Velaura AI erreicht Milliardenbewertung mit 110-Millionen-Dollar-Finanzierung

Velaura AI hat 110 Millionen US-Dollar in einer Series-A-Runde eingesammelt. Die Finanzierung bewertet das Chipdesign-Startup mit mehr als 1 Milliarde Dollar. Das Unternehmen entwickelt besonders stromsparende Silizium- und Softwarelösungen für große KI-Rechenzentren sowie für sogenannte Physical-AI-Anwendungen – etwa Roboter, Drohnen und autonome Maschinen. 1

Wer investiert hat

Seligman Ventures führte die Finanzierungsrunde an. Als neuer Investor kam Capricorn Investment Group hinzu. Außerdem beteiligten sich die bisherigen Geldgeber Mayfield, Maverick Silicon, MARA, Premji Invest, der Samsung Catalyst Fund und StepStone Group. 1

Wofür Velaura das Geld einsetzen will

Velaura will das Kapital nutzen, um sein Portfolio für KI-Rechenleistung weiterzuentwickeln und insbesondere die Plattform Titan Core zur Marktreife zu bringen. Geplant ist zudem, die Teams in den Bereichen Engineering und Kundenbetreuung zu vergrößern. Auch die Zusammenarbeit mit strategischen Partnern und Kunden soll ausgebaut werden. 1

Titan Core: Chipdesign statt fertiger Prozessor

Titan Core ist keine einzelne fertige CPU oder GPU, sondern eine proprietäre Plattform aus digitalem Chip-IP und Designtechnologien. Sie soll Herstellern helfen, KI-Beschleuniger effizienter zu konzipieren.

Nach Angaben von Velaura kann Titan Core die Leistung pro Watt bei mathematischen Operationen in KI-Beschleunigern um das Zwei- bis Vierfache verbessern, ohne dabei die Rechenleistung zu opfern. Die zugrunde liegende Technologie sei bereits in mehr als 30 Millionen ASICs eingesetzt worden. ASICs sind anwendungsspezifische Chips, die für bestimmte Aufgaben optimiert werden. 1

Der Ansatz zielt auf ein wachsendes Problem der KI-Branche: Nicht nur die Nachfrage nach Rechenleistung steigt, sondern auch der Strombedarf und die Abwärme moderner Rechenzentren. Für Physical-AI-Systeme wie Roboter und Drohnen sind Energieverbrauch und thermische Grenzen ebenfalls besonders kritisch.

Gespräche mit großen Cloud-Anbietern

Velaura spricht nach eigenen Angaben mit mehreren Hyperscalern – also sehr großen Cloud- und Rechenzentrumsbetreibern. CEO und Mitgründer Rajiv Khemani sagte Reuters zufolge, dass sich das Unternehmen in aktiven Gesprächen mit drei der vier größten Cloud-Computing-Anbieter befinde. Namen nannte er nicht. 1

Das Unternehmen plant offenbar nicht, eigene Chips in großen Stückzahlen herzustellen. Stattdessen soll die Technologie lizenziert werden. Das Geschäftsmodell besteht laut der vorliegenden Berichterstattung aus einer Vorauszahlung und zusätzlichen Lizenzgebühren, die an einen Anteil der von Kunden erzielten Energieeinsparungen gekoppelt sind. Die genaue Berechnungsformel und die übrigen Vertragsbedingungen sind öffentlich nicht ausreichend belegt.

Khemani: Strom wird zum Engpass der KI

Für Rajiv Khemani liegt die entscheidende Einschränkung der KI-Entwicklung zunehmend nicht in der Nachfrage, sondern in der verfügbaren Elektrizität. Fortschritte bei Reasoning-Modellen – also Modellen, die komplexe Aufgaben in mehreren Denkschritten bearbeiten – und bei verkörperter Intelligenz erforderten immer mehr Rechenleistung und damit auch mehr Energie.

Die nächste Entwicklungsphase der KI werde deshalb von „fundamentally better compute economics“ geprägt sein, erklärte Khemani. Gemeint sind grundlegend bessere Kosten- und Effizienzstrukturen für Rechenleistung – von Hyperscale-Rechenzentren bis hin zu intelligenten Maschinen. Ermöglicht werden sollen sie durch besonders stromsparende Chips und Software. 1

Warum Seligman Ventures die Runde anführte

Umesh Padval, Managing Partner von Seligman Ventures, bezeichnete Physical AI als eine der wichtigsten nächsten Wachstumschancen. Anwendungen, die KI mit der physischen Welt verbinden, benötigten eine besonders hohe Energieeffizienz.

Velaura sei die erste Beteiligung von Seligman Ventures im Bereich Physical AI. Padval verwies zur Begründung auf das erfahrene Führungsteam, die Expertise des Unternehmens bei stromsparendem Silizium, Software und Systemen sowie den Einsatz der Technologie in mehr als 30 Millionen ASICs. Hinzu kämen wachsende Chancen sowohl bei Physical AI als auch bei großen KI-Infrastrukturen. 1