3,5 miljoonan euron siemenrahoitus

Siementason rahoituskierrosta johtivat Constructor Capital (sveitsiläinen syväteknologiaan keskittyvä pääomasijoittaja) ja Greencode Ventures, ja mukana oli myös aiempi sijoittaja XISTA Science Ventures, joka auttoi perustamaan ja käynnistämään yrityksen .

Ora Computingin perustivat kvanttilaskennan tutkijat Stefan Sack ja Raimel A. Medina, jotka lähtivät Institute of Science and Technology Austria (ISTA) -instituutista . Yritys tuli julkisuuteen loppuvuonna 2025 ja on jo testannut ratkaisuaan auto- ja reunapiirialan toimijoiden kanssa .

Miten pakkausohjelmisto toimii

Oran ohjelmisto käyttää informaatioteoriaan perustuvaa lähestymistapaa suurten tekoälymallien kutistamiseen päättelyä varten. Se siis järjestää mallin matemaattisesti uudelleen poistaakseen redundanssia säilyttäen samalla tulosteen laadun . Keskeisiä väitteitä yritykseltä ja sen sijoittajilta:

• Jopa 80 % koon pienennys: Mallien muistijalanjälki pienenee dramaattisesti .
• Jopa 4× nopeampi päättely: Pakatut mallit toimivat huomattavasti nopeammin samalla laitteistolla .
• Vain 0–5 % tarkkuuden menetys: Pakkauksen ja tarkkuuden välinen kompromissi on minimaalinen .
• Laitteistoriippumaton: Ohjelmisto toimii eri siruarkkitehtuureilla (CPU, GPU, reunapiiri) ilman räätälöityä infrastruktuuria tai uudelleenkoulutusta .
• Ei uudelleenkoulutusta: Voidaan liittää suoraan olemassa oleviin päättelykehyksiin .
• Jatkuva pakkauskäyrä: Toisin kuin binaariset "valitse pakkaustaso" -työkalut, Oran algoritmi kartoittaa koko koko-tarkkuus-kompromissin jatkuvana käyränä, jolloin asiakkaat voivat optimoida oman laitteistonsa ja kustannustensa mukaan .
• Testattu 70 miljardin parametrin mallilla: Yrityksen mukaan se pakkasi 70 miljardin parametrin mallin tunneissa alle 1 000 dollarin laskentakustannuksella, kun tyypilliset kustannukset ovat satojatuhansia dollareita .

Kustannus-, energia- ja hiilivaikutukset

Koska pakatut mallit vaativat vähemmän laskentatehoa, Ora toteaa teknologiansa vähentävän suoraan energiankulutusta ja hiilidioksidipäästöjä . Yritys arvioi, että yhdellä prosentin markkinaosuudella sen teknologia voisi poistaa yli 50 000 tonnia CO₂-päästöjä vuodessa .

Tämä on linjassa alan laajan konsensuksen kanssa: päättely (inferenssi) vastaa yli 90 % käyttöön otettujen tekoälymallien koko elinkaaren energiankulutuksesta, joten pakkaus on tehokas keino parantaa kestävyyttä . Vuonna 2025 PMC-lehdessä julkaistussa tutkimuksessa todettiin, että mallinpakkaustekniikoiden, kuten karsinnan ja tislauksen, soveltaminen BERT-kokoisiin malleihin vähensi energiankulutusta 32–48 % samalla, kun tarkkuus pysyi yli 95 %:ssa . On kuitenkin huomattava, että Oran CO₂-säästöarvio on nimenomaan arvio tietyllä vertailumarkkinaosuudella, ei mitattu tulos .

Rahoituksen käyttö ja kaupalliset suunnitelmat

Ora on nimennyt kolme pääasiallista käyttötarkoitusta siemenrahoitukselle :

1. Tiimin laajentaminen – suunnittelu- ja kaupallisen tiimin kasvattaminen.
2. Pakkauksen laajentaminen suurempiin huippumalleihin – teknologian vieminen seuraavan sukupolven huippumallien pakkaamiseen.
3. Kaupallisen tuotteen lanseeraus – kohderyhminä pilvipäättelypalvelut ja yritykset, jotka ottavat tekoälyä käyttöön reunalla (esim. auto- ja teollisuuslaitteet) .

Yrityksen omilla verkkosivuilla mainostetaan nyt automaattista LLM-pakkauspalvelua, joka sovittaa mallit reunalaiteisiin, paikallispalvelimiin tai pilvi-infrastruktuuriin "tunneissa, ei kuukausissa", ja väittää vähentävänsä muistin käyttöä jopa 70 % ja GPU-laskuja yli 50 % .

Lähteet ja luotettavuus

Päälähde on Greencode Venturesin virallisilla verkkosivuilla julkaistu yksityiskohtainen tiedote . Vahvistavia uutisia on tullut useilta alan toimijoilta, kuten The Recursive , IT Boltwise , Vestbee , tech.eu ja Fundup.ai . Kaikki raportoivat samat kierroksen tiedot, pakkausluvut ja rahoituksen käyttösuunnitelman. Riippumaton kolmas osapuoli ei ole vielä vahvistanut Oran CO₂-säästölaskelmaa, jonka yritys itsekin nimeää arvioksi eikä mitatuksi tulokseksi.

