Il finanziamento di Delos Data destina 100 milioni di dollari a una nuova scommessa sul networking AI
Delos Data ha raccolto oltre 100 milioni di dollari per affrontare un problema costoso nei data center AI: processori che perdono tempo in attesa dei dati. Il round di finanziamento di Delos Data sostiene chip, software e progetti di sistema pensati per connettere insiemi sempre più eterogenei di hardware AI.
La startup non propone semplicemente un altro cavo più veloce. Vuole coordinare il movimento dei dati tra acceleratori, memoria, storage, switch e collegamenti ottici. La sua proposta rappresenta quindi una sfida alle infrastrutture costruite attorno a piattaforme di calcolo strettamente integrate.
Nvidia rimane il punto di riferimento più evidente. Le sue GPU, le connessioni NVLink, i prodotti di networking e il software formano uno stack coordinato con implementazioni già collaudate. Delos Data scommette che l'infrastruttura per l'inferenza diventerà troppo eterogenea perché un'architettura incentrata su un unico fornitore possa rispondere a ogni scenario di implementazione.
È una scommessa ambiziosa per un'azienda fondata nel 2025. Spiega anche perché gli investitori stiano mettendo capitali consistenti dietro questa idea prima che Delos abbia fornito risultati prestazionali ampi e verificati in modo indipendente.
Il round di finanziamento di Delos Data sostiene un approccio di sistema completo
L'investimento fornisce a Delos Data le risorse per sviluppare diversi prodotti interdipendenti, non soltanto un chip di networking autonomo.
Delos ha annunciato il finanziamento il 15 settembre 2026. Il suo annuncio del finanziamento identifica Matrix, Playground, Socratic Partners, Capricorn’s Technology Impact Fund, Matter Venture Partners e IAG tra gli investitori.
Reuters ha inoltre indicato DYNAMIQ come partecipante. L'agenzia ha descritto l'azienda come una startup fondata da veterani di Intel che sviluppa chip e software per spostare dati all'interno dei data center AI.
Socratic Partners ha dichiarato di aver guidato il round di Serie A. Secondo la società di investimento, il general partner e cofondatore Christian Gallagher entrerà nel consiglio di amministrazione di Delos Data.
L'azienda afferma che utilizzerà i fondi per ampliare i team di ingegneria hardware e software. Prevede inoltre di accelerare lo sviluppo dei prodotti e le vendite. Questi obiettivi sono rilevanti perché Delos sta cercando di fornire componenti su più livelli dello stack infrastrutturale.
Il portafoglio si chiama Nonstop AI. Include un'interfaccia dati, un'architettura server, un progetto di cluster, software di gestione e un'architettura di riferimento che connette questi elementi.
Un'architettura di riferimento è un progetto documentato di sistema che mostra ai clienti come i componenti dovrebbero funzionare insieme. Può ridurre il lavoro di integrazione, ma non equivale a un sistema commerciale ampiamente implementato.
La nuova Nonstop AI Data Interface è il fulcro hardware. Delos prevede di offrirla come chiplet I/O, componente di ottica near-packaged e scheda aggiuntiva.
Un chiplet I/O è un piccolo componente in silicio che aggiunge connettività a un pacchetto processore più grande. L'ottica near-packaged colloca la comunicazione ottica vicino al silicio di calcolo, riducendo la distanza elettrica che i dati devono percorrere.
La versione su scheda offre una modalità di implementazione più convenzionale. Consentirebbe a un integratore di sistemi di aggiungere la tecnologia senza riprogettare il pacchetto di un acceleratore.
Delos afferma che queste soluzioni possono connettere GPU, altri acceleratori, CPU, storage flash e memoria. L'obiettivo più ampio è creare un unico dominio gestito per il movimento dei dati tra diversi tipi di endpoint.
Questa portata distingue la proposta di networking AI di Delos Data da un prodotto di interfaccia circoscritto. L'azienda vuole influenzare contemporaneamente il packaging del silicio, i server, i cluster, il software e la gestione operativa.
Un ambito così ampio crea anche rischi di esecuzione. Ogni endpoint supportato, mezzo fisico e topologia di rete aggiunge un ulteriore percorso di integrazione che gli ingegneri devono testare.
Il finanziamento cambia quindi più del saldo bancario dell'azienda. Finanzia il tentativo di dimostrare che un fornitore indipendente possa coordinare un'infrastruttura che si estende dal pacchetto di un chip a un grande cluster.
