I finanziamenti di Delos Data superano i 100 milioni di dollari, sfidando il modello di networking AI di Nvidia

I finanziamenti di Delos Data hanno superato i 100 milioni di dollari, mentre la startup fondata da ex Intel punta a una rete progettata per l'inferenza AI con chip misti. Il finanziamento fornisce a Delos le risorse per sviluppare silicio, server e software attorno a un'ipotesi complessa: i futuri cluster AI conterranno più di un'architettura di acceleratori e le loro reti dovranno far funzionare questi componenti come un sistema coordinato.

Questa ipotesi sfida il modello verticalmente integrato che ha reso Nvidia il fornitore predefinito per molte delle prime installazioni AI. Nvidia combina GPU, connessioni NVLink, switch, apparecchiature di rete, software e progetti a livello di rack. Delos, invece, vuole consentire agli operatori infrastrutturali di connettere acceleratori diversi, sistemi di memoria, dispositivi di storage, cavi, switch e topologie fisiche.

La sfida immediata non è semplicemente Delos Data contro Nvidia. È la flessibilità contro una piattaforma consolidata, la cui integrazione riduce il rischio di implementazione. Delos deve dimostrare che una rete AI eterogenea può offrire prestazioni comparabili senza diventare più difficile da implementare, ottimizzare o mantenere.

I finanziamenti di Delos Data sostengono uno stack di networking completo

Il finanziamento trasforma Delos Data da una proposta architetturale in un tentativo concreto di costruire uno stack alternativo di interconnessione AI.

Delos ha annunciato il round il 15 settembre 2026. L'azienda di Palo Alto ha dichiarato di aver raccolto oltre 100 milioni di dollari da Matrix, Playground, Socratic Partners e Technology Impact Fund di Capricorn.

Hanno partecipato anche Matter Venture Partners, IAG, DYNAMIQ e singoli dirigenti tecnologici. L'azienda non ha divulgato una valutazione né identificato il round secondo una fase convenzionale.

Secondo l'annuncio del finanziamento dell'azienda, il capitale sosterrà lo sviluppo dei prodotti e l'espansione dei team di ingegneria hardware e software. Delos utilizza il finanziamento per lanciare una raccolta di prodotti sotto il nome Nonstop AI.

L'amministratore delegato Ed Doe e il direttore tecnologico Dan Daly hanno cofondato Delos dopo carriere in Intel. Le loro esperienze sono rilevanti perché il silicio per il networking richiede più di un accattivante diagramma architetturale. Un fornitore necessita di competenze nella progettazione dei chip, software di sistema, capacità di validazione e relazioni lungo una filiera hardware estesa.

Delos descrive il proprio portafoglio su tre livelli. Nonstop AI Cluster comprende architettura del cluster, osservabilità e gestione dei guasti. Nonstop AI Server fornisce connessioni scale-up tra processori e altri componenti all'interno di sistemi più grandi.

Nonstop AI Data Interface è il livello di silicio. Delos afferma che collegherà GPU, acceleratori personalizzati, CPU, memoria e storage attraverso un unico dominio a bassa latenza.

La sua architettura di riferimento MoXI definisce come tali elementi dovrebbero operare insieme. Un'architettura di riferimento è un progetto di sistema testato, che comprende le relazioni tra i componenti e il software necessario per gestire il design.

Questa ampiezza rende la rete AI di Delos Data più ambiziosa di una scheda di interfaccia di rete autonoma. L'azienda vuole influenzare il modo in cui gli operatori progettano un cluster, ne connettono i dispositivi, rilevano i guasti e gestiscono il movimento dei dati.

Delos afferma che la sua interfaccia dati può offrire una latenza dieci volte inferiore e un'efficienza dieci volte superiore. I materiali di prodotto descrivono inoltre oltre 30 terabit al secondo di larghezza di banda per un'implementazione con chiplet co-packaged.

Questi dati restano affermazioni dell'azienda. Delos non ha pubblicato benchmark indipendenti sufficienti affinché gli acquirenti possano confrontare sistemi completi tra carichi di lavoro, condizioni di guasto o profili energetici.

