Wiener startup Ora Computing henter €3,5 millioner: Kan skrumpe AI-modeller med 80 % og halvere strømregningen

Ora Computing blev grundlagt af forskerne i kvantecomputere Stefan Sack og Raimel A. Medina, som tog springet fra Institute of Science and Technology Austria (ISTA) . Virksomheden kom ud af stealth-mode i slutningen af 2025 og har allerede valideret sin løsning hos aktører i bilindustrien og edge silicon-sektoren .

Sådan virker kompressionssoftwaren

Oras software bruger en informationsteoretisk tilgang til at gøre store AI-fundamentmodeller mindre, så de kan køre inferens. Det sker ved at omstrukturere modellen matematisk for at fjerne overflødighed, samtidig med at outputkvaliteten bevares . De centrale påstande fra virksomheden og dens investorer omfatter:

• Op til 80 % reduktion i størrelse: Modellernes hukommelsesfodaftryk kan reduceres markant .
• Op til 4 gange hurtigere inferens: Komprimerede modeller kører markant hurtigere på den samme hardware .
• Præcisionstab på kun 0-5 %: Afvejningen mellem komprimering og nøjagtighed er minimal .
• Hardware-uafhængig: Softwaren fungerer på tværs af forskellige chiparkitekturer (CPU, GPU, edge chips) uden behov for specialbygget infrastruktur eller genoptræning .
• Ingen genoptræning nødvendig: Sættes direkte ind i standard inferens-rammeværker .
• Kontinuerlig kompressionskurve: I modsætning til binære værktøjer, hvor man vælger et kompressionsniveau, kortlægger Oras algoritme hele afvejningen mellem størrelse og nøjagtighed kontinuerligt, så kunderne kan optimere for deres hardware og prisbegrænsninger .
• Bevis på 70B-parametermodel: Virksomheden oplyser, at den har komprimeret en model med 70 milliarder parametre på få timer til en beregningsomkostning på under 1.000 dollars – mod en typisk pris på flere hundrede tusinde dollars .

Pris, energi og CO₂-påvirkning

Fordi komprimerede modeller kræver mindre regnekraft, medfører teknologien ifølge Ora direkte lavere energiforbrug og reducerede CO₂-udledninger . Virksomheden estimerer, at ved 1 % markedsandel kunne teknologien årligt eliminere mere end 50.000 ton CO₂ .

Dette stemmer overens med den brede industrielle konsensus om, at inferens tegner sig for over 90 % af den samlede livstidsenergianvendelse for udrullede AI-modeller, hvilket gør komprimering til en stærk bæredygtighedsindsats . Et studie fra 2025 i PMC viste, at anvendelse af modelkomprimeringsteknikker som beskæring og destillation på BERT-store modeller resulterede i energibesparelser på 32-48 %, samtidig med at nøjagtigheden forblev over 95 % . Oras specifikke CO₂-besparelsesestimat er dog mærket som et "estimat" ved en given benchmark-penetrationsrate, ikke et målt resultat .

Anvendelse af kapital og kommercielle planer

Ora har angivet tre primære anvendelsesområder for seed-kapitalen :

1. Udvidelse af teamet – vækst i ingeniør- og kommercielt personale.
2. Udvidelse af komprimering til større frontier-modeller – udvidelse af kapaciteten til at komprimere næste generation af state-of-the-art modeller.
3. Lancering af et kommercielt produkt – målrettet cloud-inferensudbydere og virksomheder, der udruller AI på kanten (fx bilindustri, industrielt udstyr) .

Virksomhedens egen hjemmeside annoncerer nu en automatiseret LLM-komprimeringstjeneste, der kan tilpasse modeller til edge-enheder, on-prem-servere eller cloudinfrastruktur "på få timer, ikke måneder," med påstande om at reducere hukommelsesfodaftrykket med op til 70 % og skære GPU-regninger med over 50 % .

Kildekritisk note

Den primære kilde er en detaljeret annoncering publiceret på Greencode Ventures' officielle hjemmeside . Bekræftende dækning kommer fra flere medier, herunder The Recursive , IT Boltwise , Vestbee , tech.eu og Fundup.ai – alle rapporterer de samme rundeoplysninger, komprimeringstal og plan for kapitalanvendelse. Ingen uafhængig tredjepart har endnu valideret Oras specifikke CO₂-besparelsesestimat, som virksomheden selv betegner som et estimat og ikke et målt resultat.