Callosum vil bryde AI-industriens afhængighed af én dominerende model og chip

Callosum kommer med et kontroversielt bud på, hvordan fremtidens AI-infrastruktur skal bygges: ikke nødvendigvis som én enorm model, der kører på tusindvis af ens acceleratorer, men som et samspil mellem mange specialiserede modeller og forskellige typer chips.

Den Cambridge-baserede startup kalder tilgangen heterogen intelligens. Grundideen er, at software skal afgøre, hvilket værktøj der er bedst til hvert trin i en AI-opgave. Rutinearbejde kan klares af en hurtig og billig model, mens mere krævende beslutninger sendes videre til en stærkere ræsonneringsmodel.

Opgøret med AI-industriens »monokultur«

Den dominerende model i AI-industrien har været at koncentrere stadig mere computerkraft omkring større modeller – ofte på store klynger af Nvidia-GPU'er. Callosum udfordrer antagelsen om, at vejen til avanceret eller ligefrem »superintelligent« AI nødvendigvis går gennem én generel model, ét førende hardwareøkosystem og konstant stigende forbrug af computerkraft.

Selskabets stiftere har baggrund i neurovidenskab, og herfra kommer sammenligningen med biologisk intelligens: Hjernen løser ikke alle opgaver med én ensartet kredsløbstype. På samme måde vil Callosum kombinere specialiserede komponenter i stedet for at lade én model håndtere alt.

Det er dog ikke et argument for, at én model eller én chip helt forsvinder. Pointen er snarere, at modeller og processorer skal fungere som udskiftelige dele i et større system, hvor valget afhænger af den konkrete opgave.

Sådan skal teknologien fungere

Callosum beskriver sin software som et orkestreringslag for AI-arbejdsbelastninger. I praksis skal systemet:

1. Opdele en kompleks opgave i delopgaver. En AI-agent kan for eksempel både skulle ræsonnere, hente information, bruge værktøjer og udføre handlinger.
2. Vælge den rigtige model til hvert trin. En hurtig og billig model kan håndtere gentagne opgaver, mens en mere avanceret model reserveres til vanskelige beslutninger.
3. Vælge passende hardware. Arbejdsbelastningen kan fordeles på flere processortyper i stedet for at være bundet til én leverandør.
4. Optimere efter driftskrav. Systemet kan tage højde for svartid, pris og energiforbrug.

Platformen er ifølge selskabet designet til at fungere på tværs af cloudmiljøer og hardware fra blandt andre Nvidia og AMD samt AWS' Trainium- og Inferentia-chips og Cerebras-systemer.

For en virksomhedsbaseret AI-agent kan det eksempelvis betyde, at en accelerator med lav latenstid bruges til hyppige brugerinteraktioner, en almindelig GPU til et andet trin og en stærkere ræsonneringsmodel kun til den del af opgaven, der kræver den.

Hurtigere og billigere – ifølge selskabet

Callosum har oplyst, at tilgangen på udvalgte komplekse arbejdsbelastninger har givet op til dobbelt så høj nøjagtighed, syv gange højere hastighed og fire gange lavere omkostninger. Det er selskabets egne tal, som blev omtalt, da virksomheden kom ud af stealth i februar. Den tilgængelige dækning dokumenterer ikke, at resultaterne er uafhængigt verificeret, eller at de gælder bredt på tværs af AI-opgaver.

Det økonomiske argument er ligetil: Hvis ikke alle trin i en AI-applikation kræver den mest avancerede model, kan billigere modeller sænke udgifterne til kørsel. Og hvis ikke alle trin kræver samme chip, kan operatører udnytte ledig kapacitet bedre og mindske afhængigheden af én hardwareleverandør.

Tilgangen kan være relevant for blandt andet computerstyring, betalinger, cybersikkerhed og multiagent-systemer – områder, hvor flere forskellige former for beregning typisk indgår. Udfordringen bliver at træffe de rigtige routing-beslutninger uden at tilføre så meget kompleksitet og overhead, at gevinsten forsvinder.

Fra optimering til AI-suverænitet

Callosums argument handler også om magt og afhængighed. Træning og drift af de mest avancerede AI-systemer kræver store investeringer, betydelige mængder elektricitet og specialiseret hardware. Når disse ressourcer er koncentreret hos få modelvirksomheder og chipproducenter, øges afhængigheden af de dominerende infrastrukturejere – og af de regioner, hvor infrastrukturen er tilgængelig.

