Finansowanie Delos Data przekracza 100 mln dolarów, rzucając wyzwanie modelowi sieci AI firmy Nvidia
Finansowanie Delos Data przekroczyło 100 mln dolarów, ponieważ założony przez byłych pracowników Intela startup rozwija sieć przeznaczoną dla inferencji AI wykorzystującej różne układy. Pozyskane środki dają Delos zasoby do rozwijania krzemu, serwerów i oprogramowania wokół trudnego założenia. Przyszłe klastry AI będą zawierać więcej niż jedną architekturę akceleratorów, a ich sieci muszą sprawić, by komponenty te działały jak skoordynowany system.
To założenie podważa wertykalnie zintegrowany model, który uczynił Nvidię domyślnym dostawcą dla wielu wczesnych wdrożeń AI. Nvidia łączy procesory GPU, połączenia NVLink, przełączniki, sprzęt sieciowy, oprogramowanie oraz projekty na poziomie szafy serwerowej. Delos chce natomiast umożliwić operatorom infrastruktury łączenie różnych akceleratorów, systemów pamięci, urządzeń pamięci masowej, kabli, przełączników i topologii fizycznych.
Bezpośrednia rywalizacja nie sprowadza się po prostu do Delos Data kontra Nvidia. Chodzi o elastyczność kontra ugruntowaną platformę, której integracja zmniejsza ryzyko wdrożeniowe. Delos musi wykazać, że heterogeniczna sieć AI może zapewnić porównywalną wydajność, nie stając się jednocześnie trudniejsza we wdrażaniu, dostrajaniu lub utrzymaniu.
Finansowanie Delos Data wspiera pełny stos sieciowy
Finansowanie przekształca Delos Data z propozycji architektonicznej w poważną próbę zbudowania alternatywnego stosu połączeń AI.
Delos ogłosiło rundę 15 września 2026 r. Firma z Palo Alto poinformowała, że pozyskała ponad 100 mln dolarów od Matrix, Playground, Socratic Partners oraz Technology Impact Fund firmy Capricorn.
W rundzie uczestniczyli także Matter Venture Partners, IAG, DYNAMIQ oraz indywidualni menedżerowie z branży technologicznej. Firma nie ujawniła wyceny ani nie określiła rundy według konwencjonalnego etapu finansowania.
Według ogłoszenia o finansowaniu, kapitał wesprze rozwój produktów oraz rozbudowę zespołów inżynierii sprzętu i oprogramowania. Delos wykorzystuje finansowanie do uruchomienia zbioru produktów pod nazwą Nonstop AI.
Dyrektor generalny Ed Doe i dyrektor ds. technologii Dan Daly założyli Delos po karierach w Intelu. Ich doświadczenie ma znaczenie, ponieważ krzem sieciowy wymaga czegoś więcej niż atrakcyjnego diagramu architektury. Dostawca potrzebuje wiedzy z zakresu projektowania układów, oprogramowania systemowego, możliwości walidacji oraz relacji w długim łańcuchu dostaw sprzętu.
Delos opisuje swoje portfolio na trzech poziomach. Nonstop AI Cluster obejmuje architekturę klastra, obserwowalność i zarządzanie awariami. Nonstop AI Server zapewnia połączenia scale-up między procesorami i innymi komponentami wewnątrz większych systemów.
Nonstop AI Data Interface to warstwa krzemowa. Delos twierdzi, że połączy procesory GPU, niestandardowe akceleratory, CPU, pamięć i pamięć masową w jednej domenie o niskich opóźnieniach.
Jego architektura referencyjna MoXI określa, jak te elementy powinny współpracować. Architektura referencyjna to przetestowany plan systemu, obejmujący relacje między komponentami i oprogramowanie potrzebne do obsługi projektu.
Ten zakres sprawia, że sieć AI Delos Data jest bardziej ambitna niż samodzielna karta interfejsu sieciowego. Firma chce wpływać na to, jak operatorzy projektują klaster, łączą urządzenia, wykrywają awarie i zarządzają przepływem danych.
