Mueon Series A、AIデータセンター再構築に6,500万ドルを投じる
MueonはCubeletアーキテクチャを量産段階へ近づけるため、6,500万ドルを調達した。同社は、より高密度なAIシステムには個々のチップの高速化以上のものが必要だと見ている。Mueon Series Aは、メモリ、ネットワーキング、電力供給、冷却を含む、これらのチップを取り巻く物理的構造を対象とする。
ポートランドを拠点とするこのスタートアップは、それらの要素をモジュール型の3次元ビルディングブロックに統合しようとしている。顧客はワークロードに適したプロセッサを提供し、Mueonがそれらをより大規模なシステムへ統合する構想だ。この設計は、コンポーネントが別々のトレイに配置され、比較的長い電気経路を通じて通信する従来のラックモデルに挑む。
これは、Nvidiaや他のシステムベンダーが確立してきたラックスケール・アーキテクチャとの明確な競争を生む。Mueonは、もう1つの汎用アクセラレータを約束しているわけではない。AIインフラには異なる物理的な組み立て単位が必要だと主張している。
この違いが重要なのは、現代のAIクラスターがプロセッサ以外の制約にますます直面しているためだ。電力の確保、冷却能力、メモリ帯域幅、ネットワーキング、導入時間は、施設がどれだけ有用な計算能力を提供できるかを左右し得る。
Mueonは、Cubeletsにより、同じラック設置面積内で最大10倍優れた電力効率とコスト効率を実現できるとしている。これは独立して検証された結果ではなく、同社の目標値である。今回の資金調達によってMueonはこの仮説を検証するための資源を増やすが、エンジニアリング上の問題を解決するものではない。
Mueon Series A、Cubeletsを検証段階へ前進させる
今回の資金調達により、Mueonはアーキテクチャ上の提案から、測定可能な量産試験に直面するハードウェア企業へと移行する。
Maverick Siliconがラウンドを主導し、Intel Capital、Geodesic Alliances Fund、Oregon Venture Fund、M-Ventures、Wellington Capital、IQT、Definedが参加した。Maverick SiliconのManish MuthalはMueonの取締役会に加わる。
6,500万ドルのラウンドは、2025年に発表された1,550万ドルのシード資金調達に続くものだ。Mueonは、創業以来の累計調達額が8,000万ドルを超えたと報告している。
当面の優先事項は、見出しにあるビジョンほど劇的なものではない。同社のSeries A announcementによると、資金はシステム検証と量産準備を支えながら、エンジニアリングとオペレーションの拡大に充てられる。
Cubeletsはまだ商用データセンタープラットフォームではないため、これらの段階は重要だ。元のfunding reportによると、Mueonはまだ売上を生み出しておらず、評価額の開示も拒否した。
Mueonは、マイクロプロセッサ設計と3次元統合に携わった元Intel FellowのWilfred GomesをCEOとして、2025年に公の場へ登場した。共同創業者兼技術責任者のJack HwangもIntelで長年にわたり、半導体製造技術に取り組んできた。
この経歴は、Mueonのシステム優先のアプローチを説明する一助となる。同社は、パッケージング、インターコネクト、電力、ソフトウェア、冷却を1つのアーキテクチャの構成要素として扱っている。多くのハードウェア供給企業は、これらの領域の1つか2つを最適化し、その後、既存のラック形式の中で製品を統合する。
一方、MueonはCubeletと呼ばれるモジュール型ユニットを提案する。各ユニットは、コンピューティング部品、メモリ、インターコネクト、電力供給、熱管理を組み合わせる。複数のユニットを組み合わせることで、より大規模な導入を構成できる。
同社は取り組みを4つの領域に分けている。1つ目はシリコン、メモリ、インターコネクトのアーキテクチャを扱う。2つ目はパッケージング、冷却、電力供給を扱う。3つ目はソフトウェアオーケストレーションを対象とし、4つ目は製造とエコシステムの検証に重点を置く。
この広範さは魅力であると同時にリスクでもある。システムのより多くを制御するスタートアップは、分離された供給企業にはできない相互作用を最適化できる。その一方で、密接に結び付いた数多くの技術を同時に機能させなければならない。
