סבב הסיד של 3.5 מיליון אירו

את סבב הסיד הובילו במשותף Constructor Capital (קרן הון סיכון שווייצרית בתחום הדיפ-טק) ו-Greencode Ventures, עם המשך תמיכה מהמשקיעה הקיימת XISTA Science Ventures, שסייעה בהקמת החברה והשקתה .

את Ora Computing ייסדו חוקרי מחשוב קוונטי Stefan Sack ו-Raimel A. Medina, שהתפצלו מהמכון למדע וטכנולוגיה באוסטריה (ISTA) . החברה יצאה מסטלת' (חשאיות) בסוף 2025 וכבר אימתה את הפתרון שלה עם שחקנים בתחומי הרכב ושבבי הקצה (Edge) .

איך פועלת תוכנת הכיווץ

התוכנה של Ora משתמשת בגישה מבוססת תורת המידע (information theory) כדי לכווץ מודלי יסוד (Foundation Models) גדולים לשימוש בהסקה (Inference) — כלומר, היא מבצעת מבנה מחדש מתמטי של המודל כדי להסיר עודפות תוך שמירה על איכות הפלט . הטענות המרכזיות של החברה והמשקיעים כוללות:

• צמצום גודל של עד 80%: המודלים קטנים משמעותית בנפח הזיכרון .
• האצת הסקה של עד פי 4: מודלים דחוסים רצים מהר יותר על אותה חומרה .
• אובדן דיוק של 0-5% בלבד: התמורה בין דחיסה לדיוק מזערית .
• ללא תלות בחומרה: התוכנה עובדת על פני ארכיטקטורות שבבים שונות (CPU, GPU, Edge) ללא תשתית מותאמת אישית או אימון מחדש .
• ללא צורך באימון מחדש: משתלבת ישירות במסגרות הסקה סטנדרטיות .
• עקומת דחיסה רציפה: בניגוד לכלים בינאריים שמאפשרים "בחר רמת דחיסה", האלגוריתם של Ora ממפה את רצף היחסים בין גודל לדיוק, ומאפשר ללקוחות לייעל בהתאם לחומרה ולאילוצי העלות שלהם .
• הוכחה על מודל של 70 מיליארד פרמטרים: החברה מדווחת שדחסה מודל בן 70 מיליארד פרמטרים תוך שעות תמורת פחות מ-1,000 דולר בעלויות מחשוב, לעומת עלויות טיפוסיות של מאות אלפי דולרים .

השפעה על עלויות, אנרגיה ופחמן

בשל העובדה שמודלים דחוסים דורשים פחות כוח מחשוב, Ora מציינת שהטכנולוגיה שלה מתורגמת ישירות לצריכת אנרגיה נמוכה יותר ולפליטת פחמן מופחתת . החברה מעריכה כי בחדירה של 1% לשוק, הטכנולוגיה שלה תוכל לחסוך יותר מ-50,000 טונות של CO₂ בשנה .

זה מתיישב עם הקונצנזוס הרחב בתעשייה לפיו הסקה (Inference) מהווה למעלה מ-90% מצריכת האנרגיה לאורך חיי המודל, מה שהופך את הדחיסה למנוף חזק לקיימות . מחקר משנת 2025 בכתב העת PMC מצא כי יישום טכניקות דחיסת מודלים הביא להפחתת אנרגיה של 32-48% תוך שמירה על דיוק מעל 95% . עם זאת, אומדן החיסכון הספציפי ב-CO₂ של Ora מוגדר כ"הערכה" בשיעור חדירה של 1% בלבד, ולא כתוצאה נמדדת .

שימוש בכספים ותוכניות מסחריות

Ora הצהירה על שלושה שימושים עיקריים בהון שגויס :

1. הרחבת הצוות — גיוס צוותי הנדסה ומסחר.
2. הרחבת יכולות הכיווץ למודלי הקצה הגדולים ביותר — פריצת גבולות היכולת הנוכחית כדי לדחוס את הדור הבא של המודלים החדשניים.
3. השקת מוצר מסחרי — מיקוד בספקיות הסקת ענן ובחברות הפורסות AI בקצה (Edge) (למשל, רכב וציוד תעשייתי) .

האתר הרשמי של החברה מציע שירות דחיסת LLM אוטומטי שיכול להתאים מודלים על התקני קצה, שרתים מקומיים או תשתית ענן "בשעות, לא בחודשים", עם טענות להפחתת נפח הזיכרון בעד 70% וקיצוץ בחשבונות ה-GPU ביותר מ-50% .

הערת מהימנות מקורות

המקור העיקרי הוא הודעה מפורטת שפורסמה באתר הרשמי של Greencode Ventures . סיקור מחזק מגיע ממספר כלי תקשורת כולל The Recursive , IT Boltwise , Vestbee , tech.eu ו-Fundup.ai — כולם מדווחים על אותם פרטי סבב, נתוני דחיסה ותוכנית שימוש בכספים. עם זאת, עדיין אין גורם שלישי בלתי תלוי שאימת את אומדן החיסכון הספציפי ב-CO₂ של Ora, שהחברה מגדירה כהערכה בשיעור חדירה תאורטי ולא כתוצאה נמדדת.

