OLIX raccoglie 312 milioni di dollari per costruire un sistema specializzato di inferenza AI

OLIX ha raccolto 312 milioni di dollari con una valutazione di 3,3 miliardi di dollari, offrendo alla narrativa Nvidia su Techmeme un nuovo sfidante britannico con un piano hardware insolitamente ambizioso. La startup londinese vuole sostituire un singolo processore di inferenza general-purpose con una linea di produzione su scala rack composta da chip specializzati. Il suo primo prodotto resta programmato per la consegna ai clienti nella seconda metà del 2027.

Il divario tra finanziamento e consegna definisce la vicenda. OLIX ha attirato Arm, Fundomo, Hudson River Trading e Reed Hastings, cofondatore di Netflix, come investitori. Anche gli investitori esistenti hanno aumentato i propri impegni. Tuttavia, l'azienda non ha pubblicato benchmark indipendenti provenienti da sistemi dei clienti già implementati.

L'avversario immediato è Nvidia, ma la competizione più profonda è architetturale. Nvidia continua ad ampliare una piattaforma strettamente integrata costruita attorno ad acceleratori general-purpose, networking, software e memoria ad alta larghezza di banda. OLIX sostiene che la risposta migliore sia suddividere la generazione dei token tra chip specializzati collegati tramite link ottici.

Il round da 312 milioni di dollari dà a OLIX il tempo per costruire questa risposta. Non dimostra che la soluzione raggiungerà le prestazioni dichiarate, potrà essere prodotta in modo affidabile o si adatterà alle pratiche software già costruite attorno all'hardware Nvidia.

Il nuovo finanziamento trasforma una tesi sui chip in un impegno di consegna

OLIX è passata dal proporre un'architettura alternativa al promettere un rack di inferenza completo per clienti reali.

L'azienda ha annunciato il suo Series B il 3 agosto 2026. Il round ha valutato l'impresa, fondata due anni fa, 3,3 miliardi di dollari. Fundomo, Arm e Hudson River Trading hanno partecipato insieme a Hastings e agli investitori di ritorno.

Gli investitori esistenti Hummingbird Ventures, Crane, Plural, Creandum, Phoenix Court e Transition hanno aumentato i propri impegni. OLIX non ha identificato un unico investitore guida nel suo annuncio, sebbene il Financial Times abbia riportato che Fundomo ha guidato il finanziamento.

Il round segue una raccolta da 220 milioni di dollari riportata a febbraio. Quel finanziamento precedente valutava OLIX oltre 1 miliardo di dollari ed era guidato da Hummingbird Ventures. La valutazione è quindi più che triplicata in circa sei mesi, prima che la startup abbia consegnato il suo primo chip commerciale.

OLIX ha inoltre aggiunto il professor Nick McKeown al proprio consiglio di amministrazione. McKeown ha co-inventato il software-defined networking e contribuito a creare OpenFlow e P4, tecnologie che hanno cambiato il modo in cui gli operatori programmano le reti. Ha inoltre cofondato Nicira e Barefoot Networks, successivamente acquisite da VMware e Intel.

Questa nomina si adatta all'ambizione dell'azienda a livello di sistema. OLIX non propone un processore isolato che i clienti possano inserire in un server esistente. Intende progettare chip, laser, connessioni ottiche, compilatori e il rack circostante come un unico sistema coordinato.

L'ex responsabile finanziario di Wise, Matt Briers, è entrato in OLIX come chief financial officer. Briers ha contribuito a portare Wise alla quotazione diretta a Londra nel 2021. Il suo arrivo offre a OLIX un dirigente esperto nel guidare una società tecnologica privata verso l'attenzione dei mercati pubblici.

Queste nomine contano perché il nuovo finanziamento ha uno scopo operativo definito. OLIX afferma che finanzierà impegni produttivi, capacità della catena di approvvigionamento e lo sviluppo della più ampia piattaforma di silicio personalizzato. Sta inoltre assumendo a Londra, Bristol, Austin, Toronto e San Francisco.

La pietra miliare centrale è il DX-1, un acceleratore di decode progettato per la fase in cui un modello AI genera la propria risposta. OLIX intende consegnare il chip ai suoi primi clienti nella seconda metà del 2027.

Questo obiettivo cambia il modo in cui l'azienda dovrebbe essere valutata. I primi finanziamenti premiavano una tesi tecnica. Il Series B impone una scadenza a wafer, packaging, fotonica, maturità del compilatore, integrazione di sistema e accettazione da parte dei clienti.