Mueonの以前のseed investment caseでは、Cubeletsが既存のAIおよびクラウドソフトウェアスタックと互換性を持つと説明されていた。この互換性は移行コストを抑え得るが、Mueonは一般的なフレームワーク全体での本番規模テストを公に文書化していない。
したがって、このラウンドは完成済みプラットフォームの証明ではなく、検証のための資金調達を意味する。その価値は、Mueonが図面やプロトタイプを再現可能なシステムへ転換できるかどうかに左右される。
この移行は、Cubeletsが新たなインフラカテゴリーとなるのか、それとも特化型パッケージングプロジェクトにとどまるのかも決める。その答えは、Mueonが従来のラックでは効率的に解決できないと考える問題から始まる。
AIインフラはチップを取り巻く建物そのものの制約に直面している
Mueonは、アクセラレータがラックに収められた後に蓄積する距離、熱、電力損失を標的にしている。
AIインフラは従来、より高速なプロセッサとより大規模なクラスターによって進歩してきた。この戦略は今も有効だが、アクセラレータを1基追加するごとに、システム内の他の部分への負荷が増す。
プロセッサはメモリ、ストレージ、他のプロセッサとデータをやり取りしなければならない。すべての転送はエネルギーを消費し、レイテンシを生み、熱を発生させる。より大規模なクラスターには、より多くのスイッチ、ケーブル、電力変換装置、冷却インフラも必要になる。
特にメモリ移動は高コストになり得る。アクセラレータは演算を効率的に実行できても、モデルの重みや中間結果を待つことがある。高帯域幅メモリは、積層メモリをプロセッサの近くに配置することでこの遅延を減らすが、他の箇所での通信をなくすわけではない。
Mueonは、こうした経路のより多くを短縮しようとしている。Cubeletsは、異なるコンポーネントを従来のサーバーラックに分散させるのではなく、コンパクトな3次元アセンブリ内に配置する構想だ。
このアプローチは、プロセッサを複数の小さな機能ダイに分割し、1つのパッケージ内で接続するチップレットの考え方に似ている。Mueonはモジュール統合をより大きなシステム規模で適用し、電力供給と冷却にも拡張する。
データセンターは計算需要と並行して物理的制約にも直面しているため、この機会は大きい。federal energy estimateによると、米国のデータセンターは2023年に国内電力の約4.4%を消費した。
同じ分析では、2028年までにその割合が6.7%から12%の範囲に達すると予測した。年間のデータセンター消費量は325〜580テラワット時に達する可能性があると推定している。
これらの予測は、すべての施設が利用可能な電力を使い果たすことを意味するものではない。しかし、事業者が1メガワットおよび1平方フィート当たりでより多くの計算を得ることを重視する理由を示している。
ラック密度はすでに大幅に上昇している。NvidiaのGB200 NVL72は、72基のBlackwell GPUを液冷式ラックスケールシステムに統合している。Nvidiaによると、その共有rack designには120キロワットの冷却能力が必要となる。
Mueonの答えは、単に類似したキャビネットにより多くのアクセラレータを配置することではない。同社が提案するコンポーザブル・データセンターでは、事業者が異なるプロセッサやメモリ技術を選び、それらをCubeletシステム内に統合できるようになる。
CEOのWilfred Gomesは、この到達点を、データセンターのレベルでコンポーネントを組み合わせて選択できる環境として説明している。顧客は、Mueonが提供する単一のアクセラレータを採用するのではなく、自社のAIプロセッサを持ち込める可能性がある。
この柔軟性は、クラウドプロバイダーや特化型AI企業にとって魅力的になり得る。トレーニングのスループットを優先するワークロードもあれば、低コストの推論、大容量メモリ、予測可能なレイテンシを必要とするものもある。
理論上、モジュール型プラットフォームは、すべての導入を1つの固定プロセッサ構成に押し込むことなく、こうした要件に対応できる。また、アクセラレータのスタートアップに対し、ラック全体を構築する必要のないシステムへの道筋を与える可能性もある。
