OLIX lève 312 M$ pour construire un système spécialisé d’inférence IA

OLIX a levé 312 millions de dollars sur la base d’une valorisation de 3,3 milliards de dollars, donnant au récit Nvidia de Techmeme un nouveau challenger britannique doté d’un plan matériel exceptionnellement ambitieux. La startup londonienne veut remplacer un processeur d’inférence généraliste par une chaîne de production à l’échelle d’une baie, composée de puces spécialisées. La livraison de son premier produit aux clients reste prévue pour le second semestre 2027.

Cet écart entre le financement et la livraison définit l’histoire. OLIX a attiré Arm, Fundomo, Hudson River Trading et Reed Hastings, cofondateur de Netflix, parmi ses investisseurs. Les soutiens existants ont également renforcé leurs engagements. L’entreprise n’a toutefois pas publié de benchmarks indépendants issus de systèmes déployés chez des clients.

L’adversaire immédiat est Nvidia, mais la compétition plus profonde est architecturale. Nvidia continue d’étendre une plateforme étroitement intégrée, construite autour d’accélérateurs généralistes, du réseau, des logiciels et de la mémoire à large bande passante. OLIX affirme que la meilleure réponse consiste à répartir la génération de tokens entre des puces spécialisées reliées par des liens optiques.

Le tour de 312 millions de dollars donne à OLIX le temps de construire cette réponse. Il ne démontre pas que cette réponse offrira les performances annoncées, pourra être fabriquée de manière fiable ou s’intégrera aux pratiques logicielles déjà construites autour du matériel Nvidia.

Le nouveau financement transforme une thèse sur les puces en engagement de livraison

OLIX est passé de la proposition d’une architecture alternative à la promesse d’une baie d’inférence complète pour de vrais clients.

L’entreprise a annoncé sa série B le 3 août 2026. Ce tour a valorisé l’entreprise, âgée de deux ans, à 3,3 milliards de dollars. Fundomo, Arm et Hudson River Trading ont participé aux côtés de Hastings et des investisseurs historiques.

Les investisseurs existants Hummingbird Ventures, Crane, Plural, Creandum, Phoenix Court et Transition ont accru leurs engagements. OLIX n’a pas identifié un investisseur chef de file unique dans son annonce, bien que le Financial Times ait rapporté que Fundomo avait mené le financement.

Ce tour fait suite à une levée de 220 millions de dollars rapportée en février. Ce financement antérieur valorisait OLIX à plus d’un milliard de dollars et était mené par Hummingbird Ventures. La valorisation a donc plus que triplé en environ six mois, avant que la startup n’ait livré sa première puce commerciale.

OLIX a également nommé le professeur Nick McKeown à son conseil d’administration. McKeown a co-inventé les réseaux définis par logiciel et contribué à créer OpenFlow et P4, des technologies qui ont changé la manière dont les opérateurs programment les réseaux. Il a aussi cofondé Nicira et Barefoot Networks, ensuite rachetées respectivement par VMware et Intel.

Cette nomination correspond à l’ambition de l’entreprise au niveau des systèmes. OLIX ne présente pas un processeur isolé que les clients pourraient insérer dans un serveur existant. L’entreprise prévoit de concevoir les puces, les lasers, les connexions optiques, les compilateurs et la baie environnante comme un système coordonné unique.

L’ancien directeur financier de Wise, Matt Briers, a rejoint OLIX au poste de directeur financier. Briers a aidé Wise à traverser son introduction directe en Bourse à Londres en 2021. Son arrivée apporte à OLIX un dirigeant expérimenté dans l’accompagnement d’une entreprise technologique privée vers l’examen des marchés publics.

Ces nominations comptent, car le nouveau financement a un objectif opérationnel précis. OLIX indique qu’il financera les engagements de production, les capacités de chaîne d’approvisionnement et le développement de la plateforme plus large de silicium sur mesure. L’entreprise recrute également à Londres, Bristol, Austin, Toronto et San Francisco.

L’étape centrale est le DX-1, un accélérateur de décodage conçu pour la phase durant laquelle un modèle d’IA génère sa réponse. OLIX prévoit de livrer la puce à ses premiers clients au cours du second semestre 2027.

Cet objectif change la manière dont l’entreprise doit être évaluée. Les premiers financements récompensaient une thèse technique. La série B impose une échéance concernant les wafers, le packaging, la photonique, la préparation du compilateur, l’intégration système et l’acceptation par les clients.