Il round dà inoltre a Delos il tempo di coinvolgere potenziali clienti prima che la sua architettura diventi ampiamente disponibile. Nei mercati dell'infrastruttura, le decisioni progettuali possono vincolare i clienti a una piattaforma per diverse generazioni hardware.
Questo rende particolarmente importante l'accesso anticipato per l'ingegneria. Un hyperscaler o un progettista di acceleratori deve valutare un'interconnessione molto prima che il sistema produttivo risultante arrivi in un data center.
Il round da 100 milioni di dollari offre a Delos una concreta opportunità di entrare in queste valutazioni. Non garantisce che la sua tecnologia le supererà.
Perché l'hardware AI misto sta creando un'opportunità per il networking
Delos punta al divario tra processori AI sempre più diversificati e le reti chiamate a mantenerli operativi.
Le prime implementazioni di AI generativa si concentravano spesso sull'addestramento di grandi modelli con gruppi omogenei di GPU Nvidia. Ripetere un elemento costruttivo ben compreso semplificava la scelta dell'hardware, il networking e il supporto software.
L'inferenza modifica il carico di lavoro. L'inferenza è il processo di esecuzione di un modello addestrato per generare risposte, previsioni o azioni per gli utenti.
Le applicazioni agentiche lo complicano ulteriormente. Un agente AI può effettuare chiamate ripetute al modello, recuperare informazioni, utilizzare strumenti e mantenere uno stato mentre completa un'attività in più passaggi.
Queste applicazioni non mantengono necessariamente occupato un unico gruppo identico di GPU con un modello di comunicazione prevedibile. Possono spostare il lavoro tra acceleratori, CPU, pool di memoria, sistemi di storage e diversi modelli.
Reuters ha riferito che alternative di AMD e Cerebras hanno guadagnato terreno mentre i data center spostano maggiore attenzione verso l'inferenza. Nvidia stessa offre più tipi di processori per carichi di lavoro differenti.
Una maggiore scelta di processori può migliorare costi, disponibilità o aderenza al carico di lavoro. Costringe però anche gli operatori dell'infrastruttura a collegare componenti che non sono stati progettati come un unico sistema integrato.
Delos chiama questa combinazione MoXI, abbreviazione di una miscela di interconnessioni, acceleratori, memoria, storage, livelli fisici, topologie, reti e modelli. L'etichetta è proprietaria, ma il problema di integrazione alla base è reale.
Quando un processore attende parametri, dati memorizzati nella cache o risultati provenienti da un altro dispositivo, le sue costose unità aritmetiche rimangono sottoutilizzate. Il consumo energetico continua anche quando il calcolo utile rallenta.
L'ex CEO di Intel Pat Gelsinger, oggi partner di Playground, ha illustrato il problema in modo diretto nei dettagli del finanziamento. I computer che non riescono a comunicare efficacemente diventano hardware caldo che consuma energia mentre attende, ha dichiarato a Reuters.
Il CEO di Delos Ed Doe e il CTO Dan Daly apportano esperienza pertinente a questa tesi. Entrambi hanno lavorato nel networking e nel silicio prima di fondare l'azienda di Palo Alto.
I loro percorsi includono Intel e Barefoot Networks, l'azienda di networking programmabile acquisita da Intel nel 2019. La stampa di settore collega inoltre il team a Broadcom, Fulcrum Microsystems e diversi sforzi per interconnessioni aperte.
Questa esperienza conta perché le prestazioni di un cluster AI implicano molto più della sola larghezza di banda grezza. Gli ingegneri devono controllare congestione, latenza, instradamento, operazioni collettive, guasti e visibilità software.
La larghezza di banda misura quanti dati può trasportare una connessione. La latenza misura quanto tempo richiede l'avvio o il completamento di un trasferimento. Un sistema può dichiarare una larghezza di banda elevata e tuttavia offrire scarse prestazioni in presenza di congestione o di trasferimenti piccoli e frequenti.
L'affidabilità diventa più difficile da garantire man mano che i cluster crescono. Più processori, switch, cavi e componenti ottici creano più occasioni di guasto per un collegamento o un endpoint.
I job di addestramento possono salvare checkpoint dei progressi e riavviarsi dopo alcuni guasti. Gli agenti rivolti agli utenti devono rispettare uno standard diverso, perché risposte ritardate o perse incidono direttamente su un'applicazione.
Delos sostiene che l'infrastruttura esistente sia stata costruita attorno a precedenti carichi di lavoro cloud, di calcolo ad alte prestazioni o di addestramento. Il suo sistema parte dal movimento dei dati per un'inferenza eterogenea e persistente.
