OLIX pozyskuje 312 mln USD na budowę wyspecjalizowanego systemu wnioskowania AI

OLIX pozyskał 312 mln USD przy wycenie 3,3 mld USD, dając narracji Nvidia Techmeme nowego brytyjskiego rywala z wyjątkowo ambitnym planem sprzętowym. Londyński startup chce zastąpić jeden uniwersalny procesor wnioskowania linią produkcyjną wyspecjalizowanych chipów w skali szafy rack. Dostawy jego pierwszego produktu dla klientów nadal zaplanowano na drugą połowę 2027 roku.

Ta luka między finansowaniem a dostawą definiuje tę historię. OLIX przyciągnął jako inwestorów Arm, Fundomo, Hudson River Trading oraz współzałożyciela Netflixa, Reeda Hastingsa. Dotychczasowi wspierający również zwiększyli swoje zaangażowanie. Firma nie opublikowała jednak niezależnych benchmarków z wdrożonych systemów klienckich.

Bezpośrednim rywalem jest Nvidia, ale głębsza konkurencja dotyczy architektury. Nvidia nadal rozwija ściśle zintegrowaną platformę opartą na uniwersalnych akceleratorach, sieciach, oprogramowaniu i pamięci o wysokiej przepustowości. OLIX twierdzi, że lepszym rozwiązaniem jest podział generowania tokenów między wyspecjalizowane chipy połączone łączami optycznymi.

Runda o wartości 312 mln USD daje OLIX czas na zbudowanie tego rozwiązania. Nie dowodzi jednak, że będzie ono działać zgodnie z deklaracjami, da się niezawodnie produkować ani że wpisze się w praktyki programistyczne już zbudowane wokół sprzętu Nvidia.

Nowe finansowanie zmienia tezę dotyczącą chipów w zobowiązanie do dostawy

OLIX przechodzi od proponowania alternatywnej architektury do obiecywania kompletnej szafy rack do wnioskowania dla rzeczywistych klientów.

Firma ogłosiła rundę Series B 3 sierpnia 2026 roku. Runda wyceniła dwuletnie przedsiębiorstwo na 3,3 mld USD. Fundomo, Arm i Hudson River Trading uczestniczyły w niej obok Hastingsa i powracających inwestorów.

Dotychczasowi inwestorzy Hummingbird Ventures, Crane, Plural, Creandum, Phoenix Court i Transition zwiększyli swoje zaangażowanie. OLIX nie wskazał jednego głównego inwestora w swoim komunikacie, choć Financial Times podał, że finansowaniu przewodziło Fundomo.

Runda następuje po pozyskaniu 220 mln USD, o którym informowano w lutym. Tamto finansowanie wyceniło OLIX na ponad 1 mld USD i było prowadzone przez Hummingbird Ventures. Wycena wzrosła więc ponad trzykrotnie w około sześć miesięcy, zanim startup dostarczył swój pierwszy komercyjny chip.

OLIX powołał również profesora Nicka McKeowna do rady dyrektorów. McKeown współtworzył koncepcję sieci definiowanych programowo i pomagał stworzyć OpenFlow oraz P4 — technologie, które zmieniły sposób programowania sieci przez operatorów. Był też współzałożycielem Nicira i Barefoot Networks, później przejętych odpowiednio przez VMware i Intel.

To powołanie pasuje do ambicji firmy na poziomie całych systemów. OLIX nie oferuje odizolowanego procesora, który klienci mogą po prostu wymienić w istniejącym serwerze. Planuje projektować chipy, lasery, połączenia optyczne, kompilatory i otaczającą je szafę rack jako jeden skoordynowany system.

Były dyrektor finansowy Wise, Matt Briers, dołączył do OLIX jako dyrektor finansowy. Briers pomógł przeprowadzić Wise przez bezpośrednie wejście na giełdę w Londynie w 2021 roku. Jego przyjście zapewnia OLIX kadrę zarządzającą mającą doświadczenie w prowadzeniu prywatnej spółki technologicznej ku kontroli ze strony rynków publicznych.