Les startups de puces font régulièrement face à de longs intervalles entre des simulations prometteuses et un matériel de production fiable. Les retards de fabrication peuvent entraîner une cascade de jalons logiciels manqués et de déploiements clients repoussés. Une baie complète introduit encore davantage de points d’intégration qu’un accélérateur autonome.

OLIX dispose désormais d’un capital significatif et d’un soutien technique de premier plan. La prochaine étape est moins indulgente : l’entreprise doit transformer ces ressources en systèmes fonctionnels aux performances économiques mesurables.

Pourquoi la comparaison Nvidia de Techmeme est à la fois utile et trompeuse

Le cadrage Nvidia de Techmeme identifie l’acteur établi, mais OLIX défie la conception système de Nvidia plutôt que de construire un clone de GPU conventionnel.

Nvidia fournit bien plus que du silicium d’accélération. Sa position repose sur les GPU, les produits de réseau, les outils de développement, les bibliothèques optimisées, l’expérience de déploiement et une vaste communauté formée autour de CUDA. Les clients adhèrent à ce système accumulé, pas seulement à une spécification de processeur.

OLIX emprunte une voie différente. La startup soutient que l’inférence comprend plusieurs opérations aux besoins matériels distincts. Exécuter chaque étape sur un même accélérateur généraliste crée des compromis entre vitesse, réactivité, consommation électrique et utilisation.

L’inférence est le processus qui consiste à utiliser un modèle entraîné pour produire une réponse. Elle comprend une phase de traitement du prompt et une phase séquentielle de décodage, durant laquelle le modèle génère les tokens les uns après les autres. Ces étapes peuvent imposer des exigences différentes en matière de bande passante mémoire et de calcul.

OLIX compare un centre de données à une usine dont le produit est le token. Une usine conventionnelle utilise des machines spécialisées pour les différentes étapes de production. L’entreprise affirme qu’un système d’inférence devrait suivre le même principe.

Sa plateforme X-1 répartirait un modèle sur de nombreuses puces spécialisées. Chaque processeur traiterait de façon répétée une partie du modèle tandis que les activations traverseraient le système. OLIX décrit cette organisation comme une chaîne de production de tokens.

Cette approche déplace le problème technique. La spécialisation peut rendre une opération individuelle plus efficace, mais seulement si les données circulent entre les processeurs sans annuler ce gain. La latence, la synchronisation, l’énergie réseau et l’ordonnancement deviennent donc centraux dans la conception.

OLIX propose une interconnexion optique « lente et large » qui transfère les données à l’aide de la lumière plutôt que du cuivre. L’entreprise affirme qu’une co-conception à l’échelle d’une baie permet au lien de déplacer de grandes quantités de données avec une faible latence et une faible consommation d’énergie. Un compilateur déterministe planifierait les charges de travail entre les baies.

Nvidia adopte une approche plus évolutive. Son architecture Blackwell combine des accélérateurs avec des interconnexions à haute vitesse et une plateforme logicielle conçue pour l’entraînement et l’inférence. Les systèmes successifs augmentent la capacité mémoire, la bande passante de communication et les performances de calcul tout en conservant une grande programmabilité.

Cette généralité entraîne des surcoûts, mais elle protège aussi les clients contre les changements rapides des modèles. Un accélérateur acheté pour une charge de travail peut souvent en servir une autre après des ajustements logiciels. La base installée de Nvidia donne également aux développeurs des outils éprouvés pour le profilage, l’optimisation et le déploiement.

OLIX affirme que ses puces conserveront une structure de calcul flexible au lieu d’encoder en dur un seul modèle. Cette distinction est essentielle. Les architectures de modèles peuvent évoluer plus vite que les cycles de développement des semi-conducteurs, si bien qu’une spécialisation rigide peut laisser une puce optimisée pour la charge de travail d’hier.

La participation d’Arm ajoute de la crédibilité sans résoudre ce risque. Arm dispose d’une vaste expérience dans la conception et la commercialisation de processeurs, mais un investissement ne valide pas les performances revendiquées par OLIX. Il signale un intérêt stratégique pour une architecture d’inférence différente.

La même prudence s’applique à la valorisation. Les investisseurs ont financé une réponse potentiellement précieuse à la hausse des coûts d’inférence. Ils n’ont pas apporté les preuves techniques indépendantes nécessaires pour déterminer si X-1 peut évincer les plateformes établies.