Questa tesi offre all'azienda un'apertura tempestiva. Non dimostra che i clienti abbiano bisogno di un'architettura completamente nuova anziché di versioni migliorate delle reti esistenti.
Come Delos Nonstop AI dovrebbe spostare i dati
Delos Nonstop AI considera la rete come un livello di sistema attivo che coordina gli endpoint, anziché come un insieme di collegamenti indipendenti.
L'architettura dell'azienda combina interfacce hardware con software che osserva e gestisce il percorso dei dati. Il suo obiettivo è spostare informazioni tra calcolo, memoria e storage, nascondendo parte della complessità sottostante.
Daly ha riassunto prudentemente la strategia nella sua intervista a Reuters. Ha affermato che l'azienda non sa quale architettura infrastrutturale dominerà l'AI agentica, ma intende offrire un modo rapido per spostare i dati.
Questa incertezza è centrale nel progetto. Anziché presumere che prevarrà un singolo acceleratore, una tecnologia di collegamento o una topologia, Delos costruisce attorno a implementazioni miste.
L'interfaccia dati offre agli endpoint un modo per entrare in questo dominio gestito. Secondo la descrizione del prodotto dell'azienda, sarà disponibile in tre forme fisiche.
Il chiplet potrebbe essere collocato all'interno di un pacchetto di acceleratore e garantire l'integrazione più stretta. Delos afferma che questa versione può offrire 30 terabit al secondo di larghezza di banda.
Questa cifra è una specifica dell'azienda, non un benchmark riprodotto in modo indipendente. L'integrazione del chiplet richiederebbe inoltre la collaborazione del progettista del processore prima della produzione.
L'ottica near-packaged offre un'altra strada. Avvicinare i componenti ottici al processore può ridurre la lunghezza del collegamento elettrico, supportando al contempo comunicazioni oltre il singolo server.
La versione su scheda dovrebbe richiedere un coordinamento minore a livello di silicio. Tuttavia, le connessioni basate su schede incontrano limiti propri legati alle interfacce host, alla progettazione della scheda, all'alimentazione, al raffreddamento e allo spazio fisico.
Delos abbina l'interfaccia al proprio Nonstop AI Server. L'azienda lo descrive come un progetto di server scale-up disaggregato.
Il networking scale-up collega gli acceleratori abbastanza strettamente da permettere al software di trattarli come un unico dominio di calcolo più grande. Il networking scale-out connette server o rack separati all'interno di un cluster più ampio.
La disaggregazione consente agli operatori di comporre sistemi a partire da pool separati di calcolo, memoria o storage. Può migliorare la flessibilità, sebbene ogni separazione crei un ulteriore movimento di dati.
Delos offre inoltre Nonstop AI Clusters e il software Mosaic. Mosaic monitora il comportamento delle comunicazioni ed è progettato per identificare colli di bottiglia in un dominio scale-up.
Al Computex di maggio 2026, Delos ha dimostrato il monitoraggio dei carichi di lavoro AI con Mosaic. L'azienda ha dichiarato che le implementazioni software ad accesso anticipato erano disponibili per clienti selezionati, con una disponibilità più ampia prevista per il quarto trimestre.
L'ultimo lancio aggiunge un'architettura di riferimento che collega questi elementi. Delos afferma che il progetto è destinato a cluster contenenti centinaia di migliaia di dispositivi, anziché un singolo rack o un piccolo gruppo.
Sostiene che l'interfaccia dati possa offrire una latenza dieci volte inferiore e un'efficienza dieci volte superiore. Un'altra dichiarazione dell'azienda descrive miglioramenti di dieci volte in prestazioni, resilienza e scala.
Questi numeri richiedono un esame attento. Delos non ha pubblicato abbastanza dati di test indipendenti per mostrare la base di confronto, i carichi di lavoro, le configurazioni o le condizioni di guasto alla base di ogni paragone.
“Dieci volte” può significare cose diverse quando un unico progetto modifica contemporaneamente hardware, software, topologia e collocazione dei carichi di lavoro. Gli acquirenti avranno bisogno di risultati a livello di componente e di sistema.
L'azienda afferma inoltre che il sistema può ridurre il costo per token e migliorare i token per watt. Sono misure operative utili perché collegano il comportamento dell'infrastruttura alla produzione e al consumo energetico.