סבב הסיד של 3.5 מיליון אירו

את סבב הסיד הובילו במשותף Constructor Capital (קרן הון סיכון שווייצרית בתחום הדיפ-טק) ו-Greencode Ventures, עם המשך תמיכה מהמשקיעה הקיימת XISTA Science Ventures, שסייעה בהקמת החברה והשקתה .

את Ora Computing ייסדו חוקרי מחשוב קוונטי Stefan Sack ו-Raimel A. Medina, שהתפצלו מהמכון למדע וטכנולוגיה באוסטריה (ISTA) . החברה יצאה מסטלת' (חשאיות) בסוף 2025 וכבר אימתה את הפתרון שלה עם שחקנים בתחומי הרכב ושבבי הקצה (Edge) .

איך פועלת תוכנת הכיווץ

התוכנה של Ora משתמשת בגישה מבוססת תורת המידע (information theory) כדי לכווץ מודלי יסוד (Foundation Models) גדולים לשימוש בהסקה (Inference) — כלומר, היא מבצעת מבנה מחדש מתמטי של המודל כדי להסיר עודפות תוך שמירה על איכות הפלט . הטענות המרכזיות של החברה והמשקיעים כוללות:

• צמצום גודל של עד 80%: המודלים קטנים משמעותית בנפח הזיכרון .
• האצת הסקה של עד פי 4: מודלים דחוסים רצים מהר יותר על אותה חומרה .
• אובדן דיוק של 0-5% בלבד: התמורה בין דחיסה לדיוק מזערית .
• ללא תלות בחומרה: התוכנה עובדת על פני ארכיטקטורות שבבים שונות (CPU, GPU, Edge) ללא תשתית מותאמת אישית או אימון מחדש .
• ללא צורך באימון מחדש: משתלבת ישירות במסגרות הסקה סטנדרטיות .
• עקומת דחיסה רציפה: בניגוד לכלים בינאריים שמאפשרים "בחר רמת דחיסה", האלגוריתם של Ora ממפה את רצף היחסים בין גודל לדיוק, ומאפשר ללקוחות לייעל בהתאם לחומרה ולאילוצי העלות שלהם .
• הוכחה על מודל של 70 מיליארד פרמטרים: החברה מדווחת שדחסה מודל בן 70 מיליארד פרמטרים תוך שעות תמורת פחות מ-1,000 דולר בעלויות מחשוב, לעומת עלויות טיפוסיות של מאות אלפי דולרים .

השפעה על עלויות, אנרגיה ופחמן

בשל העובדה שמודלים דחוסים דורשים פחות כוח מחשוב, Ora מציינת שהטכנולוגיה שלה מתורגמת ישירות לצריכת אנרגיה נמוכה יותר ולפליטת פחמן מופחתת . החברה מעריכה כי בחדירה של 1% לשוק, הטכנולוגיה שלה תוכל לחסוך יותר מ-50,000 טונות של CO₂ בשנה .

זה מתיישב עם הקונצנזוס הרחב בתעשייה לפיו הסקה (Inference) מהווה למעלה מ-90% מצריכת האנרגיה לאורך חיי המודל, מה שהופך את הדחיסה למנוף חזק לקיימות . מחקר משנת 2025 בכתב העת PMC מצא כי יישום טכניקות דחיסת מודלים הביא להפחתת אנרגיה של 32-48% תוך שמירה על דיוק מעל 95% . עם זאת, אומדן החיסכון הספציפי ב-CO₂ של Ora מוגדר כ"הערכה" בשיעור חדירה של 1% בלבד, ולא כתוצאה נמדדת .

שימוש בכספים ותוכניות מסחריות

Ora הצהירה על שלושה שימושים עיקריים בהון שגויס :

1. הרחבת הצוות — גיוס צוותי הנדסה ומסחר.
2. הרחבת יכולות הכיווץ למודלי הקצה הגדולים ביותר — פריצת גבולות היכולת הנוכחית כדי לדחוס את הדור הבא של המודלים החדשניים.
3. השקת מוצר מסחרי — מיקוד בספקיות הסקת ענן ובחברות הפורסות AI בקצה (Edge) (למשל, רכב וציוד תעשייתי) .

האתר הרשמי של החברה מציע שירות דחיסת LLM אוטומטי שיכול להתאים מודלים על התקני קצה, שרתים מקומיים או תשתית ענן "בשעות, לא בחודשים", עם טענות להפחתת נפח הזיכרון בעד 70% וקיצוץ בחשבונות ה-GPU ביותר מ-50% .

הערת מהימנות מקורות

המקור העיקרי הוא הודעה מפורטת שפורסמה באתר הרשמי של Greencode Ventures . סיקור מחזק מגיע ממספר כלי תקשורת כולל The Recursive , IT Boltwise , Vestbee , tech.eu ו-Fundup.ai — כולם מדווחים על אותם פרטי סבב, נתוני דחיסה ותוכנית שימוש בכספים. עם זאת, עדיין אין גורם שלישי בלתי תלוי שאימת את אומדן החיסכון הספציפי ב-CO₂ של Ora, שהחברה מגדירה כהערכה בשיעור חדירה תאורטי ולא כתוצאה נמדדת.