Apa yang terjadi
Tech Times melaporkan bahwa Positron AI yang berbasis di Reno menyelesaikan putaran pembiayaan Seri C senilai $875 juta dengan penilaian pasca-uang sebesar $5 miliar. Pendanaan ini dimaksudkan untuk mendukung Asimov, ASIC inferensi khusus yang ditargetkan untuk tapeout pada akhir tahun 2026 dan produksi pada paruh kedua tahun 2027. Desainnya menggunakan memori LPDDR5X, bukan HBM yang digunakan pada akselerator Nvidia terkemuka.
Tech Times melaporkan bahwa pembiayaan Positron datang dalam dua tahap: Seri C senilai $375 juta dengan penilaian pra-uang yang dilaporkan sebesar $3,5 miliar dan Seri C-1 hingga $500 juta. Outlet tersebut mengatakan investornya termasuk NEA, Andra Capital, Atreides Management, Valor Equity Partners, SemiAnalysis Capital, Qatar Investment Authority, Cisco Investments, dan lainnya. Laporan tersebut mengatakan Positron berencana menggunakan ibu kota tersebut untuk Asimov dan infrastruktur teknik terkait.
Menurut Tech Times, Asimov dirancang untuk menggunakan LPDDR5X, jenis memori komoditas yang digunakan di ponsel pintar dan laptop, bukan HBM. Perusahaan mengklaim arsitekturnya dapat mencapai lebih dari 90% pemanfaatan bandwidth memori, sementara laporan tersebut mengatakan Positron mencirikan pemanfaatan dekode inferensi GPU pada umumnya di bawah 30%. Angka-angka tersebut dikaitkan dengan Positron dan tidak dikonfirmasi secara independen. Tech Times juga melaporkan bahwa sistem Atlas Positron diterapkan di lebih dari 50 rak Infrastruktur Oracle Cloud dan digunakan oleh layanan inferensi Parasail, dengan Jump Trading dan i3d.net diidentifikasi sebagai pelanggan produksi. Sumber tidak menetapkan ketersediaan umum atau harga.
Detail sumber: techtimes.com ↗
Mengapa itu penting
Pembiayaan ini menyoroti perselisihan perangkat keras yang berdampak mengenai bagaimana inferensi AI harus dioptimalkan. Positron berpendapat bahwa decoding model sekuensial sering kali hanya menggunakan sebagian kecil dari bandwidth memori teoretis akselerator, sehingga pemanfaatan yang efektif, kapasitas memori, dan ketersediaan rantai pasokan menjadi lebih penting daripada bandwidth puncak saja. Jika klaim perusahaan ini benar, pendekatannya dapat menawarkan infrastruktur inferensi berbiaya lebih rendah dan dapat diterapkan secara lebih luas. Namun, akun Tech Times memperjelas bahwa Asimov belum melakukan rekaman dan bahwa angka kinerjanya tetap menjadi target desain perusahaan, bukan pengukuran independen.
Tech Times membingkai putaran ini sebagai pertaruhan pada perangkat keras khusus inferensi pada saat sistem AI semakin banyak dijalankan terus menerus untuk pengguna, bukan hanya dilatih. Laporan tersebut mengatakan bahwa desain Positron menargetkan antara 288 gigabyte dan 2,304 gigabyte memori per chip Asimov, dengan kapasitas tambahan yang dimungkinkan melalui ekspansi CXL, dan mengatakan Titan dimaksudkan untuk melayani model yang melebihi 16 triliun parameter. Ini adalah spesifikasi yang direncanakan, bukan kemampuan yang ditunjukkan.
Argumen rantai pasokan juga penting. Sumber tersebut mengatakan HBM bergantung pada manufaktur khusus dan pengemasan canggih, sementara LPDDR5X diproduksi oleh banyak pemasok dengan skala komoditas yang lebih besar. Hal ini mungkin menjadi masalah bagi pembeli yang dibatasi oleh ketersediaan memori, daya rak, atau persyaratan pendinginan. Tech Times melaporkan bahwa Titan sedang dirancang untuk fasilitas berpendingin udara dan cairan, namun tidak ada hasil total biaya, keluaran, atau efisiensi independen yang diberikan.
Peringatan utama adalah validasi. Sumber tersebut mengutip komentar pihak ketiga sebelumnya bahwa perbandingan Atlas Positron dengan sistem Nvidia memerlukan verifikasi, dan mengatakan Asimov belum merekamnya. Tech Times juga melaporkan perkiraan bandwidth realisasi yang jauh lebih rendah untuk Asimov dibandingkan bandwidth puncak arsitektur Rubin masa depan Nvidia. Oleh karena itu, hasilnya masih belum terselesaikan.
Mekanisme Interaktif: Cara Kerja Sebenarnya
Jelajahi teknologi yang mendasari di balik perkembangan ini secara interaktif.
Which component of an AI application is the machine-learning model itself?
Apa yang harus ditonton selanjutnya
Uji coba utamanya adalah tapeout Asimov, tolok ukur independen, ketersediaan produksi, dan keekonomian sistem Titan yang dibuat dari chip Asimov. Persyaratan akses, kelayakan pelanggan, dan harga untuk Asimov dan Titan tidak didokumentasikan dalam sumbernya. Penerapan Atlas Positron saat ini memberikan pengalaman pengoperasian, namun tidak secara independen memvalidasi klaim kinerja Asimov di masa depan.
Perhatikan tapeout yang dilaporkan Asimov pada akhir tahun 2026, silikon yang berfungsi, dan pengujian independen pada berbagai ukuran model, panjang konteks, dan beban kerja decode. Ukuran yang paling berguna adalah token per dolar, token per watt, kapasitas memori yang dapat digunakan, dan throughput yang berkelanjutan, bukan hanya spesifikasi puncak saja.
Perhatikan apakah penerapan Atlas yang dilaporkan meluas melampaui pelanggan saat ini dan apakah Positron menawarkan jalur pengadaan yang jelas bagi perusahaan. Sumber tersebut tidak mendokumentasikan persyaratan pembelian publik, akses cloud, harga layanan, atau tanggal rilis umum untuk Asimov atau Titan.
Perhatikan juga apakah keunggulan pasokan dan pengemasan LPDDR5X menghasilkan produksi yang andal dalam skala besar. Sumber tersebut menyajikan peta jalan Positron dan dukungan investor sebagai bukti kepercayaan, namun tidak ada yang menetapkan bahwa ASIC di masa depan akan cocok dengan sistem berbasis HBM dalam kinerja atau ekonomi dunia nyata.