Tuttavia, entrambe le metriche dipendono dal modello, dalla dimensione del batch, dalla precisione, dall'obiettivo di latenza, dall'utilizzo del processore e dalle ipotesi sul costo dell'elettricità. Un risultato favorevole in un carico di lavoro non si trasferisce automaticamente a un altro.
Delos Nonstop AI, spiegato a livello di sistema, è dunque una proposta di coordinamento. Mira a mantenere produttivi processori eterogenei controllando l'intero percorso che trasporta i loro dati.
Il meccanismo è plausibile. La questione irrisolta è se Delos possa offrire vantaggi misurabili sufficienti a giustificare l'introduzione di un ulteriore livello infrastrutturale.
La principale competizione è tra integrazione e flessibilità
Delos non compete con un singolo cavo o switch; sfida piattaforme strettamente integrate con un livello di coordinamento indipendente dall'hardware.
Nvidia dimostra i vantaggi dell'integrazione. Sviluppa acceleratori, NVLink, NVSwitch, adattatori di rete, switch, software di gestione, librerie e modelli ottimizzati.
L'azienda descrive NVLink come un'interconnessione GPU diretta e bidirezionale. I sistemi attuali la utilizzano per creare un dominio di comunicazione ad alta larghezza di banda tra più acceleratori.
Questo approccio riduce il numero di fornitori responsabili delle prestazioni del sistema. Nvidia può coordinare il comportamento dei processori, le funzioni degli switch, le librerie software e i sistemi di riferimento.
L'integrazione offre inoltre ai clienti un percorso di supporto chiaro. Quando ogni componente principale proviene da un unico fornitore di piattaforma, sono meno le organizzazioni che possono attribuirsi reciprocamente la colpa di un problema di prestazioni.
Il compromesso è la possibilità di scelta. Un operatore di data center che desideri combinare GPU Nvidia con acceleratori AMD, processori personalizzati o chip specializzati per l'inferenza necessita di connessioni esterne a un unico dominio proprietario.
Nvidia ha risposto estendendo la propria piattaforma. NVLink Fusion consente ai partner di combinare determinati processori personalizzati con la tecnologia di interconnessione e il silicio per switch di Nvidia.
Questa risposta ridimensiona la semplice argomentazione secondo cui i clienti debbano scegliere tra un sistema esclusivamente Nvidia e un'alternativa completamente aperta. Nvidia può offrire personalizzazione controllata preservando gran parte della propria architettura integrata.
Gli standard industriali aperti creano un altro percorso competitivo. UALink Consortium promuove una connessione scale-up aperta per gli acceleratori AI.
Il consorzio è stato costituito nel 2024 e ha pubblicato la sua prima specifica pubblica nel 2025. Il suo obiettivo dichiarato è consentire a un ecosistema industriale di realizzare connessioni compatibili da acceleratore ad acceleratore.
Per la comunicazione tra cluster più grandi, Ultra Ethernet Consortium ha pubblicato Specification 1.0 nel giugno 2025. Essa adatta l'ecosistema Ethernet ampiamente diffuso all'AI e al calcolo ad alte prestazioni.
Questi progetti indeboliscono l'idea che i fornitori di networking esistenti stiano ignorando i carichi di lavoro AI. Creano inoltre standard che Delos può supportare anziché sostituire.
I dirigenti di Delos hanno partecipato a lavori che coinvolgono Ultra Ethernet e UALink. L'azienda presenta la propria architettura come un modo per coordinare questi collegamenti e altre tecnologie nell'intero sistema.
È qui che la tesi di networking Delos Data AI diventa più interessante. Non richiede che Delos sconfigga ogni standard o connessione fisica.
L'azienda deve invece diventare il livello che consente a molti di essi di operare insieme in modo efficiente. Il suo valore deriverebbe da composizione, visibilità, resilienza e movimento dei dati consapevole dei carichi di lavoro.
Questa posizione comporta un rischio strategico. Standard e piattaforme consolidate possono assorbire funzioni simili, lasciando meno spazio a un livello di coordinamento indipendente.
I fornitori di switch Ethernet aggiungono già controllo della congestione, telemetria, bilanciamento del carico e funzionalità specifiche per i carichi di lavoro. I fornitori di acceleratori possono integrare motori di comunicazione direttamente nei propri processori.
Anche i provider cloud possono realizzare software infrastrutturale personalizzato. La loro scala giustifica investimenti ingegneristici che i clienti più piccoli non possono sostenere.