L'azienda ha dimostrato a Computex, nel maggio 2026, software per cluster in esecuzione su carichi di lavoro AI. La dimostrazione ha stabilito che Delos disponeva di tecnologia funzionante, ma non ha dimostrato la disponibilità per i volumi né l'economia di produzione.

Il finanziamento modifica dunque la scala dell'iniziativa, non l'onere della prova. Delos ora dispone di una base di capitale significativa per ingegneria, sperimentazioni con i clienti e sviluppo del silicio. Deve ancora trasformare tale base in prodotti implementabili.

Questo requisito crea la tensione centrale dell'articolo. Un'interconnessione flessibile è preziosa solo quando offre prestazioni prevedibili nell'ampia varietà che promette di supportare.

L'inferenza AI rende le reti più importanti

L'infrastruttura AI sta passando da cluster di addestramento uniformi verso sistemi di inferenza che devono servire carichi di lavoro vari, imprevedibili e sempre più agentici.

L'addestramento di un grande modello privilegia il calcolo sostenuto su un gruppo relativamente stabile di acceleratori. Il carico di lavoro può proseguire per giorni o settimane e gli operatori possono ottimizzare il cluster attorno a quel job pianificato.

L'inferenza è diversa. Gestisce richieste di persone, applicazioni e agenti AI dopo che un modello entra in servizio. Il traffico può cambiare rapidamente, mentre la latenza influenza direttamente l'esperienza dell'utente.

L'AI agentica aggiunge un'ulteriore complicazione. Un agente può chiamare diversi modelli, recuperare dati, utilizzare strumenti e ripetere questi passaggi prima di restituire una risposta. Ogni transizione genera ulteriori movimenti tra risorse di calcolo, memoria, storage e rete.

Un processore in attesa di dati resta alimentato senza completare lavoro utile. Pat Gelsinger, ex amministratore delegato di Intel e partner di Playground, ha descritto il problema senza mezzi termini nel resoconto di Reuters. Senza una comunicazione efficace, processori costosi possono consumare energia pur restando inattivi.

Questo tempo inattivo spiega perché il networking è diventato una componente strategica nella progettazione dei sistemi AI. Acceleratori più veloci non possono produrre l'output atteso quando i dati arrivano troppo lentamente o la congestione interrompe il lavoro coordinato.

Anche la composizione di questi sistemi sta cambiando. Le GPU Nvidia rimangono centrali nell'infrastruttura AI, ma gli operatori dispongono ora di più scelte. AMD vende acceleratori Instinct, mentre le aziende cloud implementano processori progettati internamente per carichi di lavoro selezionati.

Cerebras segue un altro approccio con processori wafer-scale. Altre aziende offrono acceleratori per l'inferenza, collegamenti ottici, processori di rete e prodotti per l'espansione della memoria.

Persino Nvidia ora supporta sistemi che includono processori non Nvidia. La sua offerta NVLink Fusion consente a CPU e acceleratori personalizzati di connettersi all'infrastruttura rack-scale di Nvidia.

Questa varietà crea un'opportunità per Delos. L'azienda non ha bisogno che ogni operatore abbandoni le GPU Nvidia. Le basta che un numero sufficiente di acquirenti valorizzi la possibilità di combinare componenti senza ricostruire ogni volta la rete circostante.

Delos sostiene che l'inferenza meriti un'interconnessione progettata per l'inferenza, anziché una ereditata dal calcolo ad alte prestazioni o dall'addestramento. È un chiaro posizionamento, ma questa distinzione necessita di prove pratiche.

Sia l'addestramento sia l'inferenza richiedono alta larghezza di banda, bassa latenza e comunicazione collettiva affidabile. I loro schemi di traffico differiscono, ma i fornitori consolidati possono aggiornare le reti esistenti per adattarle a tali differenze.

Delos deve quindi dimostrare più della rilevanza tecnica. Deve mostrare che il suo approccio incentrato sul carico di lavoro produce un vantaggio operativo misurabile rispetto all'adattamento di infrastrutture mature.

La pressione ricade soprattutto sugli operatori di data center che costruiscono grandi servizi di inferenza. Una piattaforma fissa può semplificare l'approvvigionamento e l'implementazione, ma concentra anche le scelte architetturali attorno a un unico fornitore.