Le startup di chip affrontano regolarmente lunghi intervalli tra simulazioni promettenti e hardware di produzione affidabile. I ritardi produttivi possono propagarsi in tappe software mancate e implementazioni presso i clienti posticipate. Un rack completo introduce ancora più punti di integrazione rispetto a un acceleratore standalone.

OLIX ora dispone di capitali significativi e di un importante supporto tecnico. La fase successiva è meno indulgente: l'azienda deve trasformare queste risorse in sistemi funzionanti con un'economia misurabile.

Perché il confronto Nvidia su Techmeme è utile e al tempo stesso fuorviante

L'inquadramento Nvidia su Techmeme identifica l'operatore dominante, ma OLIX sta sfidando il design di sistema di Nvidia anziché costruire un clone convenzionale di GPU.

Nvidia fornisce molto più del silicio degli acceleratori. La sua posizione si fonda su GPU, prodotti di networking, strumenti di sviluppo, librerie ottimizzate, esperienza di implementazione e un'ampia comunità formata attorno a CUDA. I clienti acquistano quel sistema accumulato, non soltanto una specifica di processore.

OLIX segue una strada diversa. La startup sostiene che l'inferenza contenga diverse operazioni con esigenze hardware distinte. Eseguire ogni fase su un solo acceleratore general-purpose crea compromessi tra velocità, reattività, consumo energetico e utilizzo.

L'inferenza è il processo di utilizzo di un modello addestrato per produrre una risposta. Include una fase di elaborazione del prompt e una fase sequenziale di decode, durante la quale il modello genera token uno dopo l'altro. Queste fasi possono imporre requisiti diversi in termini di larghezza di banda della memoria e calcolo.

OLIX paragona un data center a una fabbrica il cui prodotto è il token. Una fabbrica convenzionale usa macchinari specializzati per diverse fasi produttive. L'azienda sostiene che un sistema di inferenza debba seguire lo stesso principio.

La sua piattaforma X-1 distribuirebbe un modello su numerosi chip specializzati. Ogni processore gestirebbe ripetutamente una parte del modello mentre le attivazioni attraversano il sistema. OLIX descrive questa configurazione come una linea di produzione per token.

Questo approccio sposta il problema tecnico. La specializzazione può rendere più efficiente una singola operazione, ma solo se i dati si muovono tra i processori senza annullare il vantaggio. Latenza, sincronizzazione, energia di rete e pianificazione diventano quindi elementi centrali del design.

OLIX propone un'interconnessione ottica “lenta e ampia” che trasferisce dati usando la luce anziché il rame. Sostiene che il co-design su scala rack permetta al collegamento di spostare grandi quantità di dati con bassa latenza e basso consumo energetico. Un compilatore deterministico pianificherebbe i carichi di lavoro tra i rack.

Nvidia adotta un percorso più evolutivo. La sua architettura Blackwell combina acceleratori con interconnessioni ad alta velocità e una piattaforma software costruita per training e inferenza. I sistemi successivi aumentano capacità di memoria, larghezza di banda delle comunicazioni e prestazioni computazionali mantenendo al contempo un'ampia programmabilità.

Questa generalità comporta overhead, ma protegge anche i clienti dai rapidi cambiamenti dei modelli. Un acceleratore acquistato per un carico di lavoro può spesso servirne un altro dopo modifiche software. La base installata di Nvidia offre inoltre agli sviluppatori strumenti collaudati per profiling, ottimizzazione e deployment.

OLIX afferma che i suoi chip manterranno un fabric di calcolo flessibile invece di codificare rigidamente un singolo modello. Questa distinzione è essenziale. Le architetture dei modelli possono cambiare più rapidamente dei cicli di sviluppo dei semiconduttori, quindi una specializzazione rigida può lasciare un chip ottimizzato per il carico di lavoro di ieri.

La partecipazione di Arm aggiunge credibilità senza risolvere questo rischio. Arm possiede una profonda esperienza nella progettazione e commercializzazione di processori, ma un investimento non convalida le prestazioni dichiarate da OLIX. Segnala un interesse strategico per una diversa architettura di inferenza.

La stessa cautela vale per la valutazione. Gli investitori hanno finanziato una risposta potenzialmente preziosa all'aumento dei costi di inferenza. Non hanno fornito le prove tecniche indipendenti necessarie per stabilire se X-1 possa sostituire piattaforme consolidate.