Delos deve quindi dimostrare qualcosa di più dell'interoperabilità. Deve mostrare che i suoi chip e il suo software producono risultati che i concorrenti non possono eguagliare con miglioramenti incrementali.
L'opportunità più forte risiede nei clienti che hanno realmente bisogno di un'infrastruttura eterogenea. Questi acquirenti potrebbero combinare più famiglie di acceleratori per ragioni di approvvigionamento, requisiti dei modelli o programmi interni di silicio.
Un'implementazione Nvidia omogenea presenta un calcolo diverso. Se il suo carico di lavoro offre già buone prestazioni, aggiungere un'interfaccia indipendente e un livello di gestione potrebbe creare complessità senza sufficienti benefici.
Questa distinzione dovrebbe orientare l'adozione. Delos non ha bisogno che ogni cluster AI diventi eterogeneo, ma ha bisogno che un numero sufficiente di grandi acquirenti privilegi la flessibilità rispetto alla semplicità di una singola piattaforma.
Ciò che le dichiarazioni sulle prestazioni non mostrano ancora
Il finanziamento convalida l'interesse degli investitori, ma non convalida in modo indipendente le affermazioni di Delos Data su latenza, efficienza, resilienza o aspetti economici.
Delos ha pubblicato diversi obiettivi ambiziosi. Includono una latenza dieci volte inferiore, un'efficienza dieci volte superiore e domini di endpoint sostanzialmente più grandi.
L'azienda prevede inoltre che la domanda di token per l'inferenza AI crescerà di circa 300 volte entro il 2030. Afferma che l'inferenza agentica rappresenterà la maggior parte di tale incremento.
Questa previsione spiega l'urgenza della sua narrazione. Non dovrebbe essere considerata una curva di domanda garantita senza una metodologia divulgata e una conferma indipendente.
La stessa cautela si applica ai confronti sulle prestazioni. Una valutazione credibile deve identificare il sistema concorrente, le generazioni dei componenti, la topologia, il carico di lavoro, la versione software e il metodo di misurazione.
I risultati di latenza richiedono distribuzioni, non solo medie. Un sistema che serve agenti interattivi deve controllare gli outlier lenti, perché una dipendenza ritardata può bloccare un'intera risposta.
Anche i risultati sull'efficienza richiedono confini chiari. Una misurazione potrebbe coprire solo il silicio di networking, un server completo o l'intero cluster.
La potenza utilizzata da moduli ottici, switch, apparecchiature di raffreddamento e acceleratori inattivi può modificare materialmente il risultato. Escludere una categoria può far apparire due sistemi più diversi di quanto siano.
La resilienza richiede test di guasto. Gli acquirenti dovrebbero vedere come la piattaforma gestisce un collegamento, uno switch, un'interfaccia, un componente ottico o un endpoint guasto mentre i carichi di lavoro restano attivi.
Il tempo di ripristino è importante quanto il ripristino stesso. Una rete che reindirizza il traffico alla fine potrebbe comunque violare i requisiti sui tempi di risposta di un servizio AI interattivo.
La scala introduce un ulteriore problema di verifica. Una dimostrazione di laboratorio non può riprodurre ogni schema di congestione o guasto dei componenti riscontrato in un cluster contenente migliaia di acceleratori.
Delos afferma che la sua architettura può estendersi ben oltre un rack. I clienti avranno bisogno di prove che l'overhead di gestione e la tail latency restino sotto controllo con la crescita della rete.
Dovranno inoltre sapere quali parti sono effettivamente in fase di commercializzazione. Un'architettura di riferimento, un'anteprima software, una scheda prototipo, un chiplet concedibile in licenza e un dispositivo qualificato per la produzione rappresentano livelli di maturità molto diversi.
La finestra di disponibilità pianificata per il quarto trimestre offre un primo test. Delos dovrebbe chiarire quali prodotti diventeranno ampiamente disponibili, in quali quantità e con quali processori supportati.
La divulgazione dei clienti offrirebbe un altro segnale utile. Implementazioni con nomi dichiarati, anche limitate, mostrerebbero che team di ingegneria esterni hanno iniziato a integrare la tecnologia.
Tuttavia, il solo logo di un cliente non dimostrerebbe l'uso in produzione. Le prove più forti includerebbero la scala implementata, il tipo di carico di lavoro, i miglioramenti misurati e la durata operativa.
La produzione è un'altra incertezza. Il silicio di networking deve passare dalla progettazione alla fabbricazione, al packaging, alla validazione e alla qualificazione di sistema.
