Qianhe Yibang、20億元超を調達——ただし本当の証明はこれから
Qianhe YibangはシリーズBで20億元超を調達したと報じられている。中国の若いチップ企業としては異例の大型ラウンドだ。この資金調達により、人工知能ワークロード向けに3D DRAMとコンピューティングを組み合わせる取り組みに本格的な資金が投入される。一方で、財務面での期待と、基盤となるハードウェアに関する公表済みの証拠が限られていることとの隔たりも明確になった。
報道によれば、投資家にはChina Structural Reform FundとChina Mobileの産業ファンドが含まれる。Mountain View Capital、Starlink Capital、Shixi Capital、Muyan Capital、GP Capital、Nanshan Capital、Chaos Investmentも参加した。その他の出資者として、Chenyih Huizhi、Guoce Investment、Guoxin Venture Capital、Gezhi Capitalの名も挙がっている。
元の資金調達報道によると、Muyan Capitalが独占的な財務アドバイザーを務めた。企業価値や各投資家の出資額は開示されていない。詳細な製品ベンチマーク、顧客への導入実績、製造パートナー、生産スケジュールも発表には含まれていなかった。
この違いは重要だ。投資家が資金を投じたのは、GPUと高帯域幅メモリのモデルに代わる構想であり、その代替となることが公に実証された製品ではない。Qianhe Yibangは今後、資金を検証可能なシステム、利用しやすいソフトウェア、再現性のある顧客成果へと転換しなければならない。
このラウンドが支える、より大きなチップ構想
この資金調達が重要なのは、Qianhe Yibangが限定的な部品設計企業ではなく、インフラ供給企業として自らを位置付けているためだ。
公開情報によると、Qianhe Yibangは2024年設立の北京企業である。同社は6都市に100人超の従業員を抱え、20件超の特許を保有するとしている。これらの数値は会社ウェブサイトに基づくもので、独立監査は受けていない。
同社の公開資料では、既存製品は二つの方向性で説明されている。一つはインテリジェントなエンドポイント機器向け、もう一つはクラウドゲーミングとストリーミングの高速化向けだ。いずれも、トランスフォーマーモデル向け3D DRAMコンピューティングに託された、より大きな期待とは一定の距離がある。
同社はG100を、カスタム回路と再構成可能なデータフロー・アーキテクチャを採用する省電力のシステムオンチップとして説明している。このチップは翻訳ペンや教育用デバイスにおけるリアルタイム音声・画像処理を支援するとしている。こうした導入は実用的なエンドポイント用途を示すものだが、同社は顧客名や出荷台数を明らかにしていない。
Qianhe Yibangはクラウドゲーミング向けにC100ファミリーも展開している。同社によれば、専用ハードウェアにより映像伝送、低遅延データ処理、画像補正を高速化するという。ここでも、公開資料には独立した性能測定や実稼働の顧客名は示されていない。
シリーズBのストーリーは、こうした製品を超えるものだ。企業データベース上の説明では、同社はカスタム3D DRAM、トランスフォーマー高速化、チップ、アクセラレータシステム、クラウドサービスを組み合わせるフルスタックAIインフラプロバイダーとして位置付けられている。これはより広範で、難度の高い取り組みだ。
フルスタック戦略には、シリコン設計、メモリ統合、パッケージング、コンパイラ、ランタイムソフトウェア、サーバー、ワークロード最適化にまたがる能力が必要となる。各層が、アクセラレータが管理されたデモ環境の外で十分に機能するかを左右し得る。資金はこうした開発を支えられるが、統合の負担そのものを取り除くことはできない。
最近の特許出願の一つは、同社の方向性をより具体的に示している。コンパイラ特許は、マルチコアAIアクセラレータ上でのページドアテンション最適化を説明している。
ページドアテンションは、言語モデル推論中に断片化されたKey-Valueキャッシュブロックを管理する。特許では、ダイレクトメモリアクセス、ダブルバッファリング、複数バッチにまたがる動的スケジューリングが論じられている。これらはトランスフォーマーモデルを提供するための、認識しやすいインフラ上の課題だ。
