Sparxity完成A轮融资，累计融资达9000万美元，专注于稀疏人工智能计算

Sparxity是一家总部位于德累斯顿的计算公司，前身名为SpiNNcloud。该公司已完成A轮融资，使团队累计获得的融资达到9000万美元。这笔投资将用于支持专用芯片的研发，这些芯片旨在实现细粒度动态稀疏计算，即将人工智能计算集中在模型针对每项任务所需的部分。

本轮融资由ICM HPQC Fund领投，参与投资的机构包括Lockheed Martin Ventures、GlobalFoundries、GS Futures、Cloudberry Ventures、TGFS和EIC Fund。天使投资人包括Richard Socher和Nancy Xu，Atlantic和Silicon Catalyst也继续提供支持。Sparxity未单独披露A轮融资金额，只公布了累计融资总额。

Sparxity的目标是让日益稀疏的人工智能模型能够在大规模场景下切实投入运行。其下一代硬件面向超稀疏模型，目标是将推理速度提升至最高44倍；这项研发建立在公司现有的稀疏计算系统商业业务之上。

稀疏模型为何需要不同的硬件

在稠密神经网络中，大量计算会作用于一组庞大的参数。稀疏架构则选择性地激活模型的部分内容，因此有望在不要求每个参数都参与每次计算的情况下，提高模型的整体容量。

当这种选择细化到很小的粒度，并且会随输入而变化时，实现这一优势就更加困难。硬件必须将任务分配给合适的资源，并高效传输相关数据。只有在查找、调度和传递剩余任务所需的成本没有抵消收益时，跳过算术运算才有意义。

Sparxity的技术概览围绕这一问题介绍了其架构，指出该架构能够在专家模块、内存和注意力机制等方面进行更细粒度的选择。公司正同步开发芯片和软件，使模型开发者能够使用稀疏结构；若在主要针对稠密计算设计的硬件上运行，这类结构往往难以得到高效执行。

Sparxity联合创始人兼首席执行官Hector Gonzalez表示：“人工智能的下一个时代，不仅取决于我们能提供多少算力，也取决于我们能多么智能、高效地使用算力。”他表示，这笔融资将加快面向异构数据中心中超稀疏工作负载的专用芯片研发。

从数百万个专家模块到选择性计算

这一策略背后的研究方向之一是 PEER，即参数高效专家检索。在百万专家混合一文中，研究人员 Xu Owen He 描述了一种层，它从一个由一百多万个微型专家组成的池中检索出少量专家。针对语言建模任务开展的实验，考察了这种方法如何改变模型性能与计算成本之间的关系。

这一原理旨在扩展模型可调用的资源，同时避免针对每个输入处理整个资源池。要将模型层面的效率转化为更低的延迟和能耗，系统必须能够处理由此产生的细粒度任务。

曾任Google DeepMind研究员、现为Sparxity战略顾问的He表示，围绕稀疏性协同设计模型、蒸馏流程和硬件，可以进一步提升计算效率。这正是新一轮融资旨在推进的方向：让模型进行更具选择性的决策，并配备能够执行这些决策的硬件。

下一款芯片问世前已建立商业基础

Sparxity表示，其发展基础包括三次芯片流片、生产超过70,000颗芯片，以及已部署12个机架。公司称，其在全球拥有超过30家客户，收入在2024年至2025年间增长至原来的四倍，并在2026年继续保持增长势头。

公司现有系统同时面向高性能计算和人工智能。Sparxity称，在部分工作负载中，其稀疏求解器速度提升了10倍，基于事件的机器学习能耗降低了18倍，优化运行时间缩短至原来的二十分之一。这些结果针对的是其现有系统在特定应用中的表现；超稀疏模型推理速度提升至最高44倍，则是下一代技术的目标。

这一区别是理解本轮融资的关键。Sparxity已经在制造和部署系统，而A轮融资将支持公司进一步开发专为人工智能推理中的动态稀疏计算设计的硬件。

于利希展示了一个具体部署案例

于利希超级计算中心独立介绍了Sparxity提供的一套双机架SpiNNaker2系统，名为JUBIS，于2026年4月安装。该系统由4,320颗芯片组成，配备656,640个ARM核心和神经形态加速器。

JUBIS支持于利希的“面向人工智能及更多领域的事件驱动超级计算机”项目。该项目探索实时人工智能、神经科学模拟，以及量子计算机仿真等其他工作负载。项目还包括基准测试、应用原型开发和软件开发，以便在更广泛的高性能计算环境中发挥该系统的作用。

这一部署说明，计算架构不能只有芯片规格。研究人员还需要工具、接口，以及将系统融入现有工作流程的途径。Sparxity 的全栈方案涵盖了从定制硅片到多机架部署的整个过程。

进军欧洲数据中心的路径

Sparxity 还在与 T-Systems 合作，探索进入商业数据中心的潜在途径。Deutsche Telekom于11月3日发布的公告称，双方已签署意向书，计划将 Sparxity 的技术与 T-Systems 的基础设施及运营专长相结合。

计划首先利用现有硬件开发技术集成方案，随后部署计划于2028年推出的下一代芯片。合作伙伴预计将在未来几个月内商定更多细节。

对 Sparxity 而言，新增资金将支持公司从在专用系统中验证稀疏计算，转向在 AI 基础设施领域发挥更大作用。其核心判断是，未来的性能提升将来自减少不必要的运算，并协同设计硬件、软件和模型，从而将节省的资源转化为切实可用的性能。