Delos twierdzi, że jego interfejs danych może zapewnić dziesięciokrotnie niższe opóźnienia i dziesięciokrotnie wyższą efektywność. Materiały produktowe opisują również przepustowość przekraczającą 30 terabitów na sekundę w przypadku implementacji chipletu co-packaged.
Wartości te pozostają deklaracjami firmy. Delos nie opublikowało wystarczającej liczby niezależnych benchmarków, aby nabywcy mogli porównać kompletne systemy w różnych obciążeniach, warunkach awarii lub zakresach zużycia energii.
Firma zaprezentowała oprogramowanie klastrowe obsługujące obciążenia AI podczas Computex w maju 2026 r. Demonstracja potwierdziła, że Delos dysponowało działającą technologią, lecz nie dowiodła gotowości do produkcji na dużą skalę ani ekonomiki produkcji.
Finansowanie zmienia zatem skalę przedsięwzięcia, a nie ciężar dowodu. Delos ma teraz istotną bazę kapitałową na inżynierię, testy u klientów i rozwój krzemu. Nadal musi przekształcić tę bazę w produkty gotowe do wdrożenia.
Wymóg ten tworzy centralne napięcie artykułu. Elastyczna infrastruktura połączeń ma wartość tylko wtedy, gdy zapewnia przewidywalną wydajność w całej różnorodności, którą obiecuje obsłużyć.
Inferencja AI zwiększa znaczenie sieci
Infrastruktura AI przechodzi od jednorodnych klastrów treningowych do systemów inferencyjnych, które muszą obsługiwać zróżnicowane, nieprzewidywalne i coraz bardziej agentowe obciążenia.
Trening dużego modelu kładzie nacisk na ciągłe obliczenia w relatywnie stabilnej grupie akceleratorów. Obciążenie może działać przez dni lub tygodnie, a operatorzy mogą zoptymalizować klaster pod kątem tego zaplanowanego zadania.
Inferencja jest inna. Obsługuje żądania ludzi, aplikacji i agentów AI po wdrożeniu modelu do użytku. Ruch może szybko się zmieniać, a opóźnienia bezpośrednio wpływają na doświadczenie użytkownika.
Agentowa AI dodaje kolejną komplikację. Agent może wywoływać kilka modeli, pobierać dane, używać narzędzi i powtarzać te kroki, zanim zwróci odpowiedź. Każde przejście powoduje dodatkowy przepływ między zasobami obliczeniowymi, pamięcią, pamięcią masową i siecią.
Procesor czekający na dane pozostaje zasilany, nie wykonując użytecznej pracy. Pat Gelsinger, były dyrektor generalny Intela i partner Playground, opisał ten problem dosadnie w relacji Reutersa. Bez skutecznej komunikacji kosztowne procesory mogą zużywać energię, pozostając bezczynne.
Ten czas bezczynności sprawia, że sieci stały się strategiczną częścią projektowania systemów AI. Szybsze akceleratory nie mogą zapewnić oczekiwanej wydajności, gdy dane docierają zbyt wolno lub przeciążenie przerywa skoordynowaną pracę.
Zmienia się także skład tych systemów. Procesory GPU Nvidia nadal są centralnym elementem infrastruktury AI, lecz operatorzy mają obecnie więcej możliwości wyboru. AMD sprzedaje akceleratory Instinct, a firmy chmurowe wdrażają wewnętrznie projektowane procesory do wybranych obciążeń.
Cerebras stosuje inne podejście, wykorzystując procesory o skali wafla. Inne firmy oferują akceleratory inferencyjne, łącza optyczne, procesory sieciowe i produkty rozszerzające pamięć.
Nawet Nvidia obsługuje obecnie systemy obejmujące procesory spoza Nvidia. Jej oferta NVLink Fusion pozwala niestandardowym CPU i akceleratorom łączyć się z infrastrukturą Nvidia na poziomie szafy serwerowej.
Ta różnorodność stwarza szansę dla Delos. Firma nie potrzebuje, by każdy operator zrezygnował z GPU Nvidia. Wystarczy, że odpowiednio wielu nabywców doceni możliwość łączenia komponentów bez przebudowy otaczającej sieci za każdym razem.
