Callosum Bertaruh $100 Juta pada Infrastruktur AI yang Lebih Beragam

Callosum sedang mengambil taruhan yang berlawanan dengan arus utama industri AI. Startup yang didirikan di Cambridge ini tidak yakin bahwa generasi AI berikutnya harus dibangun dengan terus memperbesar satu model raksasa di atas ribuan akselerator yang seragam.

Sebagai gantinya, Callosum mendorong gagasan kecerdasan heterogen: sistem yang menggabungkan berbagai model khusus dan jenis prosesor, dengan perangkat lunak yang menentukan alat paling tepat untuk menangani setiap bagian pekerjaan.

Apa yang ditantang Callosum?

Pola infrastruktur AI yang dominan saat ini berpusat pada model yang semakin besar dan biasanya dijalankan di armada GPU Nvidia dalam jumlah besar. Callosum menantang anggapan bahwa satu model serbaguna, satu ekosistem perangkat keras dominan, dan tambahan komputasi tanpa henti merupakan jalur paling efisien menuju sistem AI yang semakin canggih atau bahkan “superinteligensi”.

Latar belakang pendirinya di bidang neurosains turut membentuk pandangan tersebut. Kecerdasan biologis tidak mengandalkan satu sirkuit seragam untuk mengerjakan semua hal. Callosum menerapkan intuisi serupa pada AI dengan menggabungkan komponen-komponen khusus, alih-alih menganggap satu model sebagai jawaban untuk setiap subtugas.

Ini bukan berarti satu model atau satu jenis chip akan menghilang. Klaimnya adalah bahwa keduanya seharusnya menjadi komponen yang dapat dipertukarkan dalam sistem komputasi yang lebih luas—dipilih sesuai kebutuhan setiap permintaan.

Cara kerja pengalihan AI heterogen

Callosum menggambarkan perangkat lunaknya sebagai lapisan orkestrasi untuk beban kerja AI. Secara umum, sistem ini dirancang untuk:

1. Memecah pekerjaan kompleks menjadi beberapa subtugas. Aplikasi multi-langkah dapat mencakup penalaran, penggunaan alat, pengambilan informasi, dan eksekusi.
2. Memilih model yang sesuai untuk setiap tahap. Model yang lebih cepat dan murah dapat menangani proses rutin, sedangkan model penalaran yang lebih kuat hanya digunakan untuk keputusan sulit.
3. Memilih perangkat keras yang tepat. Beban kerja dapat didistribusikan ke berbagai jenis prosesor, tanpa terikat pada infrastruktur satu vendor.
4. Mengoptimalkan batasan operasional. Keputusan pengalihan dapat mempertimbangkan latensi, biaya, dan kebutuhan energi.

Perusahaan itu menyatakan platformnya dirancang untuk berjalan di berbagai lingkungan cloud dan perangkat keras, termasuk chip Nvidia dan AMD, AWS Trainium serta Inferentia, dan sistem Cerebras.

Dalam penerapan agen AI untuk perusahaan, misalnya, akselerator berlatensi rendah dapat dipakai untuk interaksi yang sering, GPU serbaguna untuk tahap lain, dan model penalaran yang lebih kuat hanya ketika benar-benar dibutuhkan. Keuntungannya bukan sekadar kebebasan memilih perangkat keras, melainkan kemampuan menyusun alur kerja berdasarkan keunggulan masing-masing komponen.

Manfaat yang diklaim—dan catatannya

Callosum menyatakan pendekatannya menghasilkan akurasi hingga dua kali lebih baik, kinerja tujuh kali lebih cepat, dan biaya empat kali lebih rendah pada sejumlah beban kerja kompleks. Angka tersebut merupakan klaim perusahaan yang diberitakan saat Callosum keluar dari mode stealth pada Februari; materi yang tersedia tidak menunjukkan bahwa hasil itu telah diverifikasi secara independen atau berlaku luas untuk semua beban kerja AI.

Logika ekonominya cukup jelas. Tidak semua tahap dalam aplikasi memerlukan model paling kuat yang tersedia. Menggunakan model yang lebih murah atau cepat untuk pekerjaan rutin berpotensi menekan biaya inferensi. Begitu pula, jika setiap tahap tidak membutuhkan prosesor yang sama, operator dapat memanfaatkan kapasitas yang tersedia dengan lebih efisien dan mengurangi ketergantungan pada satu pemasok chip.

Pendekatan ini berpotensi digunakan untuk otomasi pengoperasian komputer, pembayaran, keamanan siber, dan aplikasi multi-agen—bidang-bidang yang menggabungkan beragam jenis komputasi. Namun, keberhasilannya akan bergantung pada kemampuan lapisan pengalihan tersebut dalam mengambil keputusan secara andal, tanpa menambah kompleksitas atau beban kerja yang justru menghapus manfaatnya.

Mengapa ini juga menyangkut kedaulatan AI?

Peluang yang ditawarkan Callosum tidak hanya soal optimasi. Pelatihan dan pengoperasian sistem AI terdepan membutuhkan modal besar, listrik dalam jumlah besar, serta perangkat keras khusus. Ketika kebutuhan tersebut terkonsentrasi pada segelintir perusahaan model AI dan pemasok chip, ketergantungan terhadap penyedia infrastruktur dominan—serta wilayah tempat infrastrukturnya tersedia—ikut meningkat.