OLIX scommette che sia la memoria, non l'aritmetica, a fissare il limite

L'affermazione centrale dell'azienda è che spostare in modo efficiente i dati del modello conti più dell'aggiungere un ulteriore incremento di calcolo general-purpose.

I modelli di grandi dimensioni contengono pesi, ovvero parametri numerici appresi durante il training. Servire questi modelli richiede ai processori di recuperare ripetutamente pesi e dati intermedi. Questo spostamento consuma tempo ed energia, soprattutto durante la generazione sequenziale dei token.

Gli acceleratori moderni si affidano spesso alla memoria ad alta larghezza di banda, o HBM, posizionata vicino al processore. HBM offre una larghezza di banda molto maggiore rispetto alla memoria convenzionale dei server, ma richiede produzione specializzata e packaging avanzato. La disponibilità di entrambi è diventata strategicamente importante nell'intero mercato dell'hardware AI.

OLIX vuole che DX-1 mantenga i dati del modello nella memoria statica ad accesso casuale, o SRAM. SRAM è una memoria veloce comunemente integrata direttamente in un chip. Offre bassa latenza, ma è meno densa e più costosa per bit memorizzato rispetto alle tecnologie di memoria esterna.

La startup afferma che la sua architettura multi-chip renda gestibile questo apparente svantaggio. Invece di collocare un intero modello di grandi dimensioni accanto a un processore, X-1 distribuirebbe il modello su molti chip e rack. Ogni chip memorizzerebbe ed eseguirebbe la sezione assegnata.

OLIX afferma che DX-1 non richiederà HBM né packaging avanzato. Questa scelta potrebbe ridurre l'esposizione alle catene di approvvigionamento dominate dai fornitori di acceleratori già affermati. I precedenti articoli su OLIX hanno identificato l'evitare componenti soggetti a vincoli di fornitura come una parte centrale della strategia dell'azienda.

Il design distingue inoltre OLIX da altre proposte di calcolo fotonico. La fotonica si riferisce all'uso della luce per la comunicazione o il calcolo. In X-1, la tecnologia ottica collega principalmente i processori, mentre i circuiti elettronici eseguono il calcolo programmabile.

Questo design ibrido evita di scommettere tutto sull'aritmetica ottica. Richiede comunque a OLIX di integrare laser, chip elettronici, networking, software del compilatore e gestione termica in un rack affidabile. Ogni elemento influenza la disponibilità del sistema e il rendimento produttivo.

L'azienda afferma che DX-1 supererà 10.000 token al secondo per ciascun utente su modelli con 100 miliardi di parametri. Sostiene inoltre di offrire una maggiore produttività di token in output per watt rispetto a processori general-purpose che operano con batch di grandi dimensioni.

OLIX afferma inoltre che la sua architettura possa scalare fino a modelli con 10 trilioni di parametri o più. Si tratta di proiezioni aziendali, non di risultati presso clienti riprodotti in modo indipendente. L'annuncio non specifica tutte le condizioni relative a modello, precisione, latenza, utilizzo o potenza alla base dei confronti.

Queste condizioni mancanti sono cruciali. Le prestazioni di inferenza cambiano con la lunghezza dell'input, la lunghezza dell'output, la dimensione del batch, la precisione numerica, l'architettura del modello e la latenza accettabile. Un risultato ottimizzato per una combinazione potrebbe non descrivere il traffico di produzione tipico.

“I token al secondo per utente” possono misurare l'interattività, ma gli operatori si interessano anche alla produttività totale del rack. Devono bilanciare la reattività con il numero di richieste simultanee servite. L'efficienza energetica conta sia a livello di chip sia a livello di struttura.

Anche l'insieme dei confronti conta. Un sistema di decode specializzato può apparire solido rispetto a un processore general-purpose che gestisce ogni fase dell'inferenza. La questione operativa è se il rack OLIX completo superi un deployment eterogeneo ottimizzato dopo aver incluso networking, capacità inattiva, software e raffreddamento.

Il manifesto sull'inferenza di OLIX offre motivi coerenti per mettere in discussione l'architettura dominante. Non elimina la necessità di misurazioni riproducibili. Le prove più persuasive arriveranno da rack completi che eseguono modelli attuali sotto requisiti realistici di livello di servizio.