La strategia dei tre formati moltiplica questi percorsi. I chiplet necessitano di partner per i processori, l'ottica necessita di partner di packaging e ottica, e le schede necessitano della qualificazione dei server.
Il software non può essere separato da questo lavoro. Mosaic deve osservare endpoint di più fornitori e fornire un controllo utile senza diventare un ulteriore collo di bottiglia operativo.
Anche la sicurezza merita attenzione. Un livello con visibilità sul traffico di calcolo, memoria e storage occupa una posizione sensibile all'interno del data center.
Delos avrà bisogno di chiari controlli di isolamento, autenticazione, aggiornamento firmware e telemetria. Gli acquirenti dovrebbero aspettarsi questi dettagli prima di concedere alla piattaforma un ampio accesso operativo.
Nessuna di queste domande smentisce l'architettura. Identificano le prove necessarie per portare Delos Nonstop AI explained da una tesi ingegneristica credibile a un prodotto dimostrato.
Il finanziamento fornisce risorse per questa transizione. Aumenta inoltre le aspettative, perché l'azienda ora dispone di capitale sufficiente per affrontare una validazione più rigorosa.
Tre segnali determineranno se la scommessa funziona
Il prossimo test non è un altro annuncio di finanziamento; è verificare se Delos trasforma la propria architettura in implementazioni misurate, supportate e ripetibili.
Il primo segnale è l'ampia disponibilità dei prodotti durante il quarto trimestre del 2026. Delos aveva dichiarato in precedenza che un accesso più esteso sarebbe seguito alle prime implementazioni software.
Gli acquirenti dovrebbero osservare quali componenti vengono effettivamente spediti. La disponibilità del solo Mosaic avrebbe meno peso rispetto a schede di produzione, ottiche qualificate o un partner chiplet impegnato.
Un lancio con combinazioni hardware supportate rafforzerebbe l'affermazione dell'azienda di poter coordinare infrastrutture eterogenee. Un ritardo o un'anteprima limitata la indebolirebbero.
Il secondo segnale è la divulgazione di benchmark riproducibili. Delos dovrebbe pubblicare configurazioni, carichi di lavoro, baseline, distribuzioni della latenza, confini di potenza e comportamento in caso di guasto alla base delle sue affermazioni principali.
Test indipendenti conterebbero più di un'altra dimostrazione controllata dall'azienda. Risultati su diversi tipi di acceleratori metterebbero direttamente alla prova l'argomentazione sulla flessibilità dell'architettura.
Benchmark che mostrassero guadagni solo in una topologia accuratamente selezionata restringerebbero l'opportunità. Risultati su modelli di inferenza, dimensioni dei batch e condizioni di guasto sosterrebbero una tesi più ampia.
Il terzo segnale è un cliente di produzione o un partner per il silicio con nome dichiarato. Un hyperscaler, un progettista di acceleratori, un produttore di server o un grande operatore AI fornirebbe una significativa convalida esterna.
Le prove migliori identificherebbero lo scopo e la scala dell'implementazione. Un fornitore di processori che integrasse il chiplet Delos sarebbe particolarmente significativo, perché tale decisione viene presa prima della fabbricazione del silicio.
Una valutazione limitata non deve essere confusa con l'adozione in produzione. Tuttavia, mostrerebbe se ingegneri esterni considerano il progetto sufficientemente maturo per costosi lavori di qualificazione.
Le risposte dei concorrenti sono rilevanti come contesto di supporto. Nvidia, i partecipanti a UALink, i fornitori Ethernet e altre startup di networking continueranno a migliorare i propri prodotti.
Tuttavia, Delos non vince semplicemente perché cresce l'infrastruttura eterogenea. Vince solo se i clienti scelgono il suo livello di coordinamento rispetto a componenti basati su standard, ingegneria interna o piattaforme integrate.
Il round di finanziamento di Delos Data ha acquistato l'opportunità di dimostrare questo caso. Non ha risolto la questione se una nuova architettura di rete possa superare uno stack maturo e coordinato nelle operazioni quotidiane.
Per i team infrastrutturali, la domanda pratica è ora concreta: i prossimi risultati mostrano una latenza inferiore, un utilizzo più elevato e un migliore recupero dai guasti su hardware misto?
Seguite le uscite del quarto trimestre, la metodologia di benchmark e le prime implementazioni rese note. Questi segnali riveleranno se il networking AI di Delos Data diventerà infrastruttura o resterà un ambizioso progetto.