Delos twierdzi, że inferencja zasługuje na infrastrukturę połączeń projektowaną dla inferencji, a nie odziedziczoną po obliczeniach wysokiej wydajności lub treningu. To jasne pozycjonowanie, ale rozróżnienie wymaga praktycznych dowodów.
Trening i inferencja wymagają wysokiej przepustowości, niskich opóźnień oraz niezawodnej komunikacji zbiorowej. Ich wzorce ruchu są różne, jednak ugruntowani dostawcy mogą dostosowywać istniejące struktury sieciowe do tych różnic.
Delos musi więc udowodnić coś więcej niż techniczną przydatność. Musi wykazać, że podejście stawiające obciążenie na pierwszym miejscu zapewnia mierzalną przewagę operacyjną nad adaptacją dojrzałej infrastruktury.
Presja jest największa dla operatorów centrów danych budujących duże usługi inferencyjne. Stała platforma może uprościć zakupy i wdrożenie, ale skupia też wybory architektoniczne wokół jednego dostawcy.
Elastyczna sieć obiecuje większą siłę negocjacyjną i lepszy dostęp do wyspecjalizowanych procesorów. Wymaga również od operatorów integracji większej liczby kombinacji i zaakceptowania mniej dojrzałego ekosystemu wsparcia.
To długoterminowa decyzja infrastrukturalna. Wybory dotyczące połączeń wpływają na projekt serwerów, narzędzia programowe, praktyki utrzymaniowe oraz przyszłe zakupy akceleratorów. Ich zmiana po wdrożeniu może być kosztowna.
Delos zakłada, że operatorzy zaakceptują krótkoterminowy wysiłek integracyjny, aby zachować długoterminową swobodę wyboru komponentów. Nvidia zakłada, że skoordynowana platforma pozostanie cenniejsza niż nieograniczona elastyczność.
Sieci AI Delos Data przeciwstawiają elastyczność integracji
Delos sprzedaje swobodę architektoniczną, podczas gdy Nvidia sprzedaje skoordynowaną platformę z ugruntowaną ścieżką wdrożenia.
Pozycja Nvidii zaczyna się od kontroli nad akceleratorem. Jej technologia sieciowa łączy następnie te akceleratory za pośrednictwem stosu optymalizowanego razem z procesorami i oprogramowaniem.
Ta integracja może zmniejszać niepewność. Nabywcy wiedzą, które komponenty zaprojektowano do współpracy, jakie narzędzia je monitorują i który dostawca odpowiada za problem z wydajnością.
Nvidia poszerzyła również swoje podejście. NVLink Fusion umożliwia hiperskalerom i twórcom układów łączenie niestandardowych CPU lub akceleratorów z architekturą scale-up i infrastrukturą szafową Nvidii.
Posunięcie to osłabia prosty argument, że Nvidia obsługuje wyłącznie zamknięte systemy w całości oparte na produktach Nvidia. Klienci mogą dodawać niestandardowe procesory, zachowując sieć Nvidii, oprogramowanie zarządzające i szerszą infrastrukturę.
Delos proponuje inny środek ciężkości. Jego architektura traktuje ścieżkę danych jako stabilną warstwę, podczas gdy komponenty obliczeniowe zmieniają się wokół niej.
Daly powiedział Reutersowi, że nikt nie zna ostatecznej architektury infrastruktury dla agentowej AI. Argumentował, że Delos nadal może zapewnić szybszy sposób przemieszczania danych między wybranymi komponentami.
Ta niepewność wspiera tezę Delos. Operator chmury może wdrożyć GPU dla jednego modelu, niestandardowe akceleratory dla innego, a CPU do przygotowywania danych lub orkiestracji.
Wymagania dotyczące pamięci i pamięci masowej mogą również różnić się między zadaniami inferencyjnymi. Modele z długim kontekstem potrzebują znacznej pojemności pamięci, podczas gdy systemy wyszukiwania wielokrotnie uzyskują dostęp do indeksów i zapisanych treści.