特許出願は商用化の準備完了を裏付けるものではない。ただし、Qianhe Yibangが個別のメモリデバイスを超えた開発に取り組んでいることは示している。記述されたアーキテクチャは、データ移動、コンパイラの挙動、アクセラレータのスケジューリングを結び付けている。
このつながりが、今回の資金調達をより重要なものにしている。メモリ中心のアクセラレータは、シリコンだけでは競争できない。データを適切に配置し、処理を効率的にスケジュールし、避けられない転送を隠すソフトウェアが必要だ。
したがって、このラウンドはQianhe Yibangにプラットフォームを開発する時間を与える。同時に、顧客と投資家が進捗を評価する基準を引き上げる。この規模の資金を得た企業は、最終的にはアーキテクチャ上の意図以上のものを開示しなければならない。
最も有用な証拠としては、テープアウト済みシリコン、独立した試験結果、対応モデル群、実際のサービング条件下で測定された性能が挙げられる。顧客トライアルはさらに重要になる。こうしたシグナルが現れるまでは、この資金調達は製品成熟度よりも、投資家の確信を強く示す証拠にとどまる。
3D DRAMコンピューティングが今、資金を集める理由
Qianhe Yibangが狙うのは、現代のAIシステムで最も根強いコストの一つであるモデルデータの移動だ。
従来のプロセッサは、演算とメモリを物理的に分離している。処理を完了する前に、データはこれらのコンポーネント間を移動しなければならない。この分離は、一般にメモリウォールと呼ばれる帯域幅とエネルギー面の制約を生む。
広く引用されるメモリウォールのレビューは、データ転送を従来型コンピュータシステムの根本的な制約として説明している。演算ユニットが高速に処理できる場合でも、データ移動には時間とエネルギーが必要となる。
大規模トランスフォーマーモデルはこの問題を増幅する。推論ではモデルの重みを繰り返し読み出し、以前のトークン情報を保持する拡大するKey-Valueキャッシュを管理する。ユーザー数、コンテキスト長、モデル規模の増大は、メモリ容量と帯域幅への負荷を高める。
現代のAIアクセラレータは、通常HBMと呼ばれる高帯域幅メモリによってこの負荷に対応している。HBMはメモリダイをプロセッサの近くに積層し、幅広いインターフェースで接続する。この構成は、従来のサーバーメモリを大きく上回る帯域幅を提供する。
ただし、HBMはデータ移動をなくすわけではない。メモリと演算の間の経路を短く、広くするものだ。容量、パッケージングの複雑さ、供給可能性、熱特性、総システムコストは依然として重要な制約である。
Compute-in-memoryは異なるアプローチを取る。選択した演算をメモリアレイ内、あるいは保存データの近くで実行する。より広範な技術分類が示すように、この用語は単一の汎用設計ではなく、複数のアーキテクチャを包含している。
一部のシステムはメモリセルを計算に直接用いる。別のシステムでは、ロジックをメモリアレイの横、あるいは積層メモリ層の下に配置する。デジタル、アナログ、揮発性、不揮発性の実装には、それぞれ異なる利点と制約がある。
Qianhe Yibangが掲げる方向性は、カスタマイズされた3D DRAMを中心とする。原理上、DRAMを密結合したロジックと積層すれば、内部帯域幅を増やし、パッケージをまたぐ移動を減らせる。選択したトランスフォーマー演算を保存データに近づけることも可能になる。
この考え方は、従来型の演算をすべてアナログメモリで置き換えるものとは異なる。DRAMベースの設計は、近接性と並列性を活用しながら、馴染みのあるデジタル動作を維持できる。それでも、どの機能をメモリの近くに置くかについて慎重な判断が必要となる。
タイミングが好ましい理由は三つある。第一に、AI推論がより大きなインフラ上の優先事項になっている。企業は現在、モデルのトレーニングコストだけでなく、提供し続けるための継続的なコストにも関心を寄せている。
第二に、より長いコンテキストウィンドウがメモリへの負荷を高めている。会話、文書、エージェントワークフローが長くなるにつれ、システムはより多くのKey-Valueキャッシュデータを保存・取得する必要がある。メモリ管理は、生の演算性能より先に実用上の制約となり得る。
第三に、中国の投資家には国内AIインフラを支援する強い動機がある。先端アクセラレータ、HBM、製造能力、パッケージングへのアクセスは、引き続き戦略的に重要である。代替アーキテクチャは、国内で制御可能なシステムに向けた別の道筋を提供する。