Una rete flessibile promette maggiore leva negoziale e un migliore accesso a processori specializzati. Chiede però agli operatori di integrare più combinazioni e di accettare un ecosistema di supporto più giovane.

Si tratta di una decisione infrastrutturale di lungo periodo. Le scelte di interconnessione influenzano il design dei server, gli strumenti software, le pratiche di manutenzione e i futuri acquisti di acceleratori. Modificarle dopo l'implementazione può diventare costoso.

Delos scommette che gli operatori accetteranno il lavoro di integrazione nel breve termine per preservare la possibilità di scelta dei componenti nel lungo periodo. Nvidia scommette che una piattaforma coordinata continuerà a essere più preziosa di una flessibilità senza vincoli.

Le reti AI di Delos Data contrappongono flessibilità e integrazione

Delos vende libertà architetturale, mentre Nvidia vende una piattaforma coordinata con un percorso di implementazione consolidato.

La posizione di Nvidia parte dal controllo sull'acceleratore. La sua tecnologia di rete collega quindi tali acceleratori attraverso uno stack ottimizzato insieme ai processori e al software.

Questa integrazione può ridurre l'incertezza. Gli acquirenti sanno quali componenti sono stati progettati per funzionare insieme, quali strumenti li monitorano e quale fornitore è responsabile del problema prestazionale.

Nvidia ha inoltre ampliato il proprio approccio. NVLink Fusion permette a hyperscaler e sviluppatori di chip di connettere CPU o acceleratori personalizzati al fabric scale-up e all'architettura rack di Nvidia.

Questa mossa indebolisce il semplice argomento secondo cui Nvidia supporta soltanto sistemi chiusi, interamente Nvidia. I clienti possono aggiungere processori personalizzati mantenendo la rete Nvidia, il software di gestione e l'infrastruttura più ampia.

Delos propone un diverso centro di gravità. La sua architettura tratta il percorso dei dati come livello stabile, mentre i componenti di calcolo cambiano attorno a esso.

Daly ha dichiarato a Reuters che nessuno conosce l'architettura finale per l'infrastruttura AI agentica. Ha sostenuto che Delos possa comunque fornire un modo più rapido per spostare i dati tra i componenti selezionati.

Questa incertezza sostiene la tesi di Delos. Un operatore cloud potrebbe implementare GPU per un modello, acceleratori personalizzati per un altro e CPU per la preparazione dei dati o l'orchestrazione.

Anche i requisiti di memoria e storage possono variare tra le attività di inferenza. I modelli a contesto lungo necessitano di una notevole capacità di memoria, mentre i sistemi di retrieval accedono ripetutamente a indici e contenuti archiviati.

Una rete che connette queste risorse come un unico dominio potrebbe migliorare l'utilizzo. Gli operatori potrebbero abbinare l'hardware più strettamente a ogni fase, anziché forzare tutte le fasi su un unico tipo di processore.

Delos chiama questo design orientato alla combinazione MoXI. Il nome riflette le combinazioni di hardware, modelli, collegamenti fisici, switch e topologie di rete.

L'attrattiva pratica è la scelta. Un operatore potrebbe adottare un nuovo acceleratore senza sostituire l'architettura circostante né vincolare l'intero cluster al fabric preferito da quel fornitore.

Tuttavia, l'integrazione offre vantaggi che non compaiono in una specifica di larghezza di banda. Nvidia può coordinare firmware, driver, librerie di comunicazione collettiva, switch, processori e software di gestione.

Questo coordinamento aiuta gli ingegneri a diagnosticare i rallentamenti. Quando un fornitore controlla una parte maggiore dello stack, sono meno le organizzazioni che possono attribuirsi reciprocamente la colpa di un guasto prestazionale.

Delos deve ricreare questa chiarezza operativa tra componenti che non controlla. Il suo software di osservabilità e il rilevamento dei guasti sono quindi importanti quanto il silicio dell'interfaccia.

L'azienda afferma che la sua architettura di cluster supporta il rilevamento dei guasti hitless. In questo contesto, hitless significa rilevare e gestire un guasto senza interrompere il carico di lavoro.