Sieć łącząca te zasoby w jedną domenę mogłaby poprawić wykorzystanie zasobów. Operatorzy mogliby lepiej dopasowywać sprzęt do każdego etapu, zamiast wymuszać obsługę wszystkich etapów przez jeden typ procesora.
Delos nazywa ten projekt ukierunkowany na mieszane środowiska MoXI. Nazwa odzwierciedla mieszanki sprzętu, modeli, połączeń fizycznych, przełączników i topologii sieciowych.
Praktyczna korzyść to wybór. Operator mógłby wdrożyć nowy akcelerator bez zastępowania otaczającej architektury lub wiązania całego klastra z preferowaną strukturą sieciową tego dostawcy.
Integracja zapewnia jednak korzyści, które nie są widoczne w specyfikacji przepustowości. Nvidia może koordynować firmware, sterowniki, biblioteki komunikacji zbiorowej, przełączniki, procesory i oprogramowanie zarządzające.
Ta koordynacja pomaga inżynierom diagnozować spowolnienia. Gdy jeden dostawca kontroluje większą część stosu, mniej organizacji może wzajemnie obarczać się winą za problem z wydajnością.
Delos musi odtworzyć tę przejrzystość operacyjną w komponentach, których nie kontroluje. Jego oprogramowanie obserwowalności i wykrywanie awarii są zatem równie ważne jak krzem interfejsu.
Firma twierdzi, że jej architektura klastra obsługuje bezprzerwowe wykrywanie awarii. W tym kontekście bezprzerwowość oznacza wykrywanie i obsługę usterki bez przerywania obciążenia.
Ta zdolność ma znaczenie, ponieważ duże klastry zawierają wiele potencjalnych punktów awarii. Łącze sieciowe, punkt końcowy, kabel lub usługa programowa mogą zakłócić zsynchronizowane przetwarzanie.
Odporność na awarie wymaga jednak także współpracy serwerów, sterowników, aplikacji i systemów orkiestracji. Delos nie może zapewnić odporności systemowej wyłącznie za pomocą specyfikacji układu.
Strategia firmy obejmująca pełny stos technologiczny uwzględnia ten problem. Zwiększa jednak również zakres technologii, które Delos musi ukończyć, zweryfikować i wspierać.
Dlatego ta runda finansowania ma znaczenie wykraczające poza jej nagłośnioną wartość. Delos nie finansuje jednego niewielkiego komponentu. Próbuje jednocześnie budować układy krzemowe, systemy, oprogramowanie oraz organizację wsparcia klientów.
Nvidia już od lat rozwija swoją platformę i ekosystem deweloperski. Delos musi zapewnić wystarczającą elastyczność, by uzasadnić wybór mniej dojrzałego dostawcy, nie zmuszając przy tym klienta do samodzielnego składania rozwiązania.
Otwarte standardy tworzą kolejną drogę poza Nvidia
Delos nie jest jedyną grupą rozwijającą heterogeniczną infrastrukturę AI, a otwarte standardy branżowe mogą stać się zarówno sprzymierzeńcem, jak i konkurencyjną ścieżką.
Konsorcjum UALink powstało, aby stworzyć otwarte połączenie scale-up dla akceleratorów AI. Sieci scale-up łączą procesory w ściśle skoordynowanej domenie obliczeniowej, gdzie opóźnienia i dostęp do pamięci mają ogromne znaczenie.
Pierwsza publiczna specyfikacja konsorcjum pojawiła się w kwietniu 2025 roku. Jej początkowa konstrukcja obsługuje połączenia między nawet 1 024 akceleratorami w ramach klastra AI.
W kwietniu 2026 roku grupa ogłosiła dodatki obejmujące chiplets, zarządzalność oraz obliczenia w sieci. Obliczenia w sieci pozwalają komponentom sieciowym wykonywać wybrane operacje, gdy dane przemieszczają się przez strukturę połączeń.
