型破りなAIが巨額のシードラウンドとAIチップへの新たなアプローチでブレイクスルー

の到着 型破りなAI 同社は、すでにあらゆる業界界で議論されている資金調達ラウンドで、人工知能ハードウェア業界に激震を走らせている。 わずか数ヶ月しか経っていない、 会社 同社はテクノロジー業界で最も有力なファンドの関心を集めることに成功した。理論上は、AI のコンピューティング リソースの設計と消費方法を再考することを約束するアイデアに賭けているのです。

同社は、ますます大規模で貪欲なモデルに焦点を当てるのではなく、問題の根本に取り組もうとしている。 エネルギー効率とチップの物理的アーキテクチャ彼の提案は生物学と脳機能に明確に影響を受けており、 目標は、現在必要とされるエネルギーのほんの一部を消費しながら、膨大な計算能力を提供できるシステムに近づくことです。 大規模なデータセンター。

今年最大のAIハードウェアシードラウンド

アンコンベンショナルAIが4億7500万ドルのシードラウンドを完了大きな数字に慣れている市場でさえ、このような初期段階でのこの数字の大きさは際立っている。この取引における同社の評価額は約 11億5000万ドルこれは、AIハードウェアエコシステムにおけるシードファンディングの最も印象的な事例の1つとなっています。

このラウンドはベンチャーキャピタルファンドが主導した。 アンドリーセン・ホロウィッツ（a16z） y ライトスピード・ベンチャー・パートナーズディープテクノロジーへの長期投資において、2人のキープレイヤーがいます。さらに、以下のようなトップクラスの投資家も加わっています。 ラックスキャピタル, DCVC, データブリックス アマゾンの創設者でさえ、 ジェフ・ベゾスこれにより、このプロジェクトが長期的な戦略的動きとして認識されているという印象が強まります。

外部資本に加えて、共同創設者の一人が私費から拠出することを決定しました。 11億5000万ドル他の主要投資家と同様の条件で。この動きは、金額以上に、同社の技術・事業戦略に対するコミットメントと社内の信頼を明確に示すものだ。

さまざまなインタビューによると、この最初の4億7500万ドルの資金は、最大で 11億5000万ドル 同じ段階にあります。目標の規模の大きさは、彼らが直面しているプロジェクトの種類を浮き彫りにします。 複雑なハードウェア、長い開発サイクル、そして研究開発への多額の初期投資.

最近の他の取引と比較すると、評価額はわずかに下回った。 5.000億 最初の噂ではそのようなことが議論されていましたが、それでも Unconventional AI は、ほとんど収入や商用製品がないにもかかわらず、以前ははるかに成熟した企業のために確保されていた資本レベルで活動しているスタートアップの仲間入りを果たしました。

ナヴィーン・ラオのビジョンと技術的リスクに慣れたチーム

プロジェクトを主導するのは、 ナヴィーン・ラオラオ氏は、起業家としての側面と大手テクノロジー企業での役職の両方で AI の世界でよく知られた人物です。 インテルの人工知能プラットフォームを担当 同社は、機械学習用プロセッサに特化した最初のスタートアップ企業であるNervana Systemsを買収した後、この事業を開始しました。

その後、創設者は共同設立することでさらに飛躍しました モザイクMLデータとAIエコシステムで注目を集め、最終的に買収されたモデルトレーニングプラットフォームである データブリックス、約1.300億ドル10 年足らずの間に 2 つの重要なエグジットを達成したこの実績は、現在同社の新しいプロジェクトを支援しているファンドの間で信頼を生み出す上で大きな役割を果たしました。

ラオ氏とともに、同社は以下の分野の高レベルの人材を採用した。 ハードウェア、ソフトウェア、学術研究、 として マイケル・カービン, サラ・アシュール y ミーラン・リーこのチームは、高い技術的リスク、長期にわたるプロジェクト、迅速なソフトウェアの反復ではなく複雑なプロトタイプと物理アーキテクチャとアルゴリズムの非常に密接な統合によって解決される問題に対処することに慣れています。

ラオ氏自身は、非従来型AIの作業計画には 数年にわたって複数のプロトタイプをテストする彼らは、効率性とコストの観点から、どのパラダイムが最もスケールアップしやすいかを評価しています。言い換えれば、彼らは製品をすぐに発売することを目指しているのではなく、今後10年間でAIコンピューティングに変化をもたらすことができる技術基盤の構築を目指しているのです。

このいわゆる 「ロングサイクルエンジニアリング」 これは、多くのソフトウェアスタートアップの典型的なアプローチとは対照的です。彼らは、顧客との検証を可能な限り迅速に行い、迅速なイテレーションを通じて製品を微調整することに注力しています。ここでの道のりは、大手半導体企業や重要インフラプロジェクトに似ています。投資回収は後回しになりますが、すべてがうまくいけば、業界全体を再定義する可能性があります。

人工知能のための新しいタイプのマシン

非従来型AIの提案の核となるのは、 大幅にエネルギー効率の高いコンピュータ 人工知能のワークロード向けに。ラオ氏は、この分野で注目を集めているフレーズでその野望を要約しました。「 「生物学と同じくらい効率的」人間の脳が最小限のエネルギー消費で複雑な計算を実行する能力を参考にしています。

業界のほとんどはモデルのスケーリング（パラメータの増加、データの増加）を推進し続けていますが、 より多くのGPU—、同社は次のような前提から出発します この戦略はコストと利用可能なエネルギーの点で明確な限界がある大規模データセンターはすでに電力制限、コスト上昇、持続可能性の問題に直面しており、これは気候や規制の目的によりヨーロッパやスペインでは特に懸念されています。

この状況を打破するために、スタートアップは コンピューティングアーキテクチャにおけるパラダイムシフト従来のデジタルアーキテクチャを改良し続けるのではなく、 シリコン自体の物理的特性 ニューロンの非線形ダイナミクスなど、脳の機能に着想を得た原理。

同社はウェブサイトに掲載された文章の中で、その目標を 「知性のための新しい基盤」その考え方は、人工コンピューティングと生物システムの動作を結び付ける適切な構造を見つけることで、従来のデジタル アーキテクチャを単純に改善するだけでは達成できないほどの効率向上を実現できるというものです。

ライトスピードの投資家たちはこの診断に同意し、 「知能の適切な同型性」を探す AI のエネルギー消費を大幅に削減することが目標であれば、この考え方は、これまで主に学術界や大手メーカーによる実験プロジェクトの枠内にとどまっていたニューロモルフィック コンピューティングや高度なアナログ システムの研究努力と一致します。

アーキテクチャ：アナログチップから脈動ニューロンまで

非従来型AIの最も印象的な側面の一つは、 アナログ、混合、ニューロモルフィックアーキテクチャ離散的な0と1で情報を表す現在のデジタルチップとは異なり、アナログ設計では連続的な値を扱い、物理現象をうまく利用することができます。これらの現象を適切に制御することで、特定の操作においてはるかに効率的な処理が可能になります。このアプローチは、 高度なチップ設計とプロセス 物理的な基盤から効率を最適化しようとします。

同社は調査中 確率分布を物理的に保存できるチップ従来のプロセッサのように数値的に近似するのではなく、より自然な確率モデル表現への道を開き、潜在的には エネルギー消費量を最大1000倍削減 今日のデータセンターを支配しているデジタル システムと比較すると。

これを実現するために、チームは 振動子、熱力学、スパイクニューロンこのタイプのモデルは、実際のニューロンが時間の経過とともに離散的なインパルスによって活性化される様子に着想を得ています。ニューロモルフィック分野に典型的なこれらのアーキテクチャは、使用されていないときにチップの大部分を非アクティブ化できるため、一定の活動を維持する回路と比較してエネルギー損失を大幅に削減できます。

このアプローチは、従来の中央クロックを廃止し、チップを非同期で動作させ、ワークロードに応じて必要な部分のみをアクティブにする、インテルなどのニューロモルフィック・プロセッサの過去の取り組みを彷彿とさせます。しかしながら、 非従来型AIはさらに一歩先へ進みたいニューロンの行動を模倣するだけでなく、シリコンの物理設計と、その環境向けに特別に設計された AI モデルを密接に統合することによって実現します。

この組み合わせ 特殊なハードウェアと共同設計モデル これは、チップとアルゴリズムの境界が曖昧になり、パフォーマンスが GPU をいくつ積み重ねられるかではなく、材料と回路のより深い物理的特性をどれだけうまく活用できるかに大きく左右される未来を示しています。

次世代のAI向けにカスタム設計されたSoC

一般的な概要に加え、Unconventional AIが量産化を目指すチップの種類に関する技術的な詳細も明らかになりつつあります。同社が公開した様々な求人情報からも… システムオンチップ（SoC）設計に基づくAIアクセラレータつまり、複数の特殊なコンピューティング モジュールを統合した単一のコンポーネントです。

これらの説明によると、SoCには以下が含まれる。 中央処理装置（CPU） より具体的なAIユニットに渡す前のセンサーデータの整理や準備といった予備的なタスクを担当します。この基本的な基盤に基づいて、最適化されたブロックが追加され、 線形代数演算これらは、大規模な言語モデルからコンピューター ビジョン システムまで、ほぼすべてのディープラーニング モデルの数学的中核を成しています。

このデザインでは、 第三者の知的財産 一部のモジュールでは、これは半導体業界では一般的な慣行であり、実績のある特定のブロックをゼロから開発するよりもライセンス供与を受ける方が効率的です。そこから、Unconventional AIの付加価値は、SoCの最も革新的な部分に集中することになります。

これらの差別化要素には以下が含まれます ミックスドシグナル回路アナログ情報とデジタル情報の両方を処理できるこれらの回路は、センサーからのデータを管理したり、物理学に着想を得た演算を直接実装したりするのに非常に有用です。このタイプの回路は、同社が追求している非線形ダイナミクスと確率的表現をチップが活用するための鍵となります。

もう一つの関連点は、同社の関心が RRAMなどの新興不揮発性メモリこれらの技術は、電源が失われても情報を保持します。特定のシナリオでは従来のフラッシュメモリよりも優れたパフォーマンスを発揮しますが、依然として技術的な課題があり、データセンターでの広範な導入が制限されています。メモリ市場の進化と、 マイクロン関連製品ライン 彼らはこれらの課題と機会を強調しています。

ハードウェアとAIモデルの共同設計

非従来型 AI はプロセッサの物理層だけに留まるつもりはありません。 この戦略には、自社のチップに適合した AI モデルの開発も含まれています。ソフトウェアとハ​​ードウェアを最初から一緒に作成することで得られる最適化マージンを活用します。

このアプローチは、 共同デザイン これにより、データの表現方法、実行される演算、そしてチップ内での作業配分を最大限に制御することが可能になります。汎用GPU向けに設計された既存のモデルを適応させるのではなく、アナログ回路、パルスニューロン、あるいは非従来型メモリモジュールといった独自の特性を活用したアルゴリズムを設計することが可能になります。

同社はこの統合により、 現在のシリコンと比較して1.000倍の効率 特定のワークロード下での性能。これらの数値は、最初の独立したプロトタイプとベンチマークが登場した時点で検証される必要がありますが、チームが目指す野心の大きさを示す指標となります。

このタイプのアプローチは特に ヨーロッパとスペイン技術主権と外国のハードウェアサプライヤーへの依存に関する議論が活発化している。 より効率的な新しい AI アーキテクチャを導入することで、より持続可能で低コストのデータ センターを実現できるようになります。これは、この地域のエネルギーおよび規制上の優先事項と一致しています。最近、業界の状況を大きく変えたような大手クラウドプロバイダーとハードウェアメーカーの提携は、これらのソリューションが適合する可能性のある状況の好例です。クラウドとメーカーのコラボレーション).

非従来型AIモデルが最終的に競争力を持つと証明されれば、 ヨーロッパのクラウド企業、研究機関、大企業がこうしたタイプのソリューションを統合するのは驚くことではありません。 インフラ整備において、 エネルギーコストと二酸化炭素排出量を削減する 高度な AI 機能を犠牲にすることなく。

市場の状況：メガラウンドとAIインフラの競争

非従来型 AI の事例は、より広範なトレンドの一部です。 非常に初期段階で数億ドルを調達するAIスタートアップの出現数年前までは上場企業や連結売上高が非常に多い企業に限った評価だった。

近年では、 オープンAI, 人類学的 あるいは、次のような人物によって推進されている取り組み イリヤ・スツケヴェル o ミラ・ムラティ 彼らは歴史的なベンチャーキャピタルラウンドに関与してきました。2025年には、数十のAIスタートアップが 100億ドルの資金調達この分野で前例のない投資額を統合します。

この波の中で、 インフラをめぐる戦い チップ、専用クラウド、アクセラレータ、トレーニング システムは、最も激しい競争が繰り広げられている分野の 1 つになっています。 プロセッサ依存性 少数のメーカー、特にハイエンド GPU の不足により、投資家や起業家は供給と価格のボトルネックを緩和する代替手段を模索するようになりました。

従来とは異なるAIが提案することでこの競争に参入する 大手GPUメーカーとの単なる漸進的な競争とは異なる道単にパフォーマンスの向上を追求するのではなく、エネルギー効率を桁違いに向上させることに重点を置きます。これは、中期的には AI システムが物理的および経済的な限界に突き当たることなく成長し続けるために重要なことです。

エネルギーコストと排出規制が特に厳しい欧州のエコシステムにとって、この種の提案の成功は決定的なものとなる可能性がある。 より効率的なAIハードウェア これはグリーン移行戦略に適合すると同時に、企業や行政機関が消費量を増やすことなく高度な AI アプリケーションを導入することも可能になります。

このプロジェクトは 型破りなAI 同社は、シード段階での大規模資金調達、AI向けにゼロから設計されたハードウェア、生物学から直接インスピレーションを得たこと、そしてますます明らかになる現実に対応したエネルギー効率へのこだわりなど、現在の主要トレンドの多くを体現しています。もし同社がシリコンでその約束を実現できれば、米国と欧州、ひいてはスペインのような市場において、今後10年間で人工知能モデルの学習と運用方法を決定づける主要プレーヤーの一角となる可能性があります。