กลับไปที่ข่าว
อุตสาหกรรมAI Understanding บรรยายสรุป

Euclyd ระดมทุน 230 ล้านดอลลาร์สำหรับระบบชิปอนุมาน AI

Pluang รายงานว่า Euclyd สตาร์ทอัพชาวดัตช์ระดมทุนได้ 230 ล้านดอลลาร์จาก Samsung และกองทุนเพื่อการลงทุนเพื่อพัฒนาระบบชิปอนุมาน AI ที่เน้นด้านพลังงานและต้นทุนโดยมีเป้าหมายเพื่อแข่งขันกับ GPU Nvidia

4 min readRead the linked source
Source-provided image accompanying Euclyd raises $230 million for an AI inference chip system
แหล่งอ้างอิงแหล่งที่มาบันทึกไว้
สำนักพิมพ์
pluang.com
ลิงค์แหล่งที่มา
pluang.comhttps://pluang.com/en/news-feed/samsung-dukung-pesaing-chip-ai-nvidia-dengan-pendanaan-230-juta
ประเภทแหล่งที่มา
แหล่งที่มาที่เชื่อมโยง — ยังไม่ได้สร้างสถานะแหล่งที่มาหลัก
บริบทเข้าใจสิ่งนี้ใน 60 วินาที

เริ่มที่นี่

เงื่อนไขสำคัญ

การอนุมาน
ระยะรันไทม์ที่โมเดลที่ได้รับการฝึกสร้างการคาดการณ์หรือเอาต์พุต
หน่วยความจำ (หน่วยความจำตัวแทน)
บริบทที่จัดเก็บไว้ซึ่งตัวแทน AI ใช้ในขั้นตอนหรือเซสชันเพื่อปรับปรุงความต่อเนื่อง
เกณฑ์มาตรฐาน
การทดสอบหรือชุดข้อมูลที่เป็นมาตรฐานที่ใช้ในการวัดและเปรียบเทียบประสิทธิภาพของโมเดล
ทดสอบตัวเองแบบทดสอบอธิบายโมเดล AI

เกิดอะไรขึ้น

Pluang รายงานว่า Euclyd สตาร์ทอัพชิป AI สัญชาติดัตช์ระดมทุนได้ 230 ล้านดอลลาร์ในการระดมทุนรอบที่นำโดย Samsung และกองทุนที่ลงทุนหลายแห่ง Euclyd กำลังพัฒนาสถาปัตยกรรมชิปอนุมาน AI ทางเลือก โดยมีแผนระบบทางกายภาพสำหรับปี 2571 และมีเป้าหมายในการให้บริการลูกค้าองค์กรหลายพันรายภายในปี 2573

Pluang รายงานว่า Euclyd สตาร์ทอัพชาวดัตช์ระดมทุนได้ 230 ล้านดอลลาร์ในรอบการระดมทุนที่นำโดย Samsung และกองทุนที่ลงทุนหลายแห่ง บริษัทซึ่งก่อตั้งขึ้นในปี 2024 กำลังออกแบบระบบชิปอนุมาน AI โดยมีสถาปัตยกรรมที่มีจุดประสงค์เพื่อลดการใช้พลังงานและต้นทุนในศูนย์ข้อมูล AI Pluang กล่าวว่า Euclyd วางแผนที่จะเปิดตัวระบบชิปทางกายภาพภายในปี 2571 และให้บริการลูกค้าองค์กรหลายพันรายภายในปี 2573

แหล่งที่มาอธิบายถึงการมีส่วนร่วมของ Samsung ในการมอบความเชี่ยวชาญด้านการผลิตหน่วยความจำและการสนับสนุนด้านซัพพลายเชน ไม่ได้ระบุผู้ลงทุนรายอื่น เปิดเผยโครงสร้างทางการเงินหรือการประเมินมูลค่า ตั้งชื่อลูกค้า อธิบายการเตรียมการผลิต หรือจัดเตรียมเอกสารหลักสาธารณะ รายละเอียดเหล่านี้ยังไม่ได้รับการยืนยันอย่างเป็นอิสระที่นี่

รายละเอียดที่มา: pluang.com ↗

ทำไมมันถึงสำคัญ

รอบที่รายงานจะทำให้ Euclyd เป็นผู้เข้ามารายใหม่ที่สำคัญในความพยายามที่จะกระจายฮาร์ดแวร์ศูนย์ข้อมูล AI ให้เหนือกว่า GPU Nvidia ระบบอนุมานที่ใช้พลังงานต่ำและต้นทุนต่ำที่ประสบความสำเร็จอาจส่งผลกระทบต่อความประหยัดของการปรับใช้ AI ในวงกว้าง แต่แหล่งที่มาไม่ได้ให้หลักฐานด้านประสิทธิภาพ ประสิทธิภาพ ลูกค้า การประเมินมูลค่า หรือการผลิตที่เป็นอิสระ การมีส่วนร่วมที่รายงานของ Samsung อาจให้ความเชี่ยวชาญด้านการผลิตและห่วงโซ่อุปทาน แม้ว่าจะไม่ทราบขอบเขตที่แน่ชัดของความเกี่ยวข้องก็ตาม