Te nominacje mają znaczenie, ponieważ nowe finansowanie ma jasno określony cel operacyjny. OLIX twierdzi, że sfinansuje ono zobowiązania produkcyjne, zdolności łańcucha dostaw oraz rozwój szerszej platformy niestandardowych układów scalonych. Firma rekrutuje również w Londynie, Bristolu, Austin, Toronto i San Francisco.

Głównym kamieniem milowym jest DX-1, akcelerator dekodowania zaprojektowany dla fazy, w której model AI generuje odpowiedź. OLIX zamierza dostarczyć chip pierwszym klientom w drugiej połowie 2027 roku.

Ten cel zmienia sposób, w jaki należy oceniać firmę. Wczesne finansowanie nagradzało tezę techniczną. Series B wyznacza termin dla wafli, obudów, fotoniki, gotowości kompilatora, integracji systemu i akceptacji przez klientów.

Startupy chipowe rutynowo mierzą się z długimi okresami między obiecującymi symulacjami a niezawodnym sprzętem produkcyjnym. Opóźnienia w produkcji mogą prowadzić do niedotrzymania kamieni milowych w oprogramowaniu i odroczenia wdrożeń u klientów. Kompletna szafa rack wprowadza jeszcze więcej punktów integracji niż samodzielny akcelerator.

OLIX ma teraz znaczący kapitał i wyraźne wsparcie techniczne. Kolejny etap jest mniej wyrozumiały: firma musi przekształcić te zasoby w działające systemy o mierzalnej ekonomice.

Dlaczego porównanie Nvidia Techmeme jest jednocześnie użyteczne i mylące

Ujęcie Nvidia Techmeme wskazuje obecnego lidera, ale OLIX kwestionuje projekt systemu Nvidia, a nie buduje konwencjonalnego klona GPU.

Nvidia dostarcza znacznie więcej niż krzem akceleratorów. Jej pozycja opiera się na GPU, produktach sieciowych, narzędziach deweloperskich, zoptymalizowanych bibliotekach, doświadczeniu we wdrożeniach i dużej społeczności wyszkolonej wokół CUDA. Klienci kupują cały ten nagromadzony system, a nie jedynie specyfikację procesora.

OLIX obiera inną drogę. Startup argumentuje, że wnioskowanie obejmuje kilka operacji o odmiennych wymaganiach sprzętowych. Uruchamianie każdego etapu na jednym uniwersalnym akceleratorze wymusza kompromisy między szybkością, responsywnością, zużyciem energii i wykorzystaniem zasobów.

Wnioskowanie to proces używania wytrenowanego modelu do wygenerowania odpowiedzi. Obejmuje fazę przetwarzania promptu oraz sekwencyjną fazę dekodowania, podczas której model generuje tokeny jeden po drugim. Etapy te mogą stawiać odmienne wymagania wobec przepustowości pamięci i mocy obliczeniowej.

OLIX porównuje centrum danych do fabryki, której produktem jest token. Konwencjonalna fabryka wykorzystuje wyspecjalizowane maszyny na różnych etapach produkcji. Firma twierdzi, że system wnioskowania powinien działać według tej samej zasady.

Jej platforma X-1 rozłożyłaby model na liczne wyspecjalizowane chipy. Każdy procesor wielokrotnie obsługiwałby jedną część modelu, podczas gdy aktywacje przemieszczałyby się przez system. OLIX opisuje ten układ jako linię produkcyjną tokenów.

To podejście przesuwa problem techniczny. Specjalizacja może zwiększyć wydajność pojedynczej operacji, ale tylko jeśli transfer danych między procesorami nie zniweluje tej korzyści. Opóźnienia, synchronizacja, energia zużywana przez sieć i harmonogramowanie stają się więc kluczowymi elementami projektu.

OLIX proponuje „wolne i szerokie” połączenie optyczne, które przesyła dane za pomocą światła zamiast miedzi. Twierdzi, że współprojektowanie w skali szafy rack pozwala łączu przesyłać duże ilości danych przy niskich opóźnieniach i zużyciu energii. Deterministyczny kompilator miałby harmonogramować obciążenia między szafami rack.