ただし、コンポーザビリティにはコストが伴う。交換可能なインターフェースはそれぞれ最適化を制限し得る一方、カスタム構成はそれぞれ検証作業を増やす。事業者は選択肢を重視するが、予測可能な性能とサポートも重視する。
そのためMueonは、オープン性と緊密な統合のバランスを取らなければならない。Cubeletsが多くのプロセッサタイプを受け入れても、それぞれに大規模な再設計が必要であれば、プラットフォームは経済的に拡大することが難しくなる。
同社には、この物理的な複雑さを隠すソフトウェアも必要だ。一般的なAIフレームワークは、まったく新しい運用慣行を要求されることなく、ハードウェアを認識し、スケジューリングし、監視できなければならない。
Mueonは、そのオーケストレーション層を構築しているとしている。公開資料には、本番導入、性能プロファイル、顧客移行の結果はまだ示されていない。
Mueon Series Aは、その証拠を生み出すための時間を買う。同時に、このスタートアップを、すでに急速に進化している既存モデルとの競争に置く。
CubeletsはNvidiaのGPUだけでなく、統合型ラックに挑む
中心となる競争は、モジュール型コンポーネント選択と、厳格に制御されたラックスケール統合との対比にある。
Nvidiaは、AIインフラをGPUの集合ではなく、協調したシステムとして販売する傾向を強めている。同社のラック製品は、アクセラレータ、CPU、高速ネットワーキング、液冷、管理ソフトウェアを組み合わせている。
このモデルは、購入者の統合リスクを低減する。コンポーネントは定義済みのインターフェース、テスト済みの構成、Nvidiaのプラットフォームを中心に構築されたソフトウェア環境とともに提供される。
同時に、アーキテクチャ上の制御を集中させる。顧客はNvidiaのシステムやパートナーから選択できるが、中核となるコンピュート、ネットワーキング、ソフトウェアの決定は密接に結び付いたままだ。
Mueon Cubeletsは異なる境界を提案する。このスタートアップは、顧客とパートナーがプロセッサ、メモリ、または特化技術をモジュール型システムアーキテクチャに持ち込むことを想定している。
これは、MueonがNvidiaの直接的な代替となることを意味しない。商用構成はまだ発表されていないものの、顧客はCubeletベースの導入環境にNvidia互換のコンポーネントを配置できる可能性がある。
より重要な違いは、誰がシステムを組み立て、どこで最適化が行われるかに関わる。従来のラックは、ネットワーキングと電力インフラを通じて完全なサーバーを統合する。Mueonは、より多くの統合をコンパクトなモジュールユニット内で行おうとしている。
より短い電気接続は、データ移動に必要なエネルギーを削減できる。低電圧の電力供給も変換損失を減らし得るほか、両側からの冷却は、より高密度なアセンブリから熱を除去できる可能性がある。
元の報道によると、Cubeletsは低電圧電力と両面冷却を採用する。標準的なサーバー構成では一般に、プロセッサパッケージまたはボードの主に片側から熱を除去する。
これらの設計選択は、Mueonの密度目標を支える。同社は、そのアーキテクチャが最終的に同じ電力枠とラック設置面積の中で、最大10倍の計算能力を提供できるとしている。
この数字は慎重に扱う必要がある。Mueonは、一般的な10倍の優位性を裏付ける独立ベンチマーク、ワークロードの定義、製造構成、比較システムを公表していない。
密度は複数の方法で測定することもできる。あるプラットフォームは、体積当たりにより多くのシリコンを収められても、アプリケーションスループットの向上はより小さい可能性がある。ワット当たりの性能を改善する一方で、より高価なパッケージングを必要とすることもあり得る。
有用な比較では、プロセッサ、メモリ容量、冷却機器、システム電力、ワークロード、利用率、インフラ全体の設置面積を開示する必要がある。結果には、各構成を運用するために必要な外部機器も含めるべきだ。
潜在的なパートナー一覧は、業界の関心を示す初期の証拠となる。Mueonは、推論チップ企業のd-Matrixと、Armベースのサーバープロセッサを開発するAmpere Computingを挙げている。
D-Matrix共同創業者のSudeep Bhoja氏は、このモジュラーアーキテクチャにより、Cubeletsとインメモリコンピューティングを組み合わせる選択肢が生まれると述べた。この手法では、保存データの近くで特定の計算を実行し、別のプロセッサへのデータ転送を減らす。