การอนุมาน AI เป็นขั้นตอนที่แบบจำลองที่ได้รับการฝึกอบรมสร้างการตอบสนองหรือการคาดการณ์ และกำลังขับเคลื่อนความต้องการของศูนย์ข้อมูลเพิ่มมากขึ้น รายงานของ Pluang ระบุว่า Euclyd กำลังกำหนดเป้าหมายข้อจำกัดในทางปฏิบัติในการใช้งาน AI นั่นคือต้นทุนและพลังงานที่จำเป็นในการรันโมเดลในวงกว้าง หากแนวทางของบริษัทใช้งานได้จริง ก็อาจทำให้ผู้ให้บริการระบบคลาวด์และองค์กรมีทางเลือกด้านฮาร์ดแวร์เพิ่มขึ้น และเพิ่มแรงกดดันด้านการแข่งขันให้กับซัพพลายเออร์ตัวเร่งความเร็วรายเดิม

การเชื่อมต่อของ Samsung ที่รายงานอาจมีความสำคัญเนื่องจากชิป AI ขั้นสูงขึ้นอยู่กับหน่วยความจำที่เชื่อถือได้และห่วงโซ่อุปทานการผลิต อย่างไรก็ตาม แหล่งข่าวไม่ได้ระบุว่า Samsung จะผลิตชิปของ Euclyd รับประกันกำลังการผลิต หรือจัดจำหน่ายเชิงพาณิชย์ ไม่มีเกณฑ์มาตรฐานอิสระใดที่แสดงให้เห็นว่าการออกแบบของ Euclyd มีประสิทธิภาพมากกว่าหรือมีราคาถูกกว่าระบบที่ใช้ Nvidia

Interactive Mechanism

กลไกเชิงโต้ตอบ: มันทำงานอย่างไร

สำรวจเทคโนโลยีเบื้องหลังการพัฒนานี้แบบโต้ตอบ

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.
การตรวจสอบแนวคิดแบบโต้ตอบ+10 Points
AI Models Explained Quiz

Which component of an AI application is the machine-learning model itself?

จะดูอะไรต่อไป.

สิ่งที่ไม่ทราบที่สำคัญ ได้แก่ สถาปัตยกรรมชิปของ Euclyd พันธมิตรด้านการผลิต เกณฑ์มาตรฐานทางเทคนิค ภาระผูกพันของลูกค้า เงื่อนไขการระดมทุน การประเมินมูลค่า และเส้นทางสู่การผลิตเชิงพาณิชย์ เป้าหมายการเปิดตัวในปี 2571 และลูกค้าองค์กรในปี 2573 เป็นแผนที่รายงานโดยพลวง ไม่ใช่เป้าหมายที่แสดงให้เห็น จำเป็นต้องมีการทดสอบอิสระและหลักฐานการทำงานของซิลิคอนเพื่อประเมินว่า Euclyd สามารถนำเสนอทางเลือกที่น่าเชื่อถือแทนเครื่องเร่ง AI ที่เป็นที่ยอมรับได้หรือไม่

หลักฐานถัดไปที่มีประโยชน์มากที่สุดคือสถาปัตยกรรมที่เปิดเผย ซิลิคอนที่ใช้งานได้ ประสิทธิภาพที่เป็นอิสระและการวัดประสิทธิภาพพลังงาน ชื่อพันธมิตรด้านการออกแบบหรือการผลิต และลูกค้าที่ได้รับการยืนยัน เป้าหมายผลิตภัณฑ์ปี 2028 ที่รายงานของ Euclyd ยังคงเป็นแผนในอนาคต และเป้าหมายปี 2030 ในการให้บริการองค์กรหลายพันแห่งนั้นเป็นความทะเยอทะยานของบริษัทมากกว่าการคาดการณ์ที่ได้รับการยืนยัน

จำนวนเงินทุนและบทบาทผู้นำร่วมของ Samsung ได้รับการรายงานโดย Pluang แหล่งที่มาไม่ได้ให้การยืนยันที่เป็นอิสระ เงื่อนไขทางการเงิน การประเมินราคา ราคาผลิตภัณฑ์ ความพร้อมจำหน่าย หรือหลักฐานว่าระบบชิปได้เข้าสู่การผลิตแล้ว สิ่งที่ไม่ทราบเหล่านี้จำกัดสิ่งที่สามารถสรุปได้ในปัจจุบันเกี่ยวกับความสามารถในการแข่งขันของ Euclyd

คำแนะนำและแบบทดสอบที่เกี่ยวข้อง

อธิบายโมเดล AIการฝึกอบรมเอไออนาคตของ AIทดสอบสิ่งที่คุณรู้ — ลองแบบทดสอบ AI ฟรีค้นหาคำศัพท์ AI ในอภิธานศัพท์ของเราติดตามตัวติดตามการระดมทุนของ AI
พบว่าสิ่งนี้มีประโยชน์หรือไม่?