Putaran Pendanaan €3,5 Juta

Putaran seed ini dipimpin bersama (co-led) oleh Constructor Capital, sebuah VC yang fokus pada deep-tech asal Swiss, dan Greencode Ventures. Pendanaan ini juga mendapat dukungan lanjutan dari investor lama, XISTA Science Ventures, yang turut membantu membangun dan meluncurkan perusahaan .

Ora Computing didirikan oleh dua peneliti komputasi kuantum, Stefan Sack dan Raimel A. Medina, yang merupakan hasil spin-off dari Institute of Science and Technology Austria (ISTA) . Startup ini muncul dari mode 'siluman' (stealth) pada akhir tahun 2025 dan telah memvalidasi solusinya bersama pemain-pemain di sektor otomotif dan semikonduktor untuk perangkat tepi (edge) .

Bagaimana Cara Kerja Software Kompresi Ini?

Perangkat lunak Ora menggunakan pendekatan berbasis teori informasi untuk mengecilkan model dasar (foundation model) AI yang besar agar siap digunakan untuk inferensi . Artinya, perangkat lunak ini menyusun ulang model secara matematis untuk menghilangkan redundansi (data berulang yang tidak perlu) sambil tetap menjaga kualitas keluaran. Berikut adalah klaim utama dari perusahaan dan investornya:

• Pengurangan ukuran hingga 80%: Model AI bisa dikecilkan secara dramatis dalam hal penggunaan memori .
• Inferensi 4 kali lebih cepat: Model yang sudah dikompresi berjalan jauh lebih cepat di perangkat keras yang sama .
• Kehilangan akurasi hanya 0–5%: Pertukaran antara ukuran dan akurasi sangat minimal .
• Tidak tergantung perangkat keras (hardware-agnostic): Software ini bekerja di berbagai arsitektur chip (CPU, GPU, semikonduktor tepi) tanpa perlu infrastruktur khusus atau pelatihan ulang .
• Tidak perlu pelatihan ulang: Langsung bisa digunakan di kerangka kerja (framework) inferensi standar .
• Kurva kompresi berkelanjutan: Tidak seperti alat lain yang hanya memberi opsi biner, algoritma Ora memetakan seluruh spektrum pertukaran antara ukuran dan akurasi secara berkelanjutan. Ini memungkinkan pelanggan mengoptimalkan model sesuai dengan batasan perangkat keras dan biaya mereka .
• Terbukti pada model 70 miliar parameter: Perusahaan mengklaim berhasil mengompresi model dengan 70 miliar parameter hanya dalam hitungan jam dengan biaya komputasi di bawah $1.000. Sebagai perbandingan, biaya standar untuk pekerjaan serupa biasanya mencapai ratusan ribu dolar .

Dampak pada Biaya, Energi, dan Karbon

Karena model yang lebih kecil membutuhkan lebih sedikit daya komputasi, Ora menyatakan bahwa teknologi ini secara langsung mengurangi konsumsi energi dan emisi karbon . Perusahaan memperkirakan bahwa pada penetrasi pasar sebesar 1%, teknologi mereka dapat mengurangi emisi CO₂ lebih dari 50.000 ton per tahun .

Perkiraan ini didukung oleh konsensus industri yang lebih luas: inferensi kini menyumbang lebih dari 90% dari total konsumsi energi seumur hidup model AI yang sudah diterapkan, sehingga kompresi menjadi alat yang sangat ampuh untuk keberlanjutan . Sebuah studi pada tahun 2025 di jurnal PMC menemukan bahwa teknik kompresi model pada model seukuran BERT menghasilkan pengurangan energi sebesar 32–48% sambil mempertahankan akurasi di atas 95% . Perlu dicatat, perkiraan penghematan CO₂ spesifik dari Ora ini masih berupa 'estimasi' pada tingkat penetrasi tertentu, bukan hasil pengukuran langsung .

Penggunaan Dana dan Rencana Komersial

Ora telah mengumumkan tiga prioritas utama penggunaan dana segar ini :

1. Ekspansi tim — merekrut lebih banyak insinyur dan staf komersial.
2. Memperluas kemampuan kompresi ke model-model frontier yang lebih besar — mendorong kemampuan saat ini untuk mengompresi generasi terbaru dari model-model AI tercanggih.
3. Meluncurkan produk komersial — menargetkan penyedia layanan inferensi cloud dan perusahaan yang menggunakan AI di perangkat tepi (edge) (misalnya, otomotif, peralatan industri) .

Situs web perusahaan kini telah menawarkan layanan kompresi LLM otomatis yang dapat menyesuaikan model AI ke perangkat tepi, server internal (on-prem), atau infrastruktur cloud "dalam hitungan jam, bukan berbulan-bulan." Mereka mengklaim mampu mengurangi ukuran memori hingga 70% dan memangkas tagihan GPU hingga lebih dari 50% .

Catatan Keandalan Sumber

Sumber utama artikel ini adalah pengumuman terperinci yang diterbitkan di situs resmi Greencode Ventures . Informasi tersebut juga diperkuat oleh pemberitaan dari berbagai media, termasuk The Recursive , IT Boltwise , Vestbee , tech.eu , dan Fundup.ai — yang semuanya melaporkan detail putaran, angka kompresi, dan rencana penggunaan dana yang sama. Hingga saat ini, belum ada pihak ketiga independen yang memvalidasi perkiraan penghematan CO₂ spesifik Ora, yang masih disebut sebagai estimasi oleh perusahaan .