投資家の顔ぶれは、その戦略的側面を反映している。国家系ファンドとChina Mobileのファンドが、民間ベンチャー投資家と並んでいる。その参加は、この機会が単なる投機的なチップ機能ではなく、インフラとして評価されていることを示唆する。
China Mobileの参加は、通信グループが大規模なコンピューティングネットワークを運営しているため、特に関連性が高い。こうした組織は、推論、クラウドアプリケーション、エッジサービスにとって厳しい導入環境を提供し得る。ただし、参加は購入契約を確認するものではない。
中心となる経済的な問いは単純だ。より密な統合によってデータ移動を十分に減らし、システムレベルで有効スループット、エネルギー使用量、または容量を改善できるのか。その答えは、理論上の帯域幅の数値だけからは得られない。
実際のシステムは、同期、制御フロー、通信、ソフトウェアのオーバーヘッド、メモリにきれいにマッピングできない演算にも時間を費やす。ある設計が一つの行列演算で優れていても、モデル全体では限定的な改善にとどまる可能性がある。
だからこそ、Qianhe Yibangのコンパイラとフルスタックに関する主張が重要になる。同社は、メモリハードウェアにはワークロードを意識したソフトウェアが必要だと理解しているように見える。課題は、完全なスタックが意味のある優位性をもたらすことを証明することだ。
Qianhe YibangはGPUとHBMの既定路線に挑む
主な競争はQianhe Yibangと一社のスタートアップの対決ではなく、新たなメモリ中心システムと、確立されたGPU・HBMプラットフォームとの対決だ。
GPUは、プロセッサ速度を超える圧倒的な優位性を持つ。開発者は成熟したプログラミングツール、最適化済みカーネル、モデルフレームワーク、プロファイリングシステム、ドキュメント、確立された導入手法を利用できる。クラウドプロバイダーはすでに周辺インフラを運用している。
HBMはこの成熟したプラットフォームの一部だ。アクセラレータベンダーは、その特性に合わせてプロセッサ、パッケージ、インターコネクト、ソフトウェアを設計する。その後、サーバーメーカーが本番環境向けにこれらのシステムを検証する。
Qianhe Yibangは事実上、この構成では性能とエネルギーに過大な余地が残されていると主張している。その提案する答えは、3D DRAMとトランスフォーマー高速化の組み合わせだ。目的は、分離された演算リソースとメモリリソースの間で絶えずデータを移動させることへの依存を減らすことである。
この主張には技術的な根拠がある。データ移動は認識された課題であり、研究者は数十年にわたりメモリ近傍処理を探求してきた。大規模言語モデルは、この問題をとりわけ顕著にするワークロードを生み出している。
しかし、技術的に妥当な課題が、商業的に優れた解決策を保証するわけではない。GPUプラットフォームは、メモリ容量、インターコネクト、スケジューリング、量子化対応、推論ソフトウェアを改善し続けている。既存アーキテクチャは立ち止まってはいない。
したがって、代替アクセラレータは単独の効率改善以上のものを示さなければならない。導入、モデル対応、信頼性、総保有要件にわたる説得力ある優位性が必要だ。また、既存のデータセンター運用にも適合しなければならない。
ソフトウェア互換性は大きな障壁の一つである。顧客は、従来型アクセラレータを前提に構築されたフレームワーク、ライブラリ、監視システム、エンジニアリング知識に投資してきた。新しいアーキテクチャは、そのチップ自体が優れた性能を発揮しても、コストのかかる変更を強いる可能性がある。
モデルの対応範囲も、もう一つの障壁となる。Transformerのワークロードには、アテンション、行列乗算、正規化、活性化関数、ルーティング、サンプリング、データ移動が含まれる。モデル設計によって、ハードウェアに求められる要件は異なる。
Mixture-of-expertsモデルでは、不規則なルーティングと通信が加わる。マルチモーダルシステムは、テキスト、画像、音声、動画を組み合わせる。エージェントシステムでは、コンテキスト長やツールとの連携が予測不能になり得る。ハードウェアは、その優位性を失うことなく、こうした変動に対応しなければならない。
精度も重要である。一部の推論ワークロードは低精度演算を許容する一方、より高い数値安定性を必要とするものもある。メモリ中心のシステムは、エネルギーや面積上の利点を損なわずに、実用的な精度を支えなければならない。