OLIX parie que la mémoire, et non l’arithmétique, fixe la limite

L’affirmation centrale de l’entreprise est que déplacer efficacement les données du modèle importe davantage que d’ajouter une nouvelle hausse de calcul généraliste.

Les grands modèles contiennent des poids, c’est-à-dire des paramètres numériques appris pendant l’entraînement. Servir ces modèles oblige les processeurs à récupérer de manière répétée des poids et des données intermédiaires. Ce déplacement consomme du temps et de l’énergie, particulièrement lors de la génération séquentielle de tokens.

Les accélérateurs modernes s’appuient souvent sur de la mémoire à large bande passante, ou HBM, placée près du processeur. La HBM offre une bande passante bien supérieure à celle de la mémoire serveur conventionnelle, mais exige une fabrication spécialisée et un packaging avancé. L’approvisionnement des deux est devenu stratégiquement important sur le marché du matériel IA.

OLIX veut que DX-1 conserve les données du modèle dans de la mémoire statique à accès aléatoire, ou SRAM. La SRAM est une mémoire rapide couramment intégrée directement sur une puce. Elle offre une faible latence, mais elle est moins dense et plus coûteuse par bit stocké que les technologies de mémoire externes.

La startup affirme que son architecture multi-puces rend cet apparent désavantage gérable. Plutôt que de placer un grand modèle entier à côté d’un seul processeur, X-1 répartirait le modèle sur de nombreuses puces et baies. Chaque puce stockerait et exécuterait la section qui lui est attribuée.

OLIX indique que DX-1 ne nécessitera ni HBM ni packaging avancé. Ce choix pourrait réduire l’exposition aux chaînes d’approvisionnement dominées par les fournisseurs d’accélérateurs établis. De précédentes informations sur OLIX ont identifié l’évitement des composants soumis à des contraintes comme un élément central de la stratégie de l’entreprise.

Cette conception distingue également OLIX des autres propositions d’informatique photonique. La photonique consiste à utiliser la lumière pour la communication ou le calcul. Dans X-1, la technologie optique relie principalement les processeurs, tandis que les circuits électroniques effectuent le calcul programmable.

Cette conception hybride évite de parier entièrement sur l’arithmétique optique. Elle exige toujours qu’OLIX intègre des lasers, des puces électroniques, du réseau, des logiciels compilateurs et une gestion thermique dans une baie fiable. Chaque élément affecte la disponibilité du système et le rendement de fabrication.

L’entreprise affirme que DX-1 dépassera 10 000 tokens par seconde pour chaque utilisateur sur des modèles comptant 100 milliards de paramètres. Elle revendique aussi un débit de tokens de sortie par watt supérieur à celui de processeurs généralistes fonctionnant avec de grandes tailles de lots.

OLIX indique en outre que son architecture peut évoluer vers des modèles comptant 10 000 milliards de paramètres ou davantage. Il s’agit de projections de l’entreprise, et non de résultats clients reproduits indépendamment. L’annonce ne précise pas toutes les conditions de modèle, de précision, de latence, d’utilisation ou de consommation électrique sous-jacentes aux comparaisons.

Ces conditions manquantes sont cruciales. Les performances d’inférence évoluent selon la longueur des entrées, la longueur des sorties, la taille des lots, la précision numérique, l’architecture du modèle et la latence acceptable. Un résultat optimisé pour une combinaison donnée peut ne pas décrire le trafic de production typique.

Les « tokens par seconde par utilisateur » peuvent mesurer l’interactivité, mais les opérateurs s’intéressent aussi au débit total d’une baie. Ils doivent équilibrer la réactivité avec le nombre de requêtes simultanées servies. L’efficacité énergétique compte à la fois au niveau de la puce et de l’installation.

L’ensemble de comparaison importe également. Un système de décodage spécialisé peut sembler performant face à un processeur généraliste qui gère chaque étape de l’inférence. La question opérationnelle est de savoir si la baie OLIX complète surpasse un déploiement hétérogène optimisé une fois le réseau, la capacité inactive, les logiciels et le refroidissement pris en compte.

Le manifeste sur l’inférence d’OLIX présente une argumentation cohérente pour remettre en question l’architecture dominante. Il ne dispense pas de mesures reproductibles. Les preuves les plus convaincantes viendront de racks complets exécutant des modèles actuels dans des conditions réalistes d’exigences de niveau de service.