Ampere共同CEOのRohit Vidwans氏は、同社が技術リスクの低減を進めるMueonと協業していると述べた。この表現は重要だ。協業は技術面での関与を示すが、大量購入や本番導入を意味するものではない。
この関係は、Mueon Cubeletsが提供し得る価値も示している。プロセッサ供給企業は、ネットワーク、電力、冷却、オーケストレーションの各レイヤーをすべて独自に再現しなくても、高密度システムに参入できる可能性がある。
その意味で、Mueonにとって最大の機会は、最大手クラウド事業者より下の市場にあるかもしれない。ハイパースケーラーはカスタムサーバーを設計し、サプライチェーン全体と直接交渉できる。小規模なアクセラレータ企業には、その規模がない。
共通の統合プラットフォームは、そうした供給企業が特化型ワークロードをめぐって競争する助けとなり得る。また、購入者がより広範なインフラ計画の中で異なるコンピューティングエンジンを組み合わせることも可能にする。
ただし、Nvidiaの優位性はシリコンにとどまらない。同社のソフトウェア、ネットワーク、リファレンス設計、製造面での関係、サポート組織は、運用上の不確実性を低減している。
Mueonは、高密度化の主張だけでこの優位性を覆すことはできない。導入後のアップグレード、部品故障、ワークロード変更においても、モジュール性を管理可能なものとして維持できると顧客に信じてもらう必要がある。
コンポーザブルなデータセンターは、部品が交換可能であれば魅力的に聞こえる。本番環境で交換可能性を実現するには、電気、機械、熱、ファームウェア、ソフトウェアに関する安定した契約が必要となる。
新しいプロセッサの組み合わせはすべて、これらの契約を満たさなければならない。あるレイヤーでの障害が、他の場所で生まれた利点を消し去る可能性がある。
したがって、MueonのシリーズAは困難な形の競争に資金を提供するものだ。このスタートアップは、単により優れたコンポーネントを作っているのではない。多くのコンポーネントが集まる信頼できる場を確立しようとしている。
高密度化は最も困難な問題をスタック内部へ移す
データ移動コストを下げ得る近接性は同時に、熱、製造、信頼性の制御を難しくする可能性がある。
三次元集積には明確な物理的利点がある。コンポーネントを近くに配置すれば接続距離が短くなり、帯域幅の向上と通信エネルギーの削減につながり得る。
しかし、高密度なスタックでは熱が集中する。ロジックプロセッサは大きな熱出力を生じる一方、メモリ技術は異なる温度範囲への耐性を持つことが多い。
高温のロジック層は、近接するメモリを温める可能性がある。温度の不均一性は、性能、保持特性、部品の経年劣化、接合材料全体の機械的応力に影響を及ぼし得る。
最近の熱研究では、これを三次元ヘテロジニアス集積における中心的な問題として説明している。より多くの機能をより小さな面積に収められる一方で、利用可能な放熱面積は比例して増えない。
Mueonは、この課題への対処に両面冷却が役立つとしている。これは技術的にもっともらしい方向性だが、その有効性は内部配置、冷却液の流路、材料、動作電力に左右される。
冷却機器はCubeletの外部でも空間と電力を消費する。公正な効率比較には、ポンプ、熱交換器、分配ユニット、施設レベルの排熱設備を含める必要がある。
電力供給も別の制約となる。低電圧化は一部の変換損失を減らせるが、コンパクトな導体を通じて大電流を供給すると、抵抗と熱が生じる。負荷が急速に変化するほど、電圧安定性の確保も難しくなる。
Mueonは、これらの影響をパッケージングとインターコネクト設計と連携させなければならない。接続数を増やせば帯域幅は改善し得るが、製造工程と故障点も追加される。
複雑な統合システムでは、歩留まりが特に重要になる。組み立て中に高価なコンポーネントの一つが故障した場合、製造業者にはその部品を現実的に交換するか、ユニット全体の廃棄を回避する手段が必要となる。
モジュール性は、プラットフォームを保守可能なブロックに分けることで役立つ可能性がある。一方で、高密度パッケージングは、コンポーネントへのアクセスやテストを難しくする場合、この利点に逆行する。
生産能力もリスクとなる。先進パッケージング、液冷ハードウェア、メモリ、基板、高速インターコネクトはすでに既存ベンダーからの需要と競合している。