包括的なハードウェアレビューは、効率性、汎用性、ソフトウェアに匹敵する精度を両立させる難しさを指摘している。この研究は抵抗変化メモリを対象としており、Qianhe Yibangが掲げるDRAM路線ではない。それでも、より広い意味での警告は当てはまる。
もう一つの問題は、実際にどこで計算が行われるかだ。「compute-in-memory」という表現は、メモリセル内での演算、アレイの隣に置かれたロジック、あるいは積層DRAMの下層での処理を指し得る。これらの選択肢は、製造とソフトウェアに異なる影響をもたらす。
Qianhe Yibangは、その実装を正確に分類できるだけのアーキテクチャ詳細を公表していない。同社の資料では、カスタマイズされた3D DRAMとTransformerアクセラレーションに言及している。だが、メモリアレイ、ロジック層、外部プロセッサの間でどのように作業を分担するのかは説明していない。
この詳細の欠如により、GPU、HBMシステム、その他のメモリ中心型アクセラレータとの公正な比較は妨げられる。また、HBMを置き換えるという主張も時期尚早となる。信頼できる比較には、同一のモデル、バッチサイズ、コンテキスト長、精度、品質目標が必要だ。
それでも、購入者にはシステム全体の測定値が必要になる。チップ当たりのスループットは、消費電力、メモリ容量、ホスト要件、ネットワーキングコストを覆い隠し得る。ピーク仕様は、混在する実運用トラフィック下での持続的な挙動をほとんど示さない。
短期的に最も有力な立ち位置は、汎用アクセラレータの置き換えより限定的かもしれない。Qianhe Yibangは、データ移動が支配的でモデル構造が予測可能な推論ワークロードを狙うことができる。より広範なプラットフォームが整う前に、特化型の導入で価値を示せる可能性がある。
クラウドゲーミングは、組織面での前例となり得る。同社はすでに、ストリーミングワークロード向けのハードウェアとソフトウェアの協調設計を説明している。この経験はレイテンシーに敏感なインフラで役立つ可能性があるが、クラウドゲーミングはTransformerアクセラレーションの有効性を裏付けるものではない。
教育向けデバイスも、限定的な前例を示す。同社が低消費電力のエンドポイント処理に関心を持っていることは分かる。しかし、そのアーキテクチャがデータセンター向け言語モデルまで拡張できることを証明するものではない。
Series Bラウンドは、Qianhe Yibangにこうした隔たりを埋めるための資源を与える。同時に、同社を成熟したプラットフォームとの直接比較にさらすことにもなる。競争の行方を決めるのは、メモリ設計の新規性ではなく、実際に利用できるシステムだ。
資金調達は商用化リスクを解消しない
最大の不確実性は、Qianhe Yibangがそのアーキテクチャを再現性のある規模で製造、プログラム、導入できるかどうかにある。
compute-in-memoryは長年にわたり研究上の関心を集めてきたが、商用化の進展は遅い。詳細な商用化の記録は、停滞した製品、企業の方針転換、最適な実装経路をめぐる継続的な意見の相違を記している。
製造はリスクの一因だ。3D DRAM製品には、メモリ、ロジック、ボンディング、パッケージング、テスト、熱管理の連携が求められる。どの層で問題が起きても、歩留まりの低下や出荷の遅延につながり得る。
同社はファウンドリ、メモリサプライヤー、パッケージングパートナー、製造プロセスを公表していない。提案する3D DRAMアクセラレータについて、テープアウトも発表していない。こうした未公表事項が遅延を証明するわけではないが、外部からの評価を制限する。
歩留まりには特に注意が必要だ。より多くの部品を積層すると、故障箇所が増える可能性がある。設計はまた、密接に接続された層をまたぐ熱を、メモリの信頼性や持続性能を損なわずに処理しなければならない。
サプライチェーンの独立性も別の制約となり得る。国内で設計されたアクセラレータであっても、製造装置、電子設計ソフトウェア、メモリプロセス、パッケージング設備、インターフェース技術を中国国外に依存する場合がある。公開情報からは、Qianhe Yibangがこれらの依存関係をどのように管理しているかはまだ分からない。