3,5 miljoonan euron siemenrahoitus

Siementason rahoituskierrosta johtivat Constructor Capital (sveitsiläinen syväteknologiaan keskittyvä pääomasijoittaja) ja Greencode Ventures, ja mukana oli myös aiempi sijoittaja XISTA Science Ventures, joka auttoi perustamaan ja käynnistämään yrityksen .

Ora Computingin perustivat kvanttilaskennan tutkijat Stefan Sack ja Raimel A. Medina, jotka lähtivät Institute of Science and Technology Austria (ISTA) -instituutista . Yritys tuli julkisuuteen loppuvuonna 2025 ja on jo testannut ratkaisuaan auto- ja reunapiirialan toimijoiden kanssa .

Miten pakkausohjelmisto toimii

Oran ohjelmisto käyttää informaatioteoriaan perustuvaa lähestymistapaa suurten tekoälymallien kutistamiseen päättelyä varten. Se siis järjestää mallin matemaattisesti uudelleen poistaakseen redundanssia säilyttäen samalla tulosteen laadun . Keskeisiä väitteitä yritykseltä ja sen sijoittajilta:

• Jopa 80 % koon pienennys: Mallien muistijalanjälki pienenee dramaattisesti .
• Jopa 4× nopeampi päättely: Pakatut mallit toimivat huomattavasti nopeammin samalla laitteistolla .
• Vain 0–5 % tarkkuuden menetys: Pakkauksen ja tarkkuuden välinen kompromissi on minimaalinen .
• Laitteistoriippumaton: Ohjelmisto toimii eri siruarkkitehtuureilla (CPU, GPU, reunapiiri) ilman räätälöityä infrastruktuuria tai uudelleenkoulutusta .
• Ei uudelleenkoulutusta: Voidaan liittää suoraan olemassa oleviin päättelykehyksiin .
• Jatkuva pakkauskäyrä: Toisin kuin binaariset "valitse pakkaustaso" -työkalut, Oran algoritmi kartoittaa koko koko-tarkkuus-kompromissin jatkuvana käyränä, jolloin asiakkaat voivat optimoida oman laitteistonsa ja kustannustensa mukaan .
• Testattu 70 miljardin parametrin mallilla: Yrityksen mukaan se pakkasi 70 miljardin parametrin mallin tunneissa alle 1 000 dollarin laskentakustannuksella, kun tyypilliset kustannukset ovat satojatuhansia dollareita .

Kustannus-, energia- ja hiilivaikutukset

Koska pakatut mallit vaativat vähemmän laskentatehoa, Ora toteaa teknologiansa vähentävän suoraan energiankulutusta ja hiilidioksidipäästöjä . Yritys arvioi, että yhdellä prosentin markkinaosuudella sen teknologia voisi poistaa yli 50 000 tonnia CO₂-päästöjä vuodessa .

Tämä on linjassa alan laajan konsensuksen kanssa: päättely (inferenssi) vastaa yli 90 % käyttöön otettujen tekoälymallien koko elinkaaren energiankulutuksesta, joten pakkaus on tehokas keino parantaa kestävyyttä . Vuonna 2025 PMC-lehdessä julkaistussa tutkimuksessa todettiin, että mallinpakkaustekniikoiden, kuten karsinnan ja tislauksen, soveltaminen BERT-kokoisiin malleihin vähensi energiankulutusta 32–48 % samalla, kun tarkkuus pysyi yli 95 %:ssa . On kuitenkin huomattava, että Oran CO₂-säästöarvio on nimenomaan arvio tietyllä vertailumarkkinaosuudella, ei mitattu tulos .

Rahoituksen käyttö ja kaupalliset suunnitelmat

Ora on nimennyt kolme pääasiallista käyttötarkoitusta siemenrahoitukselle :

1. Tiimin laajentaminen – suunnittelu- ja kaupallisen tiimin kasvattaminen.
2. Pakkauksen laajentaminen suurempiin huippumalleihin – teknologian vieminen seuraavan sukupolven huippumallien pakkaamiseen.
3. Kaupallisen tuotteen lanseeraus – kohderyhminä pilvipäättelypalvelut ja yritykset, jotka ottavat tekoälyä käyttöön reunalla (esim. auto- ja teollisuuslaitteet) .

Yrityksen omilla verkkosivuilla mainostetaan nyt automaattista LLM-pakkauspalvelua, joka sovittaa mallit reunalaiteisiin, paikallispalvelimiin tai pilvi-infrastruktuuriin "tunneissa, ei kuukausissa", ja väittää vähentävänsä muistin käyttöä jopa 70 % ja GPU-laskuja yli 50 % .

Lähteet ja luotettavuus

Päälähde on Greencode Venturesin virallisilla verkkosivuilla julkaistu yksityiskohtainen tiedote . Vahvistavia uutisia on tullut useilta alan toimijoilta, kuten The Recursive , IT Boltwise , Vestbee , tech.eu ja Fundup.ai . Kaikki raportoivat samat kierroksen tiedot, pakkausluvut ja rahoituksen käyttösuunnitelman. Riippumaton kolmas osapuoli ei ole vielä vahvistanut Oran CO₂-säästölaskelmaa, jonka yritys itsekin nimeää arvioksi eikä mitatuksi tulokseksi.