Specyfikacja UALink daje dostawcom akceleratorów wspólną podstawę poza zastrzeżonym środowiskiem NVLink firmy Nvidia. Cel ten pokrywa się z argumentacją Delos na rzecz swobodnego wyboru komponentów.
AMD również promuje sieci AI oparte na Ethernet poprzez swoje produkty Pensando. Jego karta interfejsu sieciowego Pollara 400 obsługuje Ethernet 400 Gb/s i jest przeznaczona do komunikacji między akceleratorami.
Nowszy produkt AMD, Vulcano 800, rozszerza to podejście o łączność 800 Gb/s. Firma twierdzi, że urządzenie może zapewniać do 2,4 terabita na sekundę przepustowości scale-out na GPU.
Sieci scale-out łączą większe grupy serwerów lub szaf rack. Mają inne wymagania dotyczące odległości, zarządzania i przeciążenia niż komunikacja scale-up wewnątrz ściśle sprzężonej domeny.
Delos chce ograniczyć tę różnicę z perspektywy operatora. Materiały firmy opisują zunifikowaną domenę przesyłu danych obejmującą obliczenia, pamięć i pamięć masową w różnych technologiach fizycznych.
Cel ten może uzupełniać standardy takie jak Ethernet lub UALink. Delos twierdzi, że jego architektura działa z wieloma protokołami, przełącznikami, kablami i topologiami.
Standardy zmniejszają zależność od pojedynczego dostawcy, ale nie tworzą automatycznie zoptymalizowanego produktu. Firmy wciąż potrzebują układów krzemowych, firmware’u, oprogramowania, testów i kompletnych systemów.
Delos może pozycjonować się jako warstwa implementacyjna, która umożliwia wspólne użycie kilku standardów. Może również dostarczać technologię dla obszarów, w których istniejące standardy nie obejmują kompletnego systemu.
Otwarty standard może jednak osłabić wyróżniki Delos. Jeśli duzi dostawcy zaoferują interoperacyjne produkty z szerokim wsparciem, nabywcy mogą preferować je zamiast bardziej ambitnej architektury startupu.
AMD już łączy akceleratory, karty sieciowe, CPU i konstrukcje na poziomie szaf rack. Broadcom, Marvell, Astera Labs oraz inne uznane firmy półprzewodnikowe również sprzedają technologie połączeń.
Nvidia nadal otwiera wybrane części swojego środowiska dla partnerów za pośrednictwem NVLink Fusion. Lista partnerów obejmuje projektantów procesorów, dostawców półprzewodników, specjalistów od optyki i firmy zajmujące się projektowaniem elektroniki.
Delos odczuwa więc presję z obu stron. Dominująca zintegrowana platforma może sprawić, że jej elastyczność będzie mniej potrzebna. Skuteczne otwarte standardy mogą udostępnić podobną elastyczność od większych dostawców.
Szansa firmy leży pomiędzy tymi scenariuszami. Infrastruktura pozostaje na tyle rozdrobniona, że generuje problemy integracyjne, podczas gdy żadna otwarta alternatywa nie wyeliminowała potrzeby koordynacji na poziomie systemu.
Delos musi przełożyć to tymczasowe okno możliwości na wdrożenia u klientów. Firma potrzebuje projektów gotowych wystarczająco wcześnie, by wpłynąć na decyzje zakupowe, zanim konkurencyjne ekosystemy się ustabilizują.
Jej deklaracje dotyczące niezależności od protokołów również wymagają uważnej analizy. Obsługa protokołu może oznaczać podstawową kompatybilność albo zapewnianie przewidywalnej wydajności przy obciążeniach produkcyjnych.
Nabywcy będą potrzebować wyników dla różnych akceleratorów, przełączników, systemów pamięci i scenariuszy awarii. Pojedyncza zoptymalizowana demonstracja nie może potwierdzić architektury zorientowanej na mieszane środowiska.
To konkurencyjne tło sprawia, że finansowanie Delos Data jest istotnym sygnałem, ale nie rozstrzygnięciem. Inwestorzy finansują możliwość, że infrastruktura AI pozostanie heterogeniczna i trudna do skoordynowania.