Putaran Pendanaan €3,5 Juta

Putaran seed ini dipimpin bersama (co-led) oleh Constructor Capital, sebuah VC yang fokus pada deep-tech asal Swiss, dan Greencode Ventures. Pendanaan ini juga mendapat dukungan lanjutan dari investor lama, XISTA Science Ventures, yang turut membantu membangun dan meluncurkan perusahaan .

Ora Computing didirikan oleh dua peneliti komputasi kuantum, Stefan Sack dan Raimel A. Medina, yang merupakan hasil spin-off dari Institute of Science and Technology Austria (ISTA) . Startup ini muncul dari mode 'siluman' (stealth) pada akhir tahun 2025 dan telah memvalidasi solusinya bersama pemain-pemain di sektor otomotif dan semikonduktor untuk perangkat tepi (edge) .

Bagaimana Cara Kerja Software Kompresi Ini?

Perangkat lunak Ora menggunakan pendekatan berbasis teori informasi untuk mengecilkan model dasar (foundation model) AI yang besar agar siap digunakan untuk inferensi . Artinya, perangkat lunak ini menyusun ulang model secara matematis untuk menghilangkan redundansi (data berulang yang tidak perlu) sambil tetap menjaga kualitas keluaran. Berikut adalah klaim utama dari perusahaan dan investornya:

• Pengurangan ukuran hingga 80%: Model AI bisa dikecilkan secara dramatis dalam hal penggunaan memori .
• Inferensi 4 kali lebih cepat: Model yang sudah dikompresi berjalan jauh lebih cepat di perangkat keras yang sama .
• Kehilangan akurasi hanya 0–5%: Pertukaran antara ukuran dan akurasi sangat minimal .
• Tidak tergantung perangkat keras (hardware-agnostic): Software ini bekerja di berbagai arsitektur chip (CPU, GPU, semikonduktor tepi) tanpa perlu infrastruktur khusus atau pelatihan ulang .
• Tidak perlu pelatihan ulang: Langsung bisa digunakan di kerangka kerja (framework) inferensi standar .
• Kurva kompresi berkelanjutan: Tidak seperti alat lain yang hanya memberi opsi biner, algoritma Ora memetakan seluruh spektrum pertukaran antara ukuran dan akurasi secara berkelanjutan. Ini memungkinkan pelanggan mengoptimalkan model sesuai dengan batasan perangkat keras dan biaya mereka .
• Terbukti pada model 70 miliar parameter: Perusahaan mengklaim berhasil mengompresi model dengan 70 miliar parameter hanya dalam hitungan jam dengan biaya komputasi di bawah $1.000. Sebagai perbandingan, biaya standar untuk pekerjaan serupa biasanya mencapai ratusan ribu dolar .

Dampak pada Biaya, Energi, dan Karbon

Karena model yang lebih kecil membutuhkan lebih sedikit daya komputasi, Ora menyatakan bahwa teknologi ini secara langsung mengurangi konsumsi energi dan emisi karbon . Perusahaan memperkirakan bahwa pada penetrasi pasar sebesar 1%, teknologi mereka dapat mengurangi emisi CO₂ lebih dari 50.000 ton per tahun .

Perkiraan ini didukung oleh konsensus industri yang lebih luas: inferensi kini menyumbang lebih dari 90% dari total konsumsi energi seumur hidup model AI yang sudah diterapkan, sehingga kompresi menjadi alat yang sangat ampuh untuk keberlanjutan . Sebuah studi pada tahun 2025 di jurnal PMC menemukan bahwa teknik kompresi model pada model seukuran BERT menghasilkan pengurangan energi sebesar 32–48% sambil mempertahankan akurasi di atas 95% . Perlu dicatat, perkiraan penghematan CO₂ spesifik dari Ora ini masih berupa 'estimasi' pada tingkat penetrasi tertentu, bukan hasil pengukuran langsung .

Penggunaan Dana dan Rencana Komersial

Ora telah mengumumkan tiga prioritas utama penggunaan dana segar ini :

1. Ekspansi tim — merekrut lebih banyak insinyur dan staf komersial.
2. Memperluas kemampuan kompresi ke model-model frontier yang lebih besar — mendorong kemampuan saat ini untuk mengompresi generasi terbaru dari model-model AI tercanggih.
3. Meluncurkan produk komersial — menargetkan penyedia layanan inferensi cloud dan perusahaan yang menggunakan AI di perangkat tepi (edge) (misalnya, otomotif, peralatan industri) .

Situs web perusahaan kini telah menawarkan layanan kompresi LLM otomatis yang dapat menyesuaikan model AI ke perangkat tepi, server internal (on-prem), atau infrastruktur cloud "dalam hitungan jam, bukan berbulan-bulan." Mereka mengklaim mampu mengurangi ukuran memori hingga 70% dan memangkas tagihan GPU hingga lebih dari 50% .

Catatan Keandalan Sumber

Sumber utama artikel ini adalah pengumuman terperinci yang diterbitkan di situs resmi Greencode Ventures . Informasi tersebut juga diperkuat oleh pemberitaan dari berbagai media, termasuk The Recursive , IT Boltwise , Vestbee , tech.eu , dan Fundup.ai — yang semuanya melaporkan detail putaran, angka kompresi, dan rencana penggunaan dana yang sama. Hingga saat ini, belum ada pihak ketiga independen yang memvalidasi perkiraan penghematan CO₂ spesifik Ora, yang masih disebut sebagai estimasi oleh perusahaan .