Questa capacità è importante perché i grandi cluster contengono molti potenziali punti di guasto. Un collegamento di rete, un endpoint, un cavo o un servizio software possono interrompere l'elaborazione sincronizzata.

Tuttavia, la tolleranza ai guasti richiede anche la cooperazione di server, driver, applicazioni e sistemi di orchestrazione. Delos non può garantire la resilienza del sistema attraverso la sola specifica di un chip.

La strategia full-stack dell’azienda riconosce questo problema. Aumenta però anche la quantità di tecnologia che Delos deve completare, validare e supportare.

Ecco perché il round di finanziamento conta al di là dell’importo annunciato. Delos non sta finanziando un singolo piccolo componente. Sta cercando di costruire contemporaneamente silicio, sistemi, software e un’organizzazione di assistenza clienti.

Nvidia ha già trascorso anni a costruire la propria piattaforma e il proprio ecosistema di sviluppatori. Delos deve offrire sufficiente flessibilità da giustificare la scelta di un fornitore meno maturo, senza costringere il cliente ad assemblare autonomamente la soluzione.

Gli standard aperti creano un’altra strada aggirando Nvidia

Delos non è l’unico gruppo che persegue un’infrastruttura AI eterogenea, e gli standard aperti del settore potrebbero diventare sia un alleato sia un percorso concorrente.

Il Consorzio UALink è stato formato per creare una connessione scale-up aperta per gli acceleratori AI. Il networking scale-up collega processori all’interno di un dominio di calcolo strettamente coordinato, dove latenza e accesso alla memoria sono fattori cruciali.

La prima specifica pubblica del consorzio è arrivata nell’aprile 2025. Il suo progetto iniziale supporta connessioni tra fino a 1.024 acceleratori all’interno di un pod AI.

Nell’aprile 2026, il gruppo ha annunciato aggiunte relative a chiplet, gestibilità e calcolo in rete. Il calcolo in rete consente ai componenti di rete di eseguire operazioni selezionate mentre i dati transitano attraverso l’infrastruttura.

La specifica UALink offre ai fornitori di acceleratori una base condivisa al di fuori dell’ambiente proprietario NVLink di Nvidia. Questo obiettivo coincide con l’argomento di Delos a favore della scelta dei componenti.

AMD promuove inoltre il networking AI basato su Ethernet attraverso i suoi prodotti Pensando. La scheda di interfaccia di rete Pollara 400 supporta Ethernet a 400 gigabit e punta alla comunicazione tra acceleratori.

Il più recente prodotto Vulcano 800 di AMD estende questo approccio alla connettività a 800 gigabit. L’azienda afferma che il dispositivo può fornire fino a 2,4 terabit al secondo di larghezza di banda scale-out per GPU.

Il networking scale-out collega gruppi più ampi di server o rack. Presenta requisiti di distanza, gestione e congestione diversi rispetto alla comunicazione scale-up all’interno di un dominio strettamente accoppiato.

Delos vuole ridurre questa distinzione dal punto di vista dell’operatore. I suoi materiali descrivono un dominio unificato per il movimento dei dati che comprende calcolo, memoria e storage attraverso diverse tecnologie fisiche.

Questo obiettivo può integrare standard quali Ethernet o UALink. Delos afferma che la sua architettura funziona con più protocolli, switch, cavi e topologie.

Gli standard riducono la dipendenza da un singolo fornitore, ma non creano automaticamente un prodotto ottimizzato. Le aziende hanno comunque bisogno di silicio, firmware, software, test e sistemi completi.

Delos può posizionarsi come livello di implementazione che rende utilizzabili insieme diversi standard. Può inoltre fornire tecnologia per aree in cui gli standard esistenti non affrontano l’intero sistema.

Tuttavia, uno standard aperto potrebbe ridurre la differenziazione di Delos. Se grandi fornitori realizzeranno prodotti interoperabili con un ampio supporto, gli acquirenti potrebbero preferirli all’architettura più ambiziosa di una startup.

AMD combina già acceleratori, schede di rete, CPU e progetti a livello di rack. Anche Broadcom, Marvell, Astera Labs e altre aziende di semiconduttori consolidate vendono tecnologie di interconnessione.