Et hardwareuafhængigt softwarelag kan give virksomheder og offentlige organisationer flere muligheder for, hvor deres AI-arbejde køres. Det kan også gøre det nemmere at tage alternative chips i brug. I den forstand bliver heterogen infrastruktur en del af en strategi for AI-suverænitet: Lande og virksomheder kan i princippet benytte et bredere udvalg af tilgængeligt silicium i stedet for at være låst til én teknologisk stak.

Det er dog fortsat en ambition, ikke et bevist resultat. Understøttelse af flere chiptyper skaber ikke i sig selv et konkurrerende hardwaremarked. Den praktiske værdi afhænger af ydeevne, tilgængelighed, udviklerværktøjer og hvor stabilt Callosums integrationer fungerer.

110,25 millioner dollar i annonceret finansiering

Da Callosum kom ud af stealth i februar 2026, rejste selskabet 10,25 millioner dollar i en runde ledet af Plural. Blandt de navngivne engleinvestorer var Charlie Songhurst, Stan Boland og John Lazar. Den britiske Advanced Research and Invention Agency, ARIA, støttede separat forskning i integration af nye chips, men blev ikke beskrevet som aktieinvestor i runden.

Den 20. august 2026 annoncerede Callosum derefter en seedrunde på 100 millioner dollar ledet af Atomico. Plural, DCVC og UK Sovereign AI Fund deltog med betydelige beløb sammen med andre investorer og engleinvestorer.

Hvis de to runder lægges sammen, har Callosum annonceret cirka 110,25 millioner dollar siden selskabets fremkomst fra stealth. Summen følger den måde, finansieringen er blevet præsenteret på i den tilgængelige dækning, men selskabets offentlige meddelelse indeholder ikke en fuld oversigt over alle unavngivne investorer.

Hvorfor den britiske støtte er vigtig

Callosum siger, at investeringen er den første investering nogensinde fra UK Sovereign AI Fund, og at selskabet er blevet inkluderet i Storbritanniens plan for AI-hardware til 1,1 milliarder pund. AI-minister Kanishka Narayan har samtidig fremhævet betydningen af at bruge chips effektivt, i takt med at efterspørgslen på AI-kapacitet vokser.

Det placerer Callosums teknologi som mere end et privat forsøg på at optimere cloudregninger. Den britiske regering fremstiller diversificeret adgang til AI-hardware og mere effektiv orkestrering som en del af landets nationale AI-kapacitet og teknologiske suverænitet. Det garanterer ikke startupens tekniske eller kommercielle succes, men forklarer, hvorfor et softwarelag til routing har tiltrukket strategisk offentlig støtte sammen med venturekapital.

Cerebras skal levere lav latenstid

Callosums flagskibssamarbejde med Cerebras integrerer Cerebras' kapacitet i selskabets lag til heterogen routing. Tanken er at bruge Cerebras til inferens med meget lav latenstid, når hastighed er afgørende, mens andre trin i arbejdsbelastningen sendes til andre modeller eller processorer.

Det kan være relevant for realtids- og multiagent-systemer, hvor forsinkelser ellers kan hobe sig op gennem mange modelkald. Callosum og Cerebras fremstiller kombinationen som en måde at gøre AI-systemer mulige i skala, selv om de tidligere ville have været for langsomme, dyre eller upraktiske at drive.

Der er dog en uoverensstemmelse i kilderne om, hvem der fremsatte den konkrete påstand. Tech.eu tilskriver den Cerebras' administrerende direktør Andrew Feldman, mens Callosums egen meddelelse tilskriver den samme formulering Andy Hock, Cerebras' strategichef. Selve partnerskabet og målet om lav latenstid stemmer overens i kilderne; talerens titel gør ikke.

Den afgørende prøve bliver i driften

Callosums tese er, at AI-infrastruktur bør ligne et koordineret økosystem mere end én enorm maskine: flere modeller, flere chiptyper og software, der sender hver opgave til den bedst egnede ressource.

Det adresserer reelle problemer ved AI-drift – latenstid, omkostninger, energiforbrug og afhængighed af koncentrerede forsyningskæder. Men den afgørende prøve bliver, om heterogen routing forbedrer komplette applikationer og ikke kun isolerede benchmarks, samtidig med at et blandet hardwaremiljø bliver enkelt nok for udviklere og stabilt nok til produktion.

Seedrunden på 100 millioner dollar viser, at investorerne ser koordineringsproblemet som både stort og strategisk vigtigt. Den bredere lovede effekt afhænger dog af, om Callosum kan omsætte hardwaremangfoldighed til målbare og gentagelige fordele for virkelige brugere.