Lapisan perangkat lunak yang tidak terikat pada satu jenis perangkat keras dapat memberi organisasi lebih banyak pilihan mengenai tempat beban kerja dijalankan dan memudahkan penggunaan prosesor alternatif. Dalam konteks ini, infrastruktur heterogen menjadi bagian dari strategi kedaulatan AI: perusahaan dan negara dapat memanfaatkan lebih banyak pilihan silikon yang tersedia, bukan sepenuhnya bergantung pada satu tumpukan teknologi.

Meski demikian, hal tersebut masih merupakan aspirasi, bukan hasil yang sudah terbukti. Dukungan terhadap banyak jenis chip tidak otomatis menciptakan pasar perangkat keras yang kompetitif. Nilai praktisnya akan ditentukan oleh kinerja, ketersediaan, perangkat pengembang, dan keandalan integrasi Callosum.

Pendanaan dan investor Callosum

Pada Februari 2026, ketika keluar dari mode stealth, Callosum mengumumkan pendanaan $10,25 juta. Putaran tersebut dipimpin Plural, dengan partisipasi angel investor Charlie Songhurst, Stan Boland, dan John Lazar. Lembaga Inggris Advanced Research and Invention Agency (ARIA) secara terpisah memberikan hibah penelitian untuk integrasi chip baru; ARIA tidak disebut sebagai investor ekuitas dalam putaran tersebut.

Pada 20 Agustus 2026, perusahaan mengumumkan putaran seed tambahan senilai $100 juta yang dipimpin Atomico, dengan partisipasi signifikan dari Plural, DCVC, dan UK Sovereign AI Fund, serta investor dan angel investor lainnya.

Jika kedua putaran tersebut dijumlahkan—sebagaimana disajikan dalam pemberitaan yang tersedia—Callosum telah mengumumkan pendanaan sekitar $110,25 juta sejak keluar dari mode stealth. Namun, pengumuman publik perusahaan tidak memuat rincian lengkap mengenai setiap investor yang tidak disebutkan namanya.

Sinyal dari dukungan pemerintah Inggris

Callosum menyebut pendanaan tersebut sebagai investasi pertama UK Sovereign AI Fund. Perusahaan juga menyatakan namanya masuk dalam rencana perangkat keras AI Inggris senilai £1,1 miliar. Menteri AI Inggris Kanishka Narayan turut menyoroti pentingnya penggunaan chip secara efisien ketika permintaan komputasi AI terus meningkat.

Rangkaian dukungan ini menempatkan teknologi Callosum lebih dari sekadar alat optimasi infrastruktur milik perusahaan swasta. Pemerintah Inggris memosisikan akses yang lebih beragam ke perangkat keras AI dan orkestrasi yang lebih efisien sebagai bagian dari kemampuan serta kedaulatan AI nasional.

Dukungan publik tentu tidak menjamin keberhasilan teknis maupun komersial startup tersebut. Namun, hal itu menjelaskan mengapa lapisan pengalihan AI Callosum menarik perhatian strategis pemerintah sekaligus modal ventura.

Mengapa kemitraan Cerebras penting?

Kemitraan utama Callosum dengan Cerebras membawa kapasitas komputasi Cerebras ke dalam lapisan pengalihan heterogen miliknya. Model yang dituju adalah menggunakan inferensi Cerebras yang berlatensi rendah ketika kecepatan sangat penting, sementara tahap lain diarahkan ke model atau prosesor berbeda.

Pendekatan ini dapat berguna untuk sistem real-time dan multi-agen, karena jeda kecil dapat terakumulasi ketika sebuah aplikasi harus melakukan banyak panggilan ke model AI. Callosum dan Cerebras menyatakan kombinasi tersebut dapat memungkinkan sistem AI yang sebelumnya terlalu lambat, mahal, atau tidak praktis untuk dioperasikan dalam skala besar.

Ada perbedaan dalam pemberitaan yang tersedia mengenai siapa yang menyampaikan klaim tersebut. Tech.eu mengaitkannya dengan CEO Cerebras Andrew Feldman, sedangkan pengumuman Callosum sendiri mengaitkan kalimat yang sama dengan Andy Hock, Chief Strategy Officer Cerebras. Kemitraan dan tujuan menghadirkan latensi rendah konsisten di antara sumber-sumber tersebut, tetapi atribusi pembicaranya tidak sama.

Ujian terbesar masih di depan

Tesis Callosum adalah bahwa infrastruktur AI seharusnya tidak menyerupai satu mesin raksasa, melainkan ekosistem yang terkoordinasi: banyak model, banyak jenis chip, dan perangkat lunak yang menugaskan setiap pekerjaan kepada sumber daya paling sesuai.

Gagasan ini menjawab tekanan nyata dalam penerapan AI—latensi, biaya, konsumsi energi, dan ketergantungan pada rantai pasok yang terkonsentrasi. Namun, ujian penentunya bersifat operasional. Callosum harus membuktikan bahwa pengalihan heterogen dapat meningkatkan kinerja aplikasi secara menyeluruh, bukan hanya pada tolok ukur tertentu, sekaligus membuat lingkungan perangkat keras campuran tetap mudah digunakan pengembang dan cukup andal untuk produksi.

Putaran seed senilai $100 juta menunjukkan bahwa investor melihat persoalan koordinasi ini sebagai peluang yang besar dan strategis. Janji yang lebih luas dari teknologi tersebut tetap bergantung pada kemampuan Callosum mengubah keberagaman perangkat keras menjadi keunggulan yang terukur, konsisten, dan benar-benar bermanfaat bagi pengguna.