ソフトウェアも同様に重要だ。コンパイラは一般的なモデルをアクセラレータにマッピングし、メモリを適切にスケジューリングし、効率的な演算を生成しなければならない。開発者には、デバッガー、プロファイラー、ランタイムライブラリ、ドキュメント、フレームワーク統合も必要となる。
Qianhe Yibangのpaged-attention特許は、この領域で積極的に取り組んでいることを示唆する。出願では、断片化されたキー・バリューキャッシュブロックと動的なバッチスケジューリングが論じられている。ただし、実運用向けのコンパイラや開発者ツールキットが存在することを証明するものではない。
顧客はモデルの移植性についても問うだろう。あるTransformer構造に最適化されたシステムは、アテンションパターン、コンテキスト管理、ルーティングが変化すると効率を失い得る。AIソフトウェア市場は、ほとんどのチップ開発サイクルより速く動く。
この不一致は戦略的リスクを生む。シリコンの仕様は量産よりかなり前に固定される一方、モデルアーキテクチャは数か月以内に変わり得る。ハードウェアチームには、そうした変化を吸収できる十分なプログラマビリティが必要だ。
フルスタックのクラウドサービスは、顧客がこの複雑さにさらされる度合いを減らせる可能性がある。Qianhe Yibangはハードウェアを自ら運用し、使い慣れた推論インターフェースを提供できる。ただし、このアプローチには相当な運用能力と信頼性の高いサービスソフトウェアも必要となる。
資金調達額は助けになるが、実行上の責務も拡大する。チップ開発は高コストであり、クラウドインフラの構築は別の資本集約型事業を持ち込む。エンドポイントデバイスとデータセンターの双方に対応することは、まったく異なる市場にエンジニアリングの注意を分散させ得る。
売上に関する公開証拠は依然としてない。Qianhe Yibangは、出荷、販売、クラウド利用、契約締結、継続顧客を開示していない。独立監査済みの効率性やレイテンシーの結果も公表していない。
過去の記録によれば、投資家は今回のラウンド以前から同社を支援していた。証券調査文書には、2025年1月の金額非開示のエンジェル資金調達が記載されている。別の業界報道は、2025年6月のAラウンドを記録しており、これも調達額は公表されていない。
これらの記録は、2024年設立の企業としては急速な資金調達の連続を示唆する。迅速な資金調達は積極的な開発を支援できる一方、期待を量産の証拠より先行させることもある。
したがって、Series Bの投資家リストには意味があるが、決定的ではない。機関投資家の参加は、戦略的機会、経営陣へのアクセス、想定される政策支援を裏付ける可能性がある。チップ性能を独立して裏付けるものではない。
潜在顧客は、報じられたラウンドをベンチマークと比較することに慎重であるべきだ。資金調達は資本へのアクセスを測る。スループット、レイテンシー、消費電力、歩留まり、ソフトウェア品質、導入の信頼性を測るものではない。
HBMに関する同社の表現にも同じ注意が必要だ。3D DRAMアーキテクチャは特定のボトルネックを軽減する可能性があるが、市場全体でHBMを置き換えるとは限らない。異なるワークロードでは、複数のメモリ設計が同時に成立し得る。
独立した評価には、実運用に近い推論を含めるべきだ。テストには、現実的なプロンプト、コンテキスト長、バッチの変動、出力品質、サービスレベルのレイテンシーが必要となる。消費電力、メモリ容量、利用率、ホストシステムのオーバーヘッドも含めるべきだ。
結果は、最適化条件を揃えたソフトウェアで現行システムと比較すべきである。古いベースラインや十分にチューニングされていないGPUでは、有益な情報はほとんど得られない。見出し向けの比率より、再現可能なテスト条件の方が重要だ。
セキュリティと信頼性も、いずれ議論に加わる。メモリ中心型アクセラレータは、新たなデータ露出、障害時の挙動、サイドチャネル上の懸念をもたらし得る。機密性の高いモデルを扱う購入者は、分離と運用管理を求めるだろう。
これらのリスクはいずれも、Qianhe Yibangの方向性を否定するものではない。興味深いアーキテクチャから信頼されるインフラへ移行するために必要な証拠を定義するものだ。資金調達は、その評価をより急務にしたにすぎない。
賭けが機能しているかを示す3つのシグナル
次の段階は、シリコン、ソフトウェア、顧客採用の順に評価すべきである。