Mueonがすべての工場を所有する必要はない。しかし、許容可能な生産量で一貫したシステムを供給できる製造パートナーは必要だ。
このスタートアップが抱えるソフトウェア上の課題も同様に大きい。異なる供給企業のハードウェアリソースには、共通の検出、スケジューリング、テレメトリー、障害処理、セキュリティの振る舞いが必要となる。
一般的なAIフレームワークをサポートするプラットフォームでも、より低レベルでの統合は依然として必要だ。ドライバー、コンパイラ、通信ライブラリ、ファームウェア、クラスターマネージャーが協調しなければならない。
この作業は、サポートするプロセッサとメモリの組み合わせが増えるたびに拡大する。Mueonが狭く耐久性のあるインターフェースを定義しなければ、幅広い互換性は保守負担になり得る。
コンポーザブルなインフラは信頼境界の数を増やすため、セキュリティも重要だ。複数ベンダーのファームウェアによって、更新スケジュールの不一致や、脆弱性対応プロセスの違いが生じる可能性がある。
これらの問題はいずれも、Mueonのアーキテクチャを無効にするものではない。むしろ、現段階が即時の大規模導入ではなく、システム検証に重点を置く理由を説明している。
最も有用な証拠は、広く認知されたAIワークロードを実行する完全なプロトタイプだろう。継続的な性能、総電力、冷却のオーバーヘッド、部品温度、連続稼働時の信頼性を開示すべきである。
第2のテストでは、プラットフォーム全体を再設計せずに、一つのコンピューティングコンポーネントを置き換えるべきだ。それにより、Mueonのコンポーザビリティがプレゼンテーション図を超えて機能するかが分かる。
第3のテストでは、保守を検証すべきだ。運用者は、技術者がどのように障害を特定し、モジュールを交換し、ファームウェアを更新し、ワークロードを復旧するのかを知る必要がある。
同社は、これらの結果を公開していない。それまでは、10倍という目標はエンジニアリング上の目標にとどまる。
投資家が検証期間への資金提供に前向きに見えるのは、潜在的な見返りが広範だからだ。機能するモジュラー層は、プロセッサのスタートアップ、メモリ供給企業、クラウド事業者、製造業者をつなぐ可能性がある。
失敗は別の教訓を示すだろう。検証の複雑さがモジュラー性の柔軟性より速く増大するため、密結合型ラックシステムが優位性を維持することを示すかもしれない。
これがMueonの資金調達の中核にある不確実性だ。このスタートアップは現実のインフラ制約を特定しているが、レイヤー間でコストを移し替えるのではなく、それらを同時に解決しなければならない。
コンポーザブルなデータセンターが実在するかを示す3つのシグナル
さらなる効率目標よりも、本番ハードウェア、再現可能なパートナー統合、顧客による運用が重要になる。
第1のシグナルは、完全なシステム測定を伴う、検証済みCubeletプロトタイプだ。Mueonには、ハードウェアの高密度化と有用なワークロード性能を結び付ける結果が必要となる。
その開示では、プロセッサ、メモリ、ソフトウェアスタック、冷却機器、総エネルギー使用量を明らかにすべきだ。また、その比較にネットワークと施設のオーバーヘッドが含まれるかも明記すべきである。
独立したテストは結果の説得力を強める。パートナーによるデモはワークロードが動作することを示せるが、第三者による測定なら、結果に影響する構成上の選択を明らかにできる。
強い結果は、より短いデータ経路と統合冷却がシステム経済性を改善するというMueonの主張を支えるだろう。限定的または不完全なベンチマークは、より広い10倍の説明を弱めることになる。
第2のシグナルは、複数のプロセッサ供給企業にまたがる再現可能な統合だ。D-MatrixとAmpereはMueonに信頼できる技術的関係をもたらすが、生産の詳細は依然として限られている。
本質的な問いは、同じCubeletアーキテクチャが、大規模なカスタムエンジニアリングなしに異なるコンピューティングエンジンを収容できるかどうかだ。統合が成功するたびに、必要な時間とプラットフォーム変更は減少すべきである。
このパターンは、一連の個別案件ではなく、再利用可能なシステムを示すことになる。また、小規模なチップ開発企業がこのプラットフォームを採用する理由にもなる。