La parte difficile inizia dopo il ritorno dei primi chip

OLIX deve dimostrare che l'efficienza architetturale resiste alla produzione, ai cambiamenti dei modelli e alla variabilità quotidiana dell'inferenza in produzione.

La prima incertezza riguarda l'esecuzione del silicio. Le tempistiche dei semiconduttori possono slittare a causa di errori di progettazione, problemi di fabbricazione, vincoli di packaging o basse rese. OLIX deve coordinare processori personalizzati e componenti ottici, aumentando il numero di dipendenze prima della consegna ai clienti.

Evitare HBM non elimina il rischio della catena di fornitura. L'azienda necessita comunque di capacità produttiva nelle fonderie, substrati, laser, assemblaggio ottico, apparecchiature di test, componenti di rete e produzione dei rack. Il suo progetto sposta semplicemente la pressione su un diverso insieme di fornitori e processi.

La seconda incertezza è il software. Il vantaggio di Nvidia include compilatori maturi, kernel ottimizzati, strumenti di debug e framework familiari agli sviluppatori. Una nuova architettura necessita di un percorso software che consenta ai clienti di distribuire i modelli senza ricostruire l'intera operazione di inferenza.

OLIX afferma che un compilatore deterministico pianificherà i carichi di lavoro nei suoi rack. La pianificazione deterministica implica che il sistema programmi operazioni e comunicazioni in modo prevedibile anziché assegnarle dinamicamente. Ciò può ridurre il sovraccarico di coordinamento, ma può anche rendere più difficile assorbire l'evoluzione dei modelli di traffico.

Le richieste in produzione raramente arrivano in batch ordinati e uniformi. La lunghezza dei prompt varia. La lunghezza degli output è imprevedibile. I modelli richiamano strumenti, riutilizzano il contesto memorizzato nella cache e servono utenti con aspettative diverse in termini di latenza. L'utilizzo dell'hardware può calare se una pipeline attende la sua fase più lenta.

Questo crea un classico problema di linea produttiva. La specializzazione migliora il throughput quando il lavoro fluisce con regolarità, ma i colli di bottiglia possono lasciare inattive le altre fasi. OLIX deve dimostrare che il suo compilatore bilancia richieste eterogenee preservando l'efficienza promessa dall'architettura.

L'evoluzione dei modelli crea un'altra sfida. I sistemi mixture-of-experts attivano sottoinsiemi diversi di un modello per ogni token. I modelli multimodali combinano testo, immagini, audio e video. La decodifica speculativa utilizza modelli più piccoli per proporre output che un modello più grande verifica.

Ogni tecnica modifica il calcolo e il movimento dei dati. OLIX afferma che il suo fabric flessibile può seguire questi cambiamenti senza codificare rigidamente un modello. I clienti avranno bisogno di prove che gli aggiornamenti non richiedano un lungo lavoro sul compilatore o nuovo silicio.

Anche l'affidabilità conta su scala rack. Un sistema distribuito su molti processori può perdere più lavoro quando un componente si guasta. OLIX necessita di isolamento dei guasti, ridondanza, monitoraggio e meccanismi di ripristino che mantengano il servizio durante gli errori hardware.

Poi arriva il test economico. I clienti calcolano il costo totale di proprietà considerando apparecchiature, energia, rete, raffreddamento, software, personale, manutenzione e utilizzo. Un chip più veloce non crea automaticamente un servizio meno costoso.

Anche Nvidia può reagire. L'operatore dominante continua a migliorare software specifico per l'inferenza, calcolo a precisione ridotta, rete e progettazione dei rack. Gli hyperscaler stanno sviluppando i propri acceleratori, mentre startup come Cerebras, Groq, d-Matrix e Fractile perseguono altri approcci specializzati.

Quel campo affollato dà potere negoziale agli acquirenti. Significa anche che il concorrente di OLIX al momento della distribuzione potrebbe non essere il sistema Nvidia disponibile quando X-1 è stato progettato. Il confronto rilevante sarà con i prodotti spediti alla fine del 2027.

Il sostegno governativo può estendere la durata finanziaria della startup. Il piano britannico per l'hardware AI dà priorità alle aziende nazionali di calcolo e all'accesso alle infrastrutture pubbliche. Tuttavia, il sostegno delle politiche pubbliche non può sostituire la validazione dei clienti o una produzione ripetibile.

OLIX ha formulato affermazioni tecnicamente specifiche, il che è preferibile a promesse vaghe. Tali affermazioni stabiliscono ora un onere della prova altrettanto specifico.