第1のシグナルは、検証可能なシリコン上のマイルストーンだ。Qianhe Yibangは、3D DRAM戦略に結び付くテープアウト済みチップ、エンジニアリングサンプル、または量産デバイスを示すべきである。測定済みハードウェアを伴わない製品名では、疑問は解消されない。
有用な開示には、メモリ容量、精度フォーマット、対応演算、インターフェースの詳細、持続時の消費電力が含まれる。また、メモリ内での処理と、積層メモリ層の近傍での処理を区別すべきだ。
独立ベンチマークは、このマイルストーンを強化する。最も有益なテストは、複数のコンテキスト長とバッチサイズにおけるTransformer推論を対象とする。速度だけでなく出力品質も比較すべきだ。
Qianhe Yibangが実際のシリコン上で再現可能な結果を公表すれば、資金調達の根拠はより強くなる。同社がハードウェアデータを示さずアーキテクチャの議論を続けるなら、資本と証明の隔たりは広がる。
第2のシグナルは、利用可能なソフトウェアのリリースだ。コンパイラ、ランタイム、モデルライブラリ、クラウドエンドポイントは、同社が開発者にハードウェアを公開できることを示す。ドキュメントとフレームワーク対応は、アプリケーション側にどれほどの作業が残っているかを明らかにする。
paged-attention特許は、注目すべき具体的な点を生み出す。Qianhe Yibangは、混在する推論トラフィック下での動的なキー・バリューキャッシュ管理を実証できる。そうすれば、同社の知的財産を観察可能な製品機能へと結び付けられる。
ソフトウェアの提供は、アーキテクチャの柔軟性も明らかにする。1つの最適化されたデモより、複数のモデルファミリーへの対応の方が説得力を持つ。プロファイリングやデバッグ向けのツールは、外部ユーザーに向けた本格的な準備を示すだろう。
利用可能なハードウェアを伴わないソフトウェアリリースが示す検証力は限られる。非公開デモでは、導入、スケジューリング、信頼性の問題をなお隠せる。クラウドサービスを通じた試用アクセスは、より強い証拠となる。
第3のシグナルは、実名の顧客導入だ。最も説得力のある発表は、ワークロード、導入規模、Qianhe Yibangを選んだ測定可能な理由を特定するものになる。一般的な提携契約は、それより重みが小さい。
China Mobileは、その業界ファンドの一つがラウンドに参加したため、注目すべき明白な存在だ。ネットワーク、クラウド、エッジでの導入は、同社にとって貴重な運用上の証拠となり得る。投資だけで、そのような導入の存在を意味するわけではない。
教育向けデバイスやクラウドゲーミングの顧客も、スタックの一部を検証できる。こうした市場は、低消費電力処理やストリーミングアクセラレーションに関する主張を支え得る。ただし、大規模モデル向けインフラを自動的に検証するものではない。
企業の購入者にとって、重要な指標は信頼できるワークロード経済性だ。これには、スループット、レイテンシー、消費電力、容量、ソフトウェアの作業量、運用の信頼性が含まれる。アクセラレータプラットフォームを変更する前に、購入者には全体像が必要となる。
開発者にとっては、互換性がアーキテクチャの実用性を決める。技術的に効率的なチップでも、モデルに大幅な書き換えが必要なら、利用しにくいままであり得る。使い慣れたAPIと透明性の高いツール群は、その障壁を下げるだろう。
インフラ計画担当者にとって、この資金調達は、メモリアーキテクチャがAI投資における中心的な論点になったことを示すもう一つの兆候だ。コンピュートはもはや、メモリの配置、容量、パッケージング、データ移動と切り離して評価されるものではない。
Qianhe Yibangは、野心的な答えを追求するのに十分と報じられる資金を確保した。ただし、その答えがGPUおよびHBMシステムに代わる商業的選択肢であることを裏付ける公開証拠は、まだ十分に示されていない。
取るべき姿勢は、退けることでも受け入れることでもない。まず実際のシリコン、次に開発者が利用できるソフトウェア、そして3番目に測定可能な顧客導入を注視すべきだ。こうしたシグナルによって、この資金調達が実用的なプラットフォームを生み出したのか、それとも有望な研究室発のアプローチに資金を投じただけなのかが分かる。
より多くの証拠が現れたら、読者は各主張を、同一条件のワークロードで稼働する現在の本番システムと比較するべきだ。どの処理がメモリ近傍で実行され、何が従来型プロセッサに残り、サーバー全体がどのように動作するのかを問う必要がある。この資金調達の発表は、その調査の始まりではある。しかし、それで完結するものではない。
