OLIX hat gerade eine Series-B-Finanzierungsrunde in Höhe von 312 Millionen US-Dollar abgeschlossen, wodurch die Bewertung auf 3,3 Milliarden US-Dollar steigt. Das Kapital wird die ersten Auslieferungen seines Inference-Chips finanzieren, der auf High Bandwidth Memory (HBM) verzichtet und die Wirtschaftlichkeit von KI-Hardware grundlegend verändern könnte.

Warum der Chip von Bedeutung ist

Inference-Chips betreiben die Modelle hinter Chatbots, Empfehlungsmaschinen und Videoanalysen. Die meisten heutigen Chips setzen auf HBM – einen schnellen, aber teuren und stromhungrigen Speicherstapel, der direkt neben dem Prozessor platziert ist. Das Design von OLIX verzichtet auf HBM und leitet Daten stattdessen über On-Chip-Ressourcen und günstigeren Speicher. Wenn die Architektur hält, was sie verspricht, könnten KI-Dienstleister sowohl die Investitionskosten als auch die Stromrechnungen drastisch senken und gleichzeitig den Durchsatz stabil halten.

Der Hintergrund der Finanzierung

  • Federführender Investor: Fundomo (New York)
  • Weitere Unterstützer: Arm, Hudson River Trading, der staatliche Sovereign AI Venture Fund des Vereinigten Königreichs
  • Prominenter Teilnehmer: Reed Hastings, Mitbegründer von Netflix
  • Erweiterung des Vorstands: Stanford-Professor Nick McKeown

Die Runde gehört zu den größten Halbleiter-Finanzierungen in Europa und folgt auf den Start von OLIX im Jahr 2024 in London. Das Unternehmen plant, die ersten Kundenaufträge in der zweiten Jahreshälfte 2027 auszuliefern.

Bedeutung für den KI-Hardwaremarkt

  • Potenzielle Gewinner: Cloud-Anbieter und Edge-Betreiber, die HBM-basierte Beschleuniger durch eine günstigere und stromsparender Alternative ersetzen.
  • Risiken: HBM dominiert nach wie vor die Workloads mit dem höchsten Durchsatz. Der Verzicht darauf könnte die Leistung begrenzen und OLIX dazu zwingen, sich auf einen engeren Satz von Anwendungsfällen zu konzentrieren.
  • Kostenauswirkungen: Der Verzicht auf HBM könnte die Stückkosten und den Kühlbedarf drastisch senken, was die Gesamtbetriebskosten für KI-Workloads reduziert.

Was noch unklar ist

Bisher wurden keine Benchmark-Daten veröffentlicht, sodass die realen Werte für Geschwindigkeit pro Watt und Latenz spekulativ bleiben. Wettbewerber könnten eigene speicherschonende Architekturen einführen, und Lieferkettenengpässe könnten die Massenproduktion verzögern.

Worauf man achten sollte

  • Leistungsvalidierung: Unabhängige Tests der Inference-Geschwindigkeit und des Stromverbrauchs des Chips.
  • Kundenakzeptanz: Welche KI-Dienstleister sich vor dem Lieferzeitraum 2027 anmelden.
  • Ökosystem-Unterstützung: Kompatibilität von Tools und Software-Stacks mit bestehenden KI-Frameworks.

Wenn OLIX beweist, dass ein HBM-freier Chip die Leistungsanforderungen moderner Modelle erfüllen kann, könnte dies ein Umdenken beim Design von KI-Beschleunigern erzwingen und die Kostenstrukturen in der gesamten Branche neu gestalten. Die Daten der nächsten Monate werden zeigen, ob das Versprechen der massiven Bewertung gerecht wird.