Nvidia wybiera bardziej ewolucyjną drogę. Jej architektura Blackwell łączy akceleratory z szybkimi połączeniami i platformą programistyczną stworzoną dla treningu oraz wnioskowania. Kolejne systemy zwiększają pojemność pamięci, przepustowość komunikacji i wydajność obliczeniową, zachowując przy tym szeroką programowalność.

Ta uniwersalność wiąże się z narzutem, ale chroni też klientów przed szybkimi zmianami modeli. Akcelerator kupiony do jednego obciążenia często może obsłużyć inne po dostosowaniach oprogramowania. Zainstalowana baza Nvidia zapewnia deweloperom również sprawdzone narzędzia do profilowania, optymalizacji i wdrażania.

OLIX twierdzi, że jego chipy zachowają elastyczną strukturę obliczeniową zamiast kodować na stałe jeden model. To rozróżnienie jest kluczowe. Architektury modeli mogą zmieniać się szybciej niż cykle rozwoju półprzewodników, dlatego sztywna specjalizacja może pozostawić chip zoptymalizowany pod wczorajsze obciążenie.

Udział Arm zwiększa wiarygodność, nie eliminując jednak tego ryzyka. Arm ma głębokie doświadczenie w projektowaniu procesorów i ich komercjalizacji, lecz inwestycja nie potwierdza deklarowanej przez OLIX wydajności. Sygnalizuje strategiczne zainteresowanie inną architekturą wnioskowania.

Ta sama ostrożność dotyczy wyceny. Inwestorzy sfinansowali potencjalnie wartościową odpowiedź na rosnące koszty wnioskowania. Nie dostarczyli niezależnych dowodów technicznych potrzebnych do oceny, czy X-1 może wyprzeć ugruntowane platformy.

OLIX stawia na to, że ograniczeniem jest pamięć, a nie arytmetyka

Główne twierdzenie firmy głosi, że sprawne przenoszenie danych modelu ma większe znaczenie niż dodanie kolejnego przyrostu uniwersalnej mocy obliczeniowej.

Duże modele zawierają wagi, czyli parametry liczbowe wyuczone podczas treningu. Obsługa tych modeli wymaga, aby procesory wielokrotnie pobierały wagi i dane pośrednie. Ten ruch zużywa czas i energię, szczególnie podczas sekwencyjnego generowania tokenów.

Współczesne akceleratory często korzystają z pamięci o wysokiej przepustowości, czyli HBM, umieszczonej blisko procesora. HBM zapewnia znacznie większą przepustowość niż konwencjonalna pamięć serwerowa, lecz wymaga specjalistycznej produkcji i zaawansowanego pakowania. Dostawy obu tych elementów stały się strategicznie ważne na całym rynku sprzętu AI.

OLIX chce, aby DX-1 przechowywał dane modelu w statycznej pamięci o dostępie swobodnym, czyli SRAM. SRAM to szybka pamięć powszechnie integrowana bezpośrednio na chipie. Oferuje niskie opóźnienia, ale jest mniej gęsta i droższa w przeliczeniu na przechowywany bit niż zewnętrzne technologie pamięci.

Startup twierdzi, że jego architektura wielochipowa sprawia, iż ta pozorna wada jest możliwa do opanowania. Zamiast umieszczać cały duży model obok jednego procesora, X-1 rozdzieliłby model między wiele chipów i szaf rack. Każdy chip przechowywałby i wykonywał przypisaną mu sekcję.

OLIX twierdzi, że DX-1 nie będzie wymagał HBM ani zaawansowanego pakowania. Wybór ten mógłby ograniczyć ekspozycję na łańcuchy dostaw zdominowane przez obecnych dostawców akceleratorów. Wcześniejsze doniesienia o OLIX wskazywały unikanie ograniczonych komponentów jako centralną część strategii firmy.

Projekt odróżnia OLIX również od innych propozycji z zakresu obliczeń fotonicznych. Fotonika oznacza wykorzystanie światła do komunikacji lub obliczeń. W X-1 technologia optyczna przede wszystkim łączy procesory, podczas gdy programowalne obliczenia wykonują układy elektroniczne.

Ten hybrydowy projekt pozwala uniknąć stawiania wszystkiego na optyczną arytmetykę. Wymaga jednak od OLIX zintegrowania laserów, chipów elektronicznych, sieci, oprogramowania kompilatora i zarządzania temperaturą w niezawodną szafę rack. Każdy element wpływa na dostępność systemu i uzysk produkcyjny.

Firma twierdzi, że DX-1 przekroczy 10 000 tokenów na sekundę dla każdego użytkownika w modelach o 100 mld parametrów. Twierdzi również, że zapewni wyższą przepustowość tokenów wyjściowych na wat niż uniwersalne procesory działające przy dużych rozmiarach batcha.

OLIX dodaje, że jej architektura może skalować się do modeli o 10 bln parametrów lub więcej. Są to prognozy firmy, a nie niezależnie odtworzone wyniki klientów. Komunikat nie określa wszystkich warunków dotyczących modelu, precyzji, opóźnień, wykorzystania czy zużycia energii stojących za porównaniami.

Brakujące warunki są kluczowe. Wydajność wnioskowania zmienia się wraz z długością wejścia, długością wyjścia, rozmiarem batcha, precyzją numeryczną, architekturą modelu i akceptowalnym opóźnieniem. Wynik zoptymalizowany dla jednej kombinacji może nie opisywać typowego ruchu produkcyjnego.

„Tokeny na sekundę na użytkownika” mogą mierzyć interaktywność, ale operatorzy dbają również o całkowitą przepustowość szafy rack. Muszą równoważyć responsywność z liczbą jednocześnie obsługiwanych żądań. Efektywność energetyczna ma znaczenie zarówno na poziomie chipu, jak i całego obiektu.

Znaczenie ma także zestaw porównawczy. Wyspecjalizowany system dekodowania może wypadać dobrze na tle uniwersalnego procesora obsługującego każdy etap wnioskowania. Pytanie operacyjne brzmi, czy kompletna szafa rack OLIX przewyższa zoptymalizowane wdrożenie heterogeniczne po uwzględnieniu sieci, niewykorzystanej pojemności, oprogramowania i chłodzenia.

Manifest OLIX dotyczący wnioskowania przedstawia spójne powody, by kwestionować dominującą architekturę. Nie eliminuje jednak potrzeby powtarzalnych pomiarów. Najbardziej przekonujące dowody przyniosą kompletne szafy serwerowe obsługujące aktualne modele przy realistycznych wymaganiach dotyczących poziomu usług.

Najtrudniejsza część zaczyna się po powrocie pierwszego krzemu

OLIX musi udowodnić, że efektywność architektoniczna przetrwa produkcję, zmiany modeli i codzienną zmienność produkcyjnego wnioskowania.

Pierwsza niewiadoma dotyczy realizacji krzemu. Harmonogramy w branży półprzewodników mogą się opóźniać z powodu błędów projektowych, problemów z produkcją wafli, ograniczeń związanych z pakowaniem lub niskiej wydajności uzysku. OLIX musi skoordynować własne procesory i komponenty optyczne, zwiększając liczbę zależności przed dostawą do klienta.

Rezygnacja z HBM nie eliminuje ryzyka w łańcuchu dostaw. Firma nadal potrzebuje mocy produkcyjnych foundry, substratów, laserów, montażu optycznego, sprzętu testowego, komponentów sieciowych i produkcji szaf serwerowych. Jej projekt po prostu przenosi presję na inny zestaw dostawców i procesów.

Druga niewiadoma to oprogramowanie. Przewaga Nvidii obejmuje dojrzałe kompilatory, zoptymalizowane kernele, narzędzia do debugowania i frameworki znane programistom. Nowa architektura potrzebuje ścieżki programowej, która pozwoli klientom wdrażać modele bez przebudowy całej infrastruktury wnioskowania.

OLIX twierdzi, że deterministyczny kompilator będzie planował obciążenia w jego szafach serwerowych. Deterministyczne harmonogramowanie oznacza, że system przewidywalnie planuje operacje i komunikację, zamiast przydzielać je dynamicznie. Może to ograniczyć narzut koordynacyjny, ale może też utrudnić absorbowanie zmieniających się wzorców ruchu.

Zapytania produkcyjne rzadko trafiają w uporządkowanych, jednolitych partiach. Długości promptów są różne. Długości odpowiedzi są nieprzewidywalne. Modele wywołują narzędzia, ponownie wykorzystują kontekst z pamięci podręcznej i obsługują użytkowników o różnych oczekiwaniach dotyczących opóźnień. Wykorzystanie sprzętu może spaść, jeśli potok czeka na najwolniejszy etap.

Powstaje tu klasyczny problem linii produkcyjnej. Specjalizacja poprawia przepustowość, gdy praca płynie równomiernie, lecz wąskie gardła mogą pozostawić inne etapy bezczynne. OLIX musi pokazać, że jego kompilator równoważy zróżnicowane zapytania, zachowując jednocześnie efektywność obiecaną przez architekturę.

Ewolucja modeli tworzy kolejne wyzwanie. Systemy mixture-of-experts aktywują różne podzbiory modelu dla każdego tokena. Modele multimodalne łączą tekst, obrazy, dźwięk i wideo. Dekodowanie spekulacyjne wykorzystuje mniejsze modele do proponowania wyników, które większy model weryfikuje.

Każda z tych technik zmienia obliczenia i przepływ danych. OLIX twierdzi, że jego elastyczna struktura połączeń może podążać za tymi zmianami bez zakodowania modelu na sztywno. Klienci będą potrzebowali dowodów, że aktualizacje nie wymagają długotrwałej pracy nad kompilatorem ani nowego krzemu.

Niezawodność również ma znaczenie w skali szafy serwerowej. System rozproszony na wielu procesorach może tracić więcej pracy, gdy zawiedzie jeden komponent. OLIX potrzebuje mechanizmów izolacji awarii, redundancji, monitorowania i odzyskiwania sprawności, które utrzymają działanie usługi podczas błędów sprzętowych.

Następnie przychodzi test ekonomiczny. Klienci obliczają całkowity koszt posiadania, uwzględniając sprzęt, energię, sieci, chłodzenie, oprogramowanie, personel, utrzymanie i wykorzystanie zasobów. Szybszy chip nie tworzy automatycznie tańszej usługi.

Nvidia również może odpowiedzieć. Obecny lider nadal ulepsza oprogramowanie przeznaczone do wnioskowania, obliczenia o niższej precyzji, sieci i projekty szaf serwerowych. Hyperscalerzy rozwijają własne akceleratory, a startupy takie jak Cerebras, Groq, d-Matrix i Fractile realizują inne wyspecjalizowane podejścia.

To zatłoczone pole wzmacnia pozycję negocjacyjną kupujących. Oznacza też, że konkurentem OLIX w chwili wdrożenia może nie być system Nvidii dostępny wtedy, gdy projektowano X-1. Istotne porównanie będzie dotyczyć produktów dostarczanych pod koniec 2027 roku.

Wsparcie rządowe może wydłużyć okres finansowania startupu. Brytyjski plan dotyczący sprzętu AI priorytetowo traktuje krajowe firmy obliczeniowe i dostęp do infrastruktury publicznej. Jednak wsparcie polityczne nie może zastąpić walidacji przez klientów ani powtarzalnej produkcji.

OLIX sformułował technicznie konkretne twierdzenia, co jest lepsze niż mgliste obietnice. Te twierdzenia ustanawiają teraz równie konkretny ciężar dowodu.

Trzy sygnały pokażą, czy OLIX ma realną alternatywę dla Nvidii

Sprzęt u klientów, niezależnie zdefiniowane benchmarki i ponowne zamówienia zdecydują, czy OLIX stanie się dostawcą infrastruktury, czy pozostanie kosztownym eksperymentem architektonicznym.

Pierwszym sygnałem będzie działająca szafa DX-1 dostarczona zgodnie z harmonogramem. OLIX wyznaczył drugą połowę 2027 roku jako docelowy termin dla klientów. Wcześniej zapowiedzi tape-outu, wyniki pierwszego krzemu, demonstracje szaf serwerowych i wskazani partnerzy premierowi pokażą, czy rozwój przebiega zgodnie z planem.

