Apa yang cuba dicabar Callosum

Model infrastruktur AI semasa banyak bergantung pada pengumpulan kuasa pengkomputeran untuk model yang semakin besar, biasanya menggunakan kelompok besar GPU Nvidia. Callosum mempersoalkan andaian bahawa mengulangi formula yang sama—satu model serba guna, satu ekosistem perkakasan dominan dan lebih banyak kuasa pengkomputeran—merupakan jalan paling cekap menuju sistem AI maju atau “superintelligent”.

Latar belakang pengasasnya dalam neurosains turut mempengaruhi perbandingan tersebut. Kecerdasan biologi tidak bergantung pada satu litar seragam untuk melaksanakan semua tugas. Callosum menggunakan intuisi pada peringkat sistem yang sama dalam AI, dengan menggabungkan komponen khusus dan bukannya menganggap satu model sebagai jawapan kepada setiap tugasan kecil.

Ini bukan bermaksud satu model atau satu jenis cip akan lenyap. Hujah Callosum ialah kedua-duanya harus menjadi komponen yang boleh ditukar ganti dalam sistem pengkomputeran lebih luas, lalu dipilih berdasarkan keperluan setiap permintaan.

Bagaimana penghalaan AI heterogen berfungsi

Callosum menerangkan perisiannya sebagai lapisan penyelarasan untuk beban kerja AI. Secara ringkas, sistem itu direka untuk:

1. Memecahkan beban kerja kompleks kepada beberapa tugasan kecil. Aplikasi berbilang langkah mungkin mengandungi penaakulan, penggunaan alat dan pelaksanaan yang berbeza.
2. Memilih model yang sesuai bagi setiap langkah. Model yang lebih pantas dan murah boleh mengendalikan proses rutin, manakala model penaakulan yang lebih berkuasa hanya digunakan untuk keputusan sukar.
3. Memilih perkakasan yang sesuai. Beban kerja boleh diagihkan merentasi pelbagai jenis pemproses, tanpa terikat kepada infrastruktur satu vendor.
4. Mengoptimumkan kekangan operasi. Keputusan penghalaan boleh mengambil kira kependaman, kos dan keperluan tenaga.

Syarikat itu berkata platformnya direka untuk berfungsi merentasi persekitaran awan dan perkakasan termasuk cip Nvidia serta AMD, AWS Trainium dan Inferentia, selain sistem Cerebras.

Sebagai contoh, ejen perusahