Positron AI привлекает $875 млн в серии C для масштабирования систем вывода, ориентированных на память

Ссылка на источникИсточник записан 10 сент. 2026 г., 18:33 UTC

Издатель: hpcwire.com
Ссылка на источник: hpcwire.comhttps://www.hpcwire.com/off-the-wire/positron-ai-raises-875m-series-c-to-scale-memory-first-inference-systems/
Тип источника: Связанный источник — статус первоисточника не установлен.

КонтекстПоймите это за 60 секунд

Начните здесь

Ключевые термины

Память (Память агента): Сохраненный контекст, который агент ИИ использует на этапах или сеансах для улучшения непрерывности.
Вывод: Фаза выполнения, на которой обученная модель генерирует прогнозы или выходные данные.
Вычислить: Ресурсы обработки, необходимые для обучения и запуска моделей, часто измеряются в FLOPS или часах графического процессора.

Что случилось

Positron AI, компания, создающая системы логического вывода на основе памяти, привлекла $875 млн в рамках раунда финансирования серии C при оценке после инвестирования в $5 млрд. Финансирование будет использовано для масштабирования систем вывода компании, ориентированных на память, включая наращивание производства системы вывода следующего поколения Titan и вывод на пленку кремниевого вывода следующего поколения Asimov. Asimov объединит вычислительную архитектуру Positron с объемом памяти от 288 до 2304 ГБ на чип, а Titan объединит от четырех до восьми чипов Asimov в единую систему, предназначенную для обслуживания моделей, превышающих 16 триллионов параметров, и контекстных окон, превышающих 10 миллионов токенов в одном узле.

Positron AI привлек $875 млн в рамках раунда финансирования серии C при оценке после инвестирования в $5 млрд.

Финансирование будет использовано для масштабирования систем вывода компании, ориентированных на память, включая наращивание производства системы вывода следующего поколения Titan и вывод на пленку кремниевого вывода следующего поколения Asimov.

Asimov объединит вычислительную архитектуру Positron с объемом памяти от 288 до 2304 ГБ на чип, а Titan объединит от четырех до восьми чипов Asimov в единую систему, предназначенную для обслуживания моделей, превышающих 16 триллионов параметров, и контекстных окон, превышающих 10 миллионов токенов в одном узле.

Энергоэффективная архитектура компании позволяет развертывать ее системы в центрах обработки данных с воздушным или жидкостным охлаждением при различной плотности стоек, без зависимости от ограниченных цепочек поставок HBM или CoWoS.

Системы Positron AI уже сегодня развернуты в масштабах гипермасштабирования, и компания работает с такими ключевыми партнерами, как Parasail, Jump Trading и i3d.net, для реализации своих услуг вывода.

Подробности об источнике: hpcwire.com ↗

Почему это важно

Финансирование позволит Positron AI масштабировать свои системы вывода с использованием памяти, которые предназначены для того, чтобы сделать вывод ИИ значительно более дешевым и энергоэффективным. Это особенно важно, поскольку центр тяжести в ИИ смещается от моделей обучения к их запуску, а удовлетворение этого спроса в масштабе все больше ограничивается объемом памяти, ее пропускной способностью и мощностью.

Это особенно важно, поскольку центр тяжести в ИИ смещается от моделей обучения к их запуску, а удовлетворение этого спроса в масштабе все больше ограничивается объемом памяти, ее пропускной способностью и мощностью.

Технология Positron AI может оказать влияние на различные отрасли, включая, помимо прочего, индустрию искусственного интеллекта, индустрию центров обработки данных и индустрию облачных вычислений.

Способность компании масштабировать свое производство и удовлетворять спрос на свои системы будет иметь решающее значение в определении успеха ее систем вывода на основе памяти.

Потенциальное применение технологии Positron AI в различных отраслях станет важным фактором, определяющим ее влияние на индустрию искусственного интеллекта.

Interactive Mechanism

Интерактивный механизм: как он на самом деле работает

Изучите технологию, лежащую в основе этой разработки, в интерактивном режиме.

Document Size:128K tokens

Needle Placement Depth (Location in document):50% into text

Attention Context Buffer Map:

Target Fact (50%)

Equivalent Pages~320Standard book pages

Retrieval Accuracy99.9%Needle recall score

RAM / KV Cache5.1 GBMemory overhead

Prompt CachingActive~80% discount on reuse

Core takeaway: Million-token context windows allow querying whole codebases or legal archives in one prompt. However, KV cache memory scales with context length, making prompt caching crucial for real-time production.

Интерактивная проверка концепции+10 Points

What is AI? Quiz

A route planner searches possible journeys using explicit rules. What does this illustrate about AI?

Что посмотреть дальше

Влияние систем логического вывода Positron AI, ориентированных на память, на индустрию искусственного интеллекта, способность компании масштабировать свое производство и удовлетворять спрос на свои системы, а также потенциальное применение ее технологии в различных отраслях.

Влияние систем вывода Positron AI, ориентированных на память, на индустрию искусственного интеллекта.

Способность компании масштабировать свое производство и удовлетворять спрос на свои системы.

Потенциальные применения технологии Positron AI в различных отраслях.

Способность компании развертывать свои системы в центрах обработки данных с воздушным или жидкостным охлаждением при различной плотности стоек.

Способность компании работать с ключевыми партнерами, такими как Parasail, Jump Trading и i3d.net, для поддержки своих услуг вывода.

Сопутствующие руководства и викторины

Что такое ИИ?ChatGPT и LLM Этика ИИ ИИ-агенты Объяснение моделей искусственного интеллекта Трансформеры Будущее ИИ Обучение искусственному интеллекту Prompt Engineering Проверьте свои знания — пройдите бесплатную викторину по искусственному интеллекту Найдите термин ИИ в нашем глоссарии.Следите за трекером выпуска моделей AI

Нашли это полезным?