

ขณะนี้ Luminal กำลังรับสมัครวิศวกรคอมไพเลอร์และพนักงานคนแรกที่ไม่ใช่วิศวกร ซึ่งจะดำรงตำแหน่งหัวหน้าฝ่ายการเติบโต ทีมงานทำงานร่วมกัน ณ สำนักงานในย่านใจกลางเมืองซานฟรานซิสโก และจนถึงตอนนี้มีเพียงบุคลากรสายวิศวกรรมเท่านั้น ผู้ก่อตั้งคาดว่าภาระงานด้านการประมวลผลเพื่อสร้างผลลัพธ์จาก AI จะแบ่งไปใช้ชิปที่ออกแบบมาเฉพาะสำหรับประมวลผลพรอมป์ต์และชิปที่ออกแบบมาเฉพาะสำหรับสร้างโทเค็นมากขึ้นเรื่อย ๆ ทำให้การประสานงานระหว่างฮาร์ดแวร์ประเภทต่าง ๆ กลายเป็นโจทย์ด้านซอฟต์แวร์ที่ใหญ่ขึ้น

แผนการรับคนเข้าทำงานในระยะใกล้บ่งชี้ว่าต้องการความเชี่ยวชาญด้านคอมไพเลอร์ที่ลึกซึ้งยิ่งขึ้น และกำลังจะมีตำแหน่งงานด้านธุรกิจเป็นครั้งแรก บททดสอบที่กว้างกว่านั้นคือ Luminal จะรักษาข้อได้เปรียบด้านต้นทุนตามที่มีรายงานไว้ได้หรือไม่ เมื่อการประมวลผลอนุมานกระจายไปยังชิปที่ออกแบบมาสำหรับขั้นตอนต่าง ๆ ของคำขอ ซึ่งการจัดตารางการทำงานและการนำแคชกลับมาใช้ซ้ำจะกลายเป็นส่วนหนึ่งของการคำนวณการประหยัดต้นทุน ควบคู่ไปกับประสิทธิภาพของคอมไพเลอร์โดยตรง