La Partie Difficile Commence Après le Retour des Premiers Puces

OLIX doit prouver que l’efficacité architecturale résiste à la fabrication, à l’évolution des modèles et à la variabilité quotidienne de l’inférence en production.

La première incertitude concerne l’exécution sur silicium. Les calendriers des semi-conducteurs peuvent glisser en raison d’erreurs de conception, de problèmes de fabrication, de contraintes de packaging ou de faibles rendements. OLIX doit coordonner des processeurs sur mesure et des composants optiques, ce qui accroît le nombre de dépendances avant la livraison aux clients.

Éviter la HBM n’élimine pas le risque lié à la chaîne d’approvisionnement. L’entreprise a toujours besoin de capacité de fonderie, de substrats, de lasers, d’assemblage optique, d’équipements de test, de composants réseau et de fabrication de racks. Sa conception déplace simplement la pression vers un autre ensemble de fournisseurs et de procédés.

La deuxième incertitude est logicielle. L’avantage de Nvidia comprend des compilateurs matures, des kernels optimisés, des outils de débogage et des frameworks familiers aux développeurs. Une nouvelle architecture doit offrir une voie logicielle permettant aux clients de déployer des modèles sans reconstruire toute leur activité d’inférence.

OLIX affirme qu’un compilateur déterministe planifiera les charges de travail sur ses racks. La planification déterministe signifie que le système organise les opérations et les communications de façon prévisible au lieu de les attribuer dynamiquement. Cela peut réduire les surcoûts de coordination, mais aussi rendre les variations de trafic plus difficiles à absorber.

Les requêtes de production arrivent rarement en lots propres et uniformes. Les longueurs de prompts varient. Les longueurs de sortie sont imprévisibles. Les modèles appellent des outils, réutilisent du contexte mis en cache et servent des utilisateurs ayant des attentes de latence différentes. L’utilisation du matériel peut chuter lorsqu’un pipeline attend son étape la plus lente.

Cela crée un problème classique de chaîne de production. La spécialisation améliore le débit lorsque le travail s’écoule régulièrement, mais les goulets d’étranglement peuvent laisser d’autres étapes inactives. OLIX doit démontrer que son compilateur équilibre des requêtes diverses tout en préservant l’efficacité promise par l’architecture.

L’évolution des modèles crée un autre défi. Les systèmes de mélange d’experts activent différents sous-ensembles d’un modèle pour chaque token. Les modèles multimodaux combinent texte, images, audio et vidéo. Le décodage spéculatif utilise des modèles plus petits pour proposer des sorties qu’un modèle plus grand vérifie.

Chaque technique modifie les calculs et les mouvements de données. OLIX affirme que son interconnexion flexible peut suivre ces changements sans figer un modèle dans le matériel. Les clients auront besoin de preuves que les mises à jour ne nécessitent ni un long travail de compilation ni un nouveau silicium.

La fiabilité compte également à l’échelle du rack. Un système réparti entre de nombreux processeurs peut perdre davantage de travail lorsqu’un composant tombe en panne. OLIX a besoin de mécanismes d’isolation des pannes, de redondance, de supervision et de récupération qui maintiennent le service pendant les erreurs matérielles.

Vient ensuite le test économique. Les clients calculent le coût total de possession en tenant compte des équipements, de l’énergie, du réseau, du refroidissement, des logiciels, des effectifs, de la maintenance et de l’utilisation. Une puce plus rapide ne crée pas automatiquement un service moins coûteux.

Nvidia peut également réagir. L’acteur historique continue d’améliorer les logiciels dédiés à l’inférence, les calculs à plus faible précision, le réseau et les conceptions de racks. Les hyperscalers développent leurs propres accélérateurs, tandis que des startups comme Cerebras, Groq, d-Matrix et Fractile poursuivent d’autres approches spécialisées.

Ce marché encombré donne aux acheteurs un pouvoir de négociation. Il signifie également que le concurrent d’OLIX au moment du déploiement ne sera peut-être pas le système Nvidia disponible lorsque X-1 a été conçu. La comparaison pertinente se fera avec les produits livrés fin 2027.

Le soutien public peut prolonger la marge de manœuvre de la startup. Le plan britannique pour le matériel d’IA privilégie les entreprises nationales de calcul et l’accès aux infrastructures publiques. Toutefois, l’appui des politiques publiques ne peut se substituer à la validation par les clients ou à une fabrication reproductible.