Nvidia continua ad aprire a partner parti selezionate del proprio ambiente attraverso NVLink Fusion. Il suo elenco di partner comprende progettisti di processori, fornitori di semiconduttori, specialisti dell’ottica e aziende di progettazione elettronica.

Delos affronta quindi pressioni da entrambe le direzioni. Una piattaforma integrata dominante può rendere meno necessaria la sua flessibilità. Standard aperti di successo possono rendere disponibile una flessibilità simile presso fornitori più grandi.

L’opportunità dell’azienda si colloca tra questi due esiti. L’infrastruttura rimane sufficientemente frammentata da creare problemi di integrazione, mentre nessuna alternativa aperta ha eliminato la necessità di coordinamento a livello di sistema.

Delos deve trasformare questa apertura temporanea in implementazioni presso i clienti. L’azienda ha bisogno di progetti che arrivino abbastanza presto da influenzare le decisioni di acquisto prima che gli ecosistemi concorrenti si consolidino.

Anche le sue affermazioni sull’indipendenza dai protocolli richiedono un esame attento. Supportare un protocollo può significare compatibilità di base, oppure capacità di offrire prestazioni prevedibili con carichi di lavoro in produzione.

Gli acquirenti avranno bisogno di risultati su diversi acceleratori, switch, sistemi di memoria e scenari di guasto. Una singola dimostrazione ottimizzata non può convalidare un’architettura orientata alla combinazione di componenti.

Questo contesto competitivo rende il finanziamento di Delos Data un segnale significativo, ma non un verdetto. Gli investitori stanno finanziando la possibilità che l’infrastruttura AI rimanga eterogenea e difficile da coordinare.

Le dichiarazioni sulle prestazioni necessitano ancora di prove indipendenti

Il rischio maggiore di Delos non è se il movimento dei dati sia importante, ma se i suoi vantaggi resistano ai carichi di lavoro reali, alla diversità dei componenti e all’implementazione commerciale.

L’azienda pubblicizza una latenza dieci volte inferiore, un’efficienza dieci volte maggiore e un’inferenza dieci volte più veloce. Descrive inoltre una connettività server che supporta cluster su una scala mille volte superiore.

Si tratta di affermazioni sostanziali. Il loro valore dipende dal riferimento di confronto, dal carico di lavoro, dalla configurazione del sistema, dalla maturità del software e dal metodo di misurazione.

Un confronto di latenza con una rete general-purpose dice meno di un confronto con una rete AI ben ottimizzata. L’efficienza può inoltre riferirsi a potenza, utilizzo dell’hardware, uso della larghezza di banda o costo del sistema.

Delos non ha ancora pubblicato un’ampia suite di benchmark indipendenti che stabilisca questi vantaggi. Le sue affermazioni dovrebbero pertanto essere lette come obiettivi di prodotto e misurazioni riportate dall’azienda.

Una valutazione solida confronterebbe carichi di lavoro di inferenza identici su diverse architetture. Riporterebbe latenza end-to-end, token al secondo, utilizzo degli acceleratori, consumo energetico e recupero dai guasti.

Dovrebbe inoltre separare i miglioramenti di rete dalle modifiche in altre parti del sistema. Maggiore memoria, batching diverso o software del modello modificato possono influenzare le prestazioni dell’inferenza.

I test eterogenei sono particolarmente importanti. La proposta di valore centrale di Delos dipende da combinazioni di processori e infrastrutture provenienti da fornitori diversi.

Un benchmark limitato a una sola famiglia di acceleratori non dimostrerebbe tale valore. I clienti hanno bisogno di evidenze su GPU, acceleratori personalizzati, CPU, dispositivi di memoria e percorsi di storage.

Il software presenta un altro rischio. L’hardware può esporre larghezza di banda e latenza, ma le applicazioni necessitano di librerie e scheduler che utilizzino tali capacità in modo efficiente.

I framework AI puntano già a sistemi di comunicazione maturi. Supportare una nuova architettura può richiedere modifiche a driver, librerie collettive, strumenti di orchestrazione e software di monitoraggio delle prestazioni.

Delos afferma che la propria offerta include osservabilità full-stack. Quel software deve identificare dove si verificano i ritardi tra componenti di fornitori diversi.