逆のパターンは懸念材料となる。各プロセッサが新たなパッケージング、ファームウェア、電力、冷却の作業を要求するなら、Mueonはカスタムエンジニアリング企業に近い存在となる。
カスタム案件は収益を生む可能性があるが、コンポーザブルなデータセンターが示唆するスケーラブルなプラットフォームを生み出すものではない。利益率、導入速度、サポートコストは大きく異なるものになるだろう。
第3のシグナルは、評価段階を超えた特定顧客の存在だ。有償パイロットは意味を持つ一方、継続的な本番ワークロードはより強い証拠となる。
Mueonは、運用者が実際の施設内でCubeletsを設置、監視、保守、アップグレードできることを示す必要がある。短時間のデモにおける性能だけでは、こうした運用上の問いには答えられない。
顧客の証拠には、可用性、修理手順、ソフトウェア統合、冷却要件を含めるべきだ。また、Cubeletsが既存のネットワークおよび電力システムにどのように接続されるかも示す必要がある。
これらのシグナルが同時に現れる必要はない。ハードウェアのスタートアップは、数年をかけてプロトタイプ、サンプリング、認定、生産へと進んでいく。
今回の資金調達は、Mueonにその道筋を進むためのリソースを与える。ただし、製造パートナー、アクセラレータ供給企業、見込み顧客への依存をなくすものではない。
競合企業の反応も、追加の文脈をもたらす。Nvidiaや他のシステムベンダーはすでにラック密度を高め、液冷を進化させ、プロセッサとメモリの結び付きを強化している。
それらのプラットフォームが、より低い統合リスクで同等の効率を提供するなら、Mueonのモジュール性には別の明確な利点が必要となる。最も有力な候補は、プロセッサの選択肢と導入の柔軟性だ。
Mueonは、最大級の学習クラスタ以外にも機会を見いだせる可能性がある。推論システムはより多様なワークロードとコスト制約に対応することが多く、特化型プロセッサの重要性が高まる。
効率的な推論エンジンと適切なメモリを組み合わせたCubeletは、魅力的な導入形態となり得る。d-Matrixとの関係はその可能性を示唆するが、商用システムは発表されていない。
エンタープライズの購入者は、MueonのシリーズAを製品発表として扱うべきではない。広範な採用に先立って必要となるエンジニアリングへの資金調達として理解する方が適切だ。
この概念を評価する技術チームは、コンポーネント仕様だけでなく、ワークロードレベルの証拠を求めるべきだ。また、冷却と保守の要件を含め、施設全体への影響をモデル化すべきである。
投資家は、顧客との関係がどれだけ早く明確な試験へ進むかを注視すべきだ。発表されたパートナーシップは関心を示すが、購入コミットメントと生産スケジュールは需要を明らかにする。
チップ開発企業には、別の理由で注目すべき点がある。共有のシステム層が成功すれば、特化型プロセッサをデータセンターに導入するために必要なインフラ作業を減らせる可能性がある。
それにより、完全なラックを供給できる企業を超えて競争が広がるだろう。また、アクセラレータの選定がワークロードごとにより特化したものになる可能性もある。
既存のラックモデルは、既知の導入手順と、ますます統合が進むハードウェアを提供するため、依然としてベンチマークであり続ける。Mueonは、モジュール性がそうした運用上の利点を犠牲にしないことを証明しなければならない。
MueonのシリーズAは、その実証に大きく賭けている。Cubeletsは現実の課題に取り組む。データの移動、電力変換、高密度に配置されたシステムからの放熱の過程で、貴重なエネルギーが失われている。
Mueonが提案する解決策は、こうした関係性を一体として再設計することだ。このアーキテクチャが意味を持つのは、その高密度性が熱試験を通過し、モジュールが交換可能なままであり、ソフトウェアが異なるプロセッサを一貫して扱える場合に限られる。
AIインフラを追う読者にとって、次の見出しとなるべきなのは、さらなる資金調達額ではない。測定済みのシステム、実名の顧客、あるいは再現可能な統合事例であるべきだ。
それまでは、Mueonは信頼に足る仮説を提示する一方で、検証上の空白を残している。最初の完全導入で、統合型ラックと同等の信頼性を実現しながら、コンポーネント選択の自由度を維持できるかを注視したい。その結果によって、コンポーザブル・データセンターが運用モデルとなるのか、それとも魅力的なアーキテクチャ上のアイデアにとどまるのかが決まる。