OLIX a formulé des affirmations techniquement précises, ce qui est préférable à des promesses vagues. Ces affirmations établissent désormais une charge de la preuve tout aussi précise.

Trois Signaux Montreront Si OLIX Offre une Véritable Alternative à Nvidia

Du matériel livré aux clients, des benchmarks définis indépendamment et des commandes répétées détermineront si OLIX devient un fournisseur d’infrastructure ou reste une coûteuse expérience architecturale.

Le premier signal est un rack DX-1 fonctionnel livré dans les délais. OLIX a fixé le second semestre 2027 comme objectif pour ses clients. D’ici là, les annonces de tape-out, les résultats du premier silicium, les démonstrations de racks et les partenaires de lancement nommés montreront si le développement reste sur la bonne voie.

Une démonstration en laboratoire ne suffira pas. Le système devra exécuter en continu des modèles actuels, se remettre de pannes et s’intégrer aux logiciels de serving déjà utilisés par les clients. Les preuves issues d’un environnement client auront plus de poids qu’une nouvelle projection.

Le deuxième signal est un benchmark présentant des conditions de test complètes. Les lecteurs devraient rechercher les noms des modèles, le nombre de paramètres, la précision numérique, les longueurs de prompts, les longueurs de sortie, les tailles de lots, les objectifs de latence, la puissance du rack et la configuration complète du système.

L’affirmation phare d’OLIX, soit plus de 10 000 tokens par seconde et par utilisateur, paraît frappante. Sa signification dépend de ces détails. Une réplication indépendante renforcerait la crédibilité de l’entreprise, tandis que des conditions restrictives ou l’omission de la puissance totale du système l’affaibliraient.

Les comparaisons utiles doivent mesurer à la fois la réactivité et le débit global. Une plateforme peut produire rapidement un flux tout en servant trop peu d’utilisateurs simultanés. Elle peut aussi maximiser le total de tokens tout en imposant à chaque utilisateur un délai inacceptable.

Le troisième signal est l’expansion commerciale après la première installation. Un pilote montre qu’un acheteur souhaite évaluer la technologie. Une commande répétée montre que le système a apporté suffisamment de valeur pour justifier un changement opérationnel.

Une demande répétée indiquerait également que l’organisation logicielle et de support d’OLIX peut servir des clients en production. Les performances matérielles seules ne bâtissent pas une activité d’infrastructure. Les acheteurs ont besoin de livraisons prévisibles, de maintenance, de mises à jour de sécurité, de support des modèles et d’une feuille de route produit crédible.

L’investissement d’Arm mérite de l’attention dans le cadre de ce test commercial. Arm peut apporter des relations techniques et une expérience de la licence de technologies de processeur sur un vaste marché. Une future collaboration, des mises en relation avec des clients ou des composants de conception divulgués rendraient son rôle stratégique plus clair.

La réponse de Nvidia sera visible à travers ses feuilles de route produit et l’économie de l’inférence. L’entreprise n’a pas besoin d’imiter OLIX. Elle doit seulement améliorer suffisamment vite les tokens par watt, la latence et le coût de déploiement pour réduire l’ouverture qu’OLIX cherche à exploiter.

C’est pourquoi l’histoire Nvidia Techmeme ne devrait pas être réduite à un concours de financement entre startup et acteur historique. OLIX teste l’idée selon laquelle l’inférence IA devrait devenir un pipeline de machines spécialisées plutôt que de rester concentrée sur des accélérateurs généralistes.

Si ce modèle de chaîne de production fonctionne, les développeurs et les acheteurs en entreprise pourraient disposer d’une nouvelle voie vers une inférence à plus faible latence. Davantage de tokens disponibles pourraient prendre en charge des charges de travail de raisonnement plus longues, des populations d’utilisateurs plus importantes et des applications aujourd’hui trop coûteuses à servir.

S’il échoue, les causes probables seront instructives. La communication optique pourrait ne pas compenser les surcoûts de coordination. La capacité SRAM pourrait imposer une économie de mise à l’échelle difficile. Le compilateur pourrait peiner face à des charges de travail variables, ou la plateforme plus large de Nvidia pourrait progresser plus vite qu’OLIX ne peut atteindre la production.

Le financement offre suffisamment de marge de manœuvre pour chercher ces réponses. Il ne les tranche pas. La réponse la plus utile aux titres Nvidia Techmeme est donc simple : observez les racks, examinez les conditions des benchmarks et attendez de voir les clients commander une deuxième fois.