Стартап Positron, разрабатывающий специализированные микросхемы для искусственного интеллекта, привлёк 230 млн долларов в раунде Series B, сообщили источники, близкие к компании. Эта инвестиция предназначена для ускорения запуска в производство высокоскоростных AI-чипов и памяти: ключевых компонентов для обработки крупных моделей и рабочих нагрузок в ИИ.
Инвестиции в раунде возглавил Qatar Investment Authority (QIA), суверенный фонд Катара, который активно наращивает вложения в инфраструктуру искусственного интеллекта. Это часть более широкой стратегии страны по превращению в региональный технологический центр с мощной AI-экосистемой.
Сам стартап базируется в Рено (штат Невада). Новое финансирование почти удваивает общий привлечённый капитал компании до чуть более $300 млн после предыдущего раунда в размере $75 млн. Среди ранних инвесторов были такие фонды, как Valor Equity Partners, Atreides Management, DFJ Growth, Flume Ventures и Resilience Reserve.
Positron делает ставку на решение так называемых задач inference, этапа, когда уже обученные модели ИИ используются для реальных приложений. Это отличается от тренировки моделей и требует другого, более энергоэффективного аппаратного обеспечения. По данным компании, её первый чип Atlas, произведённый в Аризоне, может соперничать по производительности с GPU Nvidia H100, потребляя при этом менее трети энергии. Такой баланс мощности и эффективности особенно важен для массового развёртывания ИИ-решений в бизнесе.
Эксперты отмечают, что повышенный интерес к альтернативам чипам Nvidia объясняется тем, что крупные технологические компании ищут пути уменьшить зависимость от единственного поставщика вычислительных решений для ИИ. Даже такие крупные покупатели, как OpenAI, по некоторым данным, испытывают неудовлетворённость последними поколениями GPU и рассматривают альтернативные архитектуры.
Помимо вычислительной мощности и энергоэффективности, источники отмечают, что чипы Positron показывают хорошие результаты в задачах высокочастотной обработки и видеоаналитики, областях, где эффективные inference-решения становятся всё более востребованными.
Источник: TechCrunch