Un dashboard da solo non basta. Gli ingegneri hanno bisogno di informazioni operative che colleghino un sintomo di rete a un cavo, uno switch, un endpoint, un processo software o un modello di carico di lavoro.

La produzione presenta una sfida distinta. Il silicio avanzato per il networking richiede capacità produttiva, packaging, validazione e una fornitura affidabile di componenti.

L’interfaccia co-packaged descritta da Delos si collocherebbe vicino agli acceleratori futuri. Tale integrazione richiede collaborazione con i progettisti di chip prima che quei processori raggiungano la produzione.

Questo crea lunghi cicli di vendita e sviluppo. Un cliente deve fidarsi di Delos abbastanza presto da includere la sua tecnologia in un nuovo progetto di processore o server.

La startup deve inoltre supportare gli operatori dopo l’implementazione. Gli acquirenti di data center si aspettano manutenzione del firmware, aggiornamenti di sicurezza, procedure di sostituzione e roadmap di prodotto prevedibili.

Oltre 100 milioni di dollari forniscono risorse significative, ma lo sviluppo dei semiconduttori consuma capitale rapidamente. Più prodotti in silicio e programmi di sistema possono richiedere ulteriori finanziamenti prima di raggiungere ricavi sostanziali.

L’annuncio del finanziamento non identifica clienti di produzione nominati. Non divulga neppure impegni di acquisto, volumi di spedizione, partner produttivi o date di disponibilità generale dei prodotti.

Questa assenza non significa che Delos non abbia coinvolgimento da parte dei clienti. Le aziende infrastrutturali operano spesso in regime di riservatezza mentre i progetti restano in fase di sviluppo.

Significa però che i lettori dovrebbero distinguere la fiducia degli investitori dalla validazione dei clienti. Un round di finanziamento dimostra che gli investitori hanno accettato l’opportunità e il rischio, non che il mercato abbia scelto il prodotto.

La previsione dell’azienda di una crescita di 300 volte della domanda di inferenza AI entro il 2030 merita la stessa cautela. Delos presenta questa proiezione come parte della propria motivazione, ma l’annuncio non fornisce una metodologia indipendente trasparente.

La domanda di inferenza sta chiaramente crescendo, poiché i servizi AI acquisiscono utenti e gestiscono più attività. Tradurre questa attività in acquisti di rete dipende dall’efficienza dei modelli, dai miglioramenti hardware, dall’utilizzo e dall’economia dei servizi.

Un modello efficiente potrebbe elaborare più richieste senza una crescita proporzionale dell’hardware. Al contrario, i sistemi agentici potrebbero generare più calcolo interno per ogni richiesta utente visibile.

La tesi d’investimento si basa sul predominio del secondo effetto. Delos si aspetta che la complessità dell’inferenza aumenti più rapidamente di quanto i miglioramenti dell’efficienza riducano la domanda di infrastruttura.

È plausibile, ma non garantito. L’azienda deve costruire per un mercato in evoluzione mentre il suo silicio attraversa lunghi cicli di sviluppo.

Tre segnali mostreranno se Delos riuscirà a emergere

La prossima fase sarà misurata attraverso evidenze dai clienti, risultati di prestazioni indipendenti e integrazione con ecosistemi di interconnessione emergenti.

Il primo segnale è un cliente di produzione identificato. Un hyperscaler, un laboratorio AI, un produttore di server o un’implementazione presso una grande impresa convaliderebbero qualcosa di più del round di finanziamento.

L’annuncio più forte descriverebbe il carico di lavoro implementato e il mix di componenti. Dovrebbe inoltre identificare se il cliente utilizza il silicio Delos, server, software per cluster o lo stack completo.

Una sperimentazione software limitata offrirebbe meno evidenze di un cluster in produzione. Una vittoria nella progettazione del silicio conterebbe anche se le spedizioni in volume rimanessero a diversi trimestri di distanza.

L’identità del cliente rivelerà anche il mercato iniziale di Delos. Un hyperscaler può personalizzare l’infrastruttura e assorbire il lavoro di integrazione. Un acquirente enterprise necessita di norma di un sistema più completo e supportato.