Tre segnali mostreranno se OLIX rappresenta una reale alternativa a Nvidia

Hardware per i clienti, benchmark definiti in modo indipendente e ordini ripetuti determineranno se OLIX diventerà un fornitore di infrastrutture o resterà un costoso esperimento architetturale.

Il primo segnale è un rack DX-1 funzionante consegnato nei tempi previsti. OLIX ha indicato la seconda metà del 2027 come obiettivo per i clienti. Prima di allora, annunci di tape-out, risultati del primo silicio, dimostrazioni dei rack e partner di lancio nominati riveleranno se lo sviluppo resta in linea con il programma.

Una dimostrazione in laboratorio non sarà sufficiente. Il sistema dovrà eseguire modelli attuali in modo continuativo, riprendersi dai guasti e integrarsi con il software di serving già utilizzato dai clienti. Le prove provenienti da un ambiente cliente avranno più peso di un'altra proiezione.

Il secondo segnale è un benchmark con condizioni di test complete. I lettori dovrebbero cercare nomi dei modelli, conteggi dei parametri, precisione numerica, lunghezze dei prompt, lunghezze degli output, dimensioni dei batch, obiettivi di latenza, potenza del rack e configurazione totale del sistema.

L'affermazione principale di OLIX, oltre 10.000 token al secondo per utente, sembra notevole. Il suo significato dipende da questi dettagli. Una replica indipendente rafforzerebbe la sfida dell'azienda, mentre condizioni ristrette o l'omissione della potenza complessiva del sistema la indebolirebbero.

Confronti utili devono misurare sia la reattività sia il throughput aggregato. Una piattaforma può produrre rapidamente un flusso servendo però troppo pochi utenti simultanei. Può anche massimizzare il totale dei token, imponendo tuttavia a ogni utente un ritardo inaccettabile.

Il terzo segnale è l'espansione commerciale dopo la prima installazione. Un progetto pilota dimostra che un acquirente vuole valutare la tecnologia. Un ordine ripetuto dimostra che il sistema ha fornito valore sufficiente a giustificare un cambiamento operativo.

La domanda ripetuta indicherebbe inoltre che l'organizzazione software e di supporto di OLIX è in grado di servire clienti in produzione. Le sole prestazioni hardware non costruiscono un'attività infrastrutturale. Gli acquirenti hanno bisogno di consegne prevedibili, manutenzione, aggiornamenti di sicurezza, supporto ai modelli e una roadmap di prodotto credibile.

L'investimento di Arm merita attenzione nell'ambito di questo test commerciale. Arm può contribuire con relazioni tecniche ed esperienza nella concessione in licenza di tecnologia per processori a un mercato ampio. Future collaborazioni, presentazioni a clienti o componenti di progetto divulgati renderebbero più chiaro il suo ruolo strategico.

La risposta di Nvidia sarà visibile attraverso le roadmap di prodotto e l'economia dell'inferenza. L'azienda non deve imitare OLIX. Deve solo migliorare token per watt, latenza e costo di distribuzione abbastanza rapidamente da ridurre lo spazio di opportunità a cui OLIX punta.

Per questo la storia di Nvidia Techmeme non dovrebbe essere ridotta a una gara di finanziamenti tra startup e incumbent. OLIX sta verificando se l'inferenza AI debba diventare una pipeline di macchine specializzate anziché rimanere concentrata su acceleratori per uso generale.

Se quel modello di linea produttiva funziona, sviluppatori e acquirenti aziendali potrebbero ottenere un'altra strada verso un'inferenza a minore latenza. Una maggiore disponibilità di token potrebbe supportare carichi di lavoro di ragionamento più lunghi, popolazioni di utenti più ampie e applicazioni che oggi costano troppo da servire.

Se fallisce, le cause probabili saranno istruttive. La comunicazione ottica potrebbe non compensare il sovraccarico di coordinamento. La capacità SRAM potrebbe imporre una difficile economia di scalabilità. Il compilatore potrebbe faticare con carichi di lavoro variabili, oppure la piattaforma più ampia di Nvidia potrebbe migliorare più rapidamente di quanto OLIX riesca a raggiungere la produzione.

Il finanziamento offre una durata finanziaria sufficiente per cercare queste risposte. Non le risolve. La risposta più utile ai titoli di Nvidia Techmeme è quindi semplice: osservare i rack, esaminare le condizioni dei benchmark e aspettare che i clienti ordinino due volte.