Deklaracje dotyczące wydajności wciąż wymagają niezależnego potwierdzenia
Największym ryzykiem Delos nie jest to, czy przesył danych ma znaczenie, lecz to, czy jego przewagi utrzymają się przy rzeczywistych obciążeniach, różnorodności komponentów i wdrożeniach komercyjnych.
Firma reklamuje dziesięciokrotnie niższe opóźnienia, dziesięciokrotnie większą efektywność oraz dziesięciokrotnie szybsze wnioskowanie. Opisuje również łączność serwerową obsługującą klastry o tysiąckrotnie większej skali.
To znaczące deklaracje. Ich wartość zależy od punktu odniesienia, obciążenia, konfiguracji systemu, dojrzałości oprogramowania i metody pomiaru.
Porównanie opóźnień z siecią ogólnego przeznaczenia mówi mniej niż porównanie z dobrze dostrojoną strukturą AI. Efektywność może również oznaczać pobór energii, wykorzystanie sprzętu, wykorzystanie przepustowości albo koszt systemu.
Delos nie opublikował jeszcze szerokiego zestawu niezależnych benchmarków potwierdzających te przewagi. Jego deklaracje należy zatem traktować jako cele produktowe i pomiary raportowane przez firmę.
Rzetelna ocena porównywałaby identyczne obciążenia wnioskowania w kilku architekturach. Powinna raportować opóźnienie end-to-end, liczbę tokenów na sekundę, wykorzystanie akceleratorów, zużycie energii i odzyskiwanie sprawności po awariach.
Powinna także oddzielać ulepszenia sieciowe od zmian w innych częściach systemu. Większa pamięć, inne grupowanie zadań lub zmodyfikowane oprogramowanie modelu mogą wpływać na wydajność wnioskowania.
Testowanie heterogeniczne jest szczególnie ważne. Kluczowa propozycja wartości Delos zależy od kombinacji procesorów i infrastruktury pochodzących od różnych dostawców.
Benchmark ograniczony do jednej rodziny akceleratorów nie potwierdziłby tej wartości. Klienci potrzebują dowodów obejmujących GPU, niestandardowe akceleratory, CPU, urządzenia pamięciowe i ścieżki pamięci masowej.
Oprogramowanie stanowi kolejne ryzyko. Sprzęt może zapewniać przepustowość i niskie opóźnienia, lecz aplikacje potrzebują bibliotek i harmonogramów, które skutecznie wykorzystają te możliwości.
Frameworki AI są już przystosowane do dojrzałych systemów komunikacji. Obsługa nowej architektury może wymagać zmian w sterownikach, bibliotekach komunikacji zbiorowej, narzędziach orkiestracji i oprogramowaniu do monitorowania wydajności.
Delos twierdzi, że jego oferta obejmuje obserwowalność pełnego stosu. To oprogramowanie musi wskazywać, gdzie pojawiają się opóźnienia między komponentami różnych dostawców.
Sam panel kontrolny nie wystarczy. Inżynierowie potrzebują praktycznych informacji, które łączą objaw sieciowy z kablem, przełącznikiem, punktem końcowym, procesem programowym lub wzorcem obciążenia.
Produkcja stanowi osobne wyzwanie. Zaawansowane układy sieciowe wymagają mocy produkcyjnych, pakowania, walidacji i niezawodnych dostaw komponentów.
Opisany przez Delos interfejs co-packaged znajdowałby się blisko przyszłych akceleratorów. Taka integracja wymaga współpracy z projektantami układów, zanim procesory trafią do produkcji.
Tworzy to długie cykle sprzedażowe i rozwojowe. Klient musi zaufać Delos odpowiednio wcześnie, aby uwzględnić jego technologię w projekcie nowego procesora lub serwera.
Startup musi również wspierać operatorów po wdrożeniu. Nabywcy centrów danych oczekują utrzymania firmware’u, aktualizacji bezpieczeństwa, procedur wymiany oraz przewidywalnych planów rozwoju produktów.
Ponad 100 mln dolarów zapewnia znaczące zasoby, ale rozwój półprzewodników szybko pochłania kapitał. Wiele produktów krzemowych i programów systemowych może wymagać dalszego finansowania przed osiągnięciem istotnych przychodów.
Ogłoszenie finansowania nie wskazuje nazwanych klientów produkcyjnych. Nie ujawnia również zobowiązań zakupowych, wolumenów dostaw, partnerów produkcyjnych ani dat dostępności produktów na szerokim rynku.
Brak tych informacji nie oznacza, że Delos nie współpracuje z klientami. Firmy infrastrukturalne często działają poufnie, gdy projekty pozostają w fazie rozwoju.
Oznacza to jednak, że czytelnicy powinni odróżniać zaufanie inwestorów od walidacji przez klientów. Runda finansowania pokazuje, że inwestorzy zaakceptowali szansę i ryzyko, a nie że rynek wybrał produkt.
Prognoza firmy o 300-krotnym wzroście popytu na wnioskowanie AI do 2030 roku zasługuje na taką samą ostrożność. Delos przedstawia tę projekcję jako część uzasadnienia, lecz ogłoszenie nie zawiera przejrzystej, niezależnej metodologii.
Popyt na wnioskowanie wyraźnie rośnie, ponieważ usługi AI zyskują użytkowników i obsługują więcej zadań. Przełożenie tej aktywności na zakupy sieci zależy od efektywności modeli, ulepszeń sprzętowych, wykorzystania zasobów i ekonomiki usług.
Wydajny model mógłby przetwarzać więcej zapytań bez proporcjonalnego wzrostu sprzętu. Z kolei systemy agentowe mogłyby generować więcej wewnętrznych obliczeń na każde widoczne zapytanie użytkownika.
Teza inwestycyjna opiera się na dominacji drugiego efektu. Delos oczekuje, że złożoność wnioskowania będzie rosła szybciej, niż poprawa efektywności będzie ograniczać popyt na infrastrukturę.
Jest to prawdopodobne, ale nie gwarantowane. Firma musi tworzyć rozwiązania dla rynku, który zmienia się, podczas gdy jej układy krzemowe przechodzą przez długie cykle rozwojowe.
Trzy sygnały pokażą, czy Delos może się przebić
Kolejny etap będzie oceniany na podstawie dowodów od klientów, niezależnych wyników wydajności oraz integracji z powstającymi ekosystemami połączeń.
Pierwszym sygnałem będzie nazwany klient produkcyjny. Wdrożenie przez hyperscalera, laboratorium AI, producenta serwerów lub dużą firmę potwierdziłoby więcej niż sama runda finansowania.
Najmocniejsze ogłoszenie opisywałoby wdrożone obciążenie i zestaw komponentów. Powinno również wskazywać, czy klient korzysta z układów Delos, serwerów, oprogramowania klastrowego czy kompletnego stosu.
Ograniczony test oprogramowania dostarczyłby mniej dowodów niż klaster produkcyjny. Zwycięstwo projektowe dla układu krzemowego miałoby znaczenie nawet wtedy, gdy wysyłki wolumenowe pozostawałyby odległe o kilka kwartałów.
Tożsamość klienta ujawni również początkowy rynek Delos. Hyperscaler może dostosowywać infrastrukturę i absorbować pracę integracyjną. Nabywca korporacyjny zazwyczaj potrzebuje bardziej kompletnego, wspieranego systemu.
Sukces w jednej grupie nie przekłada się automatycznie na drugą. Szerokie portfolio produktów Delos sugeruje, że firma chce obsługiwać kilka warstw, ale początkowa koncentracja będzie istotna.
Drugim sygnałem będą niezależne benchmarki. Delos potrzebuje powtarzalnych wyników obejmujących opóźnienia, przepustowość, wykorzystanie zasobów, energię i odzyskiwanie sprawności po awariach.
Najbardziej przydatne testy porównają kompletne systemy, a nie odizolowane połączenia. Powinny uwzględniać wzorce wnioskowania agentowego z nieregularną komunikacją między modelami, pamięcią, narzędziami i przechowywanymi danymi.
Benchmarki powinny także pokazywać wydajność w warunkach przeciążenia i awarii komponentów. Delos stawia odporność w centrum swojej marki, dlatego płynne odzyskiwanie sprawności musi stać się mierzalne.
Wyniki potwierdzające duże korzyści w mieszanym środowisku sprzętowym wzmocniłyby argumentację firmy dotyczącą architektury. Wąskie korzyści w jednej zoptymalizowanej konfiguracji osłabiłyby szersze twierdzenie.
Trzecim sygnałem będzie adopcja ekosystemu. Delos musi pokazać, jak jego technologia współdziała z UALink, Ethernet, planami rozwoju akceleratorów, komponentami optycznymi i projektami serwerów.
Konsorcjum UALink stanowi użyteczny punkt odniesienia. Jego postępy wskażą, jak szybko otwarty ekosystem scale-up może stać się dostępny komercyjnie.
Jeśli produkty Delos wdrożą rozwijające się standardy, jednocześnie poprawiając ich zarządzanie, odporność lub zasięg, firma może stać się kluczowym dostawcą umożliwiającym rozwój tego rynku. Skorzystałaby na dołączaniu kolejnych dostawców do ekosystemu.
Jeśli standardy dojrzeją bez udziału Delos, większe firmy półprzewodnikowe mogą przejąć tę samą szansę. Delos będzie wtedy potrzebować wyraźniejszej przewagi w zakresie wydajności lub oprogramowania.
Reakcja Nvidia jest istotną częścią tego sygnału. Rozszerzenie partnerstw NVLink Fusion może zapewnić klientom większy wybór procesorów bez opuszczania platformy infrastrukturalnej Nvidia.
Pozwoliłoby to zachować zintegrowany model, a jednocześnie odpowiedzieć na obawy dotyczące elastyczności. Delos musiałoby konkurować niezależnością, wydajnością dla konkretnych obciążeń lub całkowitą efektywnością systemu.
Sieć Delos Data AI jest więc zakładem na niepewność architektoniczną. Firma zakłada, że przyszłe klastry inferencyjne pozostaną mieszane, dynamiczne i trudne do połączenia.
Jej założyciele pozyskali wystarczający kapitał, aby sprawdzić tę tezę na rzeczywistym sprzęcie. Wybrali również rynek pełen doświadczonych dostawców półprzewodników i potężnych właścicieli platform.
Dla deweloperów wynik wpłynie na to, które procesory będą mogły współpracować oraz jak konsekwentnie aplikacje będą działać w różnych środowiskach infrastrukturalnych. Lepsze połączenia międzyukładowe mogą ograniczyć opóźnienia, bez konieczności aby każda poprawa wynikała z większego akceleratora.
Nabywcy korporacyjni powinni obserwować wykorzystanie zasobów, a nie wyłącznie deklarowaną przepustowość. Elastyczna sieć staje się wartościowa, gdy zwiększa użyteczną wydajność zainstalowanych procesorów i zachowuje przyszłe możliwości zakupowe.
Zespoły infrastrukturalne powinny również analizować złożoność operacyjną. Wybór komponentów ma ograniczoną wartość, gdy awarie stają się trudniejsze do zdiagnozowania lub oprogramowanie wymaga ciągłego strojenia.
Delos musi teraz przedstawić dowody łączące jego architekturę z tymi praktycznymi rezultatami. Nazwani klienci, porównawcze benchmarki oraz integracja ze standardami zapewnią mocniejszą podstawę oceny niż kolejna deklaracja produktowa.
Runda finansowania przekraczająca 100 mln USD gwarantuje Delos możliwość wejścia do rywalizacji. Nie rozstrzyga jednak sporu między elastyczną infrastrukturą AI a skoordynowaną platformą Nvidia.
Odpowiedź wyłoni się z wdrożonych systemów. Warto obserwować, czy Delos zdoła sprawić, by inferencja na mieszanych układach działała jak jeden niezawodny komputer, a nie zbiór szybkich komponentów czekających na siebie nawzajem.