Il successo con un gruppo non si traduce automaticamente nell’altro. L’ampio portafoglio di prodotti di Delos suggerisce che voglia servire più livelli, ma la focalizzazione iniziale sarà importante.

Il secondo segnale è il benchmarking indipendente. Delos necessita di risultati riproducibili che coprano latenza, throughput, utilizzo, energia e recupero dai guasti.

I test più utili confronteranno sistemi completi, non collegamenti isolati. Dovrebbero includere modelli di inferenza agentica con comunicazione irregolare tra modelli, memoria, strumenti e dati archiviati.

I benchmark dovrebbero inoltre mostrare le prestazioni in caso di congestione e guasto dei componenti. Delos pone la resilienza al centro del proprio marchio, quindi il recupero graduale deve diventare misurabile.

Risultati che confermino ampi guadagni su hardware misto rafforzerebbero l’argomento architetturale dell’azienda. Guadagni limitati su una singola configurazione ottimizzata indebolirebbero l’affermazione più ampia.

Il terzo segnale è l’adozione nell’ecosistema. Delos deve mostrare come la sua tecnologia interagisce con UALink, Ethernet, roadmap degli acceleratori, componenti ottici e progetti di server.

Il Consorzio UALink offre un utile punto di riferimento. I suoi progressi indicheranno quanto rapidamente un ecosistema scale-up aperto possa diventare commercialmente disponibile.

Se i prodotti Delos implementeranno standard emergenti migliorandone al contempo gestione, resilienza o diffusione, l’azienda potrà diventare un fornitore abilitante. Ne trarrebbe vantaggio con l’ingresso di più vendor nell’ecosistema.

Se gli standard matureranno senza Delos, le maggiori aziende di semiconduttori potrebbero cogliere la stessa opportunità. Delos dovrebbe allora offrire un vantaggio più chiaro in termini di prestazioni o software.

La risposta di Nvidia conta come parte di questo segnale. L’ampliamento delle partnership NVLink Fusion potrebbe offrire ai clienti una maggiore scelta di processori senza costringerli ad abbandonare la piattaforma infrastrutturale di Nvidia.

Ciò conserverebbe il modello integrato rispondendo al contempo al problema della flessibilità. Delos dovrebbe competere su indipendenza, prestazioni dei workload o efficienza complessiva del sistema.

La rete Delos Data AI rappresenta dunque una scommessa sull’incertezza architetturale. L’azienda presume che i futuri cluster di inferenza resteranno eterogenei, dinamici e difficili da connettere.

I suoi fondatori hanno raccolto capitali sufficienti per verificare questa tesi con hardware reale. Hanno inoltre scelto un mercato popolato da vendor di semiconduttori esperti e potenti proprietari di piattaforme.

Per gli sviluppatori, il risultato influenzerà quali processori potranno lavorare insieme e con quale coerenza le applicazioni offriranno prestazioni sulle diverse infrastrutture. Interconnessioni migliori possono ridurre la latenza senza richiedere che ogni miglioramento provenga da un acceleratore più grande.

Gli acquirenti enterprise dovrebbero osservare l’utilizzo, non soltanto la larghezza di banda dichiarata. Una rete flessibile acquista valore quando aumenta l’output utile dei processori installati e preserva le future opzioni di acquisto.

I team infrastrutturali dovrebbero inoltre valutare la complessità operativa. La scelta dei componenti ha un valore limitato se i guasti diventano più difficili da diagnosticare o il software richiede ottimizzazioni continue.

Delos deve ora pubblicare prove che colleghino la propria architettura a questi risultati pratici. Clienti nominati, benchmark comparativi e integrazione degli standard offriranno una valutazione più solida rispetto a un’altra promessa di prodotto.

Il round da oltre 100 milioni di dollari assicura a Delos la possibilità di entrare nella competizione. Non risolve però il confronto tra infrastruttura AI flessibile e piattaforma coordinata di Nvidia.

La risposta emergerà dai sistemi implementati. Resta da vedere se Delos saprà far sì che l’inferenza su chip eterogenei sembri un unico computer affidabile, anziché una raccolta di componenti veloci in attesa gli uni degli altri.