Demonstracja laboratoryjna nie wystarczy. System musi nieprzerwanie uruchamiać aktualne modele, odzyskiwać sprawność po awariach i integrować się z oprogramowaniem obsługowym, którego klienci już używają. Dowody ze środowiska klienta będą miały większą wagę niż kolejna prognoza.

Drugim sygnałem będzie benchmark z kompletnymi warunkami testowymi. Czytelnicy powinni szukać nazw modeli, liczby parametrów, precyzji numerycznej, długości promptów, długości odpowiedzi, rozmiarów partii, docelowych opóźnień, poboru mocy przez szafę oraz pełnej konfiguracji systemu.

Nagłośnione twierdzenie OLIX o ponad 10 000 tokenów na sekundę na użytkownika brzmi uderzająco. Jego znaczenie zależy od tych szczegółów. Niezależna replikacja wzmocniłaby argumentację firmy, podczas gdy zawężone warunki lub pominięcie poboru mocy całego systemu ją osłabią.

Przydatne porównania muszą mierzyć zarówno responsywność, jak i łączną przepustowość. Platforma może szybko generować jeden strumień, jednocześnie obsługując zbyt mało równoczesnych użytkowników. Może też maksymalizować łączną liczbę tokenów, zapewniając każdemu użytkownikowi niedopuszczalne opóźnienie.

Trzecim sygnałem będzie komercyjna ekspansja po pierwszej instalacji. Pilotaż pokazuje, że nabywca chce ocenić technologię. Ponowne zamówienie pokazuje, że system dostarczył wystarczającą wartość, by uzasadnić zmianę operacyjną.

Powtarzający się popyt wskazywałby również, że organizacja OLIX odpowiedzialna za oprogramowanie i wsparcie potrafi obsługiwać klientów produkcyjnych. Sama wydajność sprzętu nie buduje biznesu infrastrukturalnego. Kupujący potrzebują przewidywalnych dostaw, utrzymania, aktualizacji bezpieczeństwa, wsparcia dla modeli i wiarygodnej mapy drogowej produktu.

Inwestycja Arm zasługuje na uwagę w ramach tego testu komercyjnego. Arm może wnieść relacje techniczne i doświadczenie w licencjonowaniu technologii procesorowych na szerokim rynku. Przyszła współpraca, przedstawienie klientów lub ujawnione komponenty projektu wyraźniej określiłyby jego strategiczną rolę.

Odpowiedź Nvidii będzie widoczna w mapach drogowych produktów i ekonomice wnioskowania. Firma nie musi naśladować OLIX. Wystarczy, że wystarczająco szybko poprawi liczbę tokenów na wat, opóźnienia i koszt wdrożenia, aby zawęzić lukę, w którą celuje OLIX.

Dlatego historia Nvidii w Techmeme nie powinna zostać sprowadzona do konkursu finansowania między startupem a obecnym liderem. OLIX testuje, czy wnioskowanie AI powinno stać się potokiem wyspecjalizowanych maszyn, zamiast pozostawać skoncentrowane na akceleratorach ogólnego przeznaczenia.

Jeśli ten model linii produkcyjnej zadziała, programiści i nabywcy korporacyjni mogą zyskać kolejną drogę do wnioskowania o niższych opóźnieniach. Większa dostępność tokenów mogłaby wspierać dłuższe zadania rozumowania, większe populacje użytkowników i aplikacje, których obsługa obecnie kosztuje zbyt wiele.

Jeśli się nie powiedzie, prawdopodobne przyczyny będą pouczające. Komunikacja optyczna może nie zrekompensować narzutu koordynacyjnego. Pojemność SRAM może narzucać trudną ekonomię skalowania. Kompilator może mieć problemy ze zmiennymi obciążeniami, albo szersza platforma Nvidii może poprawiać się szybciej, niż OLIX zdoła osiągnąć produkcję.

Finansowanie zapewnia wystarczający czas, by szukać odpowiedzi na te pytania. Nie rozstrzyga ich jednak. Najbardziej użyteczna reakcja na nagłówki Techmeme o Nvidii jest więc prosta: obserwujcie szafy serwerowe, analizujcie warunki benchmarków i czekajcie, aż klienci złożą zamówienie po raz drugi.