Was ist passiert?
Euclyd, ein in den Niederlanden ansässiges Halbleiter-Startup, hat in einer Serie-A-Finanzierungsrunde unter gemeinsamer Leitung von Somerset Capital Partners, dem Scaleup Europe Fund und Innovation Industries unter Beteiligung von Samsung 231 Millionen US-Dollar eingesammelt. Das Unternehmen entwickelt eine proprietäre Prozessor- und Speicherarchitektur, die speziell für KI-Inferenz-Workloads entwickelt wurde. Euclyd plant, sowohl physische Racksysteme für den Einsatz in Unternehmen vor Ort als auch ein Lizenzmodell für geistiges Eigentum für Unternehmen anzubieten, die ihre eigenen maßgeschneiderten KI-Chips bauen möchten. Das Unternehmen rechnet damit, mit der kommerziellen Auslieferung von Hardware erst 2028 zu beginnen.
Euclyd, gegründet im Jahr 2024, hat sich eine Serie-A-Finanzierung in Höhe von 231 Millionen US-Dollar gesichert, um eine Alternative zur GPU-zentrierten KI-Hardware von Nvidia zu entwickeln. Die Runde wurde gemeinsam von Somerset Capital Partners, dem Scaleup Europe Fund und Innovation Industries geleitet, mit strategischer Beteiligung von Samsung.
Das Geschäftsmodell des Startups besteht aus zwei Teilen: dem Verkauf physischer KI-Racksysteme für den Einsatz vor Ort in Unternehmen und der Lizenzierung seiner proprietären Prozessor- und Speicherarchitektur an andere Firmen. Das Unternehmen behauptet, dass dieser Ansatz es Unternehmen ermöglichen wird, KI-Inferenz-Workloads mit besserer Kontrolle über ihre Daten und Infrastruktur zu verwalten.
Die Rolle von Samsung wird als mehr als nur finanziell beschrieben; Von dem Unternehmen wird erwartet, dass es technische Unterstützung und Fachwissen in der Lieferkette bereitstellt und seine Position als globaler Marktführer in der Speicherproduktion nutzt, um Euclyd bei der Bewältigung der Datenübertragungsanforderungen moderner KI-Workloads zu unterstützen.
Trotz der Finanzierung hat Euclyd seine Technologie noch nicht im kommerziellen Maßstab demonstriert. Das Unternehmen hat sich zum Ziel gesetzt, im Jahr 2028 mit der Auslieferung kommerzieller Hardware zu beginnen, mit dem langfristigen Ziel, bis 2030 Tausende von Unternehmenskunden zu unterstützen.
Quellenangaben: rswebsols.com ↗
Warum es wichtig ist
Die Investition unterstreicht die anhaltenden branchenweiten Bemühungen, über Allzweck-GPUs hinauszugehen, die derzeit die KI-Computing-Landschaft dominieren. Durch die Konzentration auf eine spezielle Architektur, die Verarbeitung und Speicher integriert, möchte Euclyd die Engpässe bei der Datenübertragung beseitigen, die die aktuelle KI-Infrastruktur einschränken. Das Engagement von Samsung ist besonders bedeutsam, da Euclyd mit seiner Expertise in der Speicherherstellung und im Lieferkettenmanagement einen strategischen Partner für die Steuerung des komplexen Halbleiterentwicklungszyklus hat. Allerdings steht Euclyd vor erheblichen Hürden, darunter der Notwendigkeit, mit dem etablierten Software-Ökosystem von Nvidia zu konkurrieren, und den technischen Risiken, die mit der Markteinführung einer neuen Hardware-Architektur verbunden sind. Der Erfolg dieses Vorhabens bleibt spekulativ, da das Unternehmen seine Technologie noch nicht im kommerziellen Maßstab demonstriert hat und seine Produkt-Roadmap mehrere Jahre in die Zukunft reicht.
Der aktuelle Markt für KI-Hardware ist stark von den GPUs von Nvidia abhängig, die ursprünglich für Spiele entwickelt wurden, aber zum Standard für KI-Training und -Inferenz geworden sind. Diese Abhängigkeit hat bei großen Cloud-Anbietern und KI-Unternehmen zu erheblichem Kosten- und Lieferkettendruck geführt.
Euclyds Fokus auf eine spezielle Architektur, die Speicher und Verarbeitung integriert, ist ein direkter Versuch, die „Speicherwand“ zu lösen – den Engpass, der durch die Übertragung großer Datenmengen zwischen Prozessoren und Speicher entsteht. Im Erfolgsfall könnte dies im Vergleich zu Allzweck-Hardware eine höhere Effizienz für Inferenzaufgaben bieten.
Die Wettbewerbslandschaft verschärft sich, da große Player wie Google, Meta und OpenAI ihre eigenen proprietären KI-Chips entwickeln. Euclyd muss beweisen, dass seine Hardware einen bedeutenden Leistungsvorteil bieten und gleichzeitig den „Burggraben“ überwinden kann, der durch das umfangreiche Software- und Entwickler-Ökosystem von Nvidia entsteht.
Die Investition birgt erhebliche technische und kommerzielle Risiken. Da das Unternehmen noch Jahre von der Auslieferung entfernt ist, muss es die Volatilität der Halbleiterindustrie meistern und gleichzeitig beweisen, dass sein Design für die Massenproduktion geeignet ist.
Interaktiver Mechanismus: Wie es tatsächlich funktioniert
Entdecken Sie interaktiv die zugrunde liegende Technologie, die dieser Entwicklung zugrunde liegt.
Which component of an AI application is the machine-learning model itself?
Was Sie als nächstes sehen sollten
Der wichtigste Meilenstein für Euclyd ist der Übergang vom Architekturdesign zur kommerziellen Produktion. Die Auslieferung ist für 2028 geplant. Beobachter sollten überwachen, ob das Unternehmen seine Hardware erfolgreich in bestehende KI-Software-Frameworks integrieren kann, eine entscheidende Voraussetzung für die Einführung in Unternehmen. Darüber hinaus wird die Fähigkeit des Unternehmens, sein Ziel zu erreichen, bis 2030 Tausende von Unternehmenskunden zu bedienen, von seinen Leistungsmaßstäben und Effizienzkennzahlen im Vergleich zu den sich schnell entwickelnden Angeboten etablierter etablierter Unternehmen und anderer Start-ups, die proprietäre KI-Silizium entwickeln, abhängen.
Achten Sie auf zukünftige technische Offenlegungen zur Leistung und Energieeffizienz der Euclyd-Architektur im Vergleich zu aktuellen Industriestandards.
Verfolgen Sie die Fortschritte des Unternehmens beim Aufbau eines Software-Ökosystems, da die Hardwareleistung allein selten ausreicht, um etablierte Plattformen im Unternehmensmarkt zu verdrängen.
Verfolgen Sie die Fähigkeit des Unternehmens, seinen Liefertermin bis 2028 einzuhalten, da Verzögerungen in der Halbleiterfertigung häufig vorkommen und sich auf die Wettbewerbsposition des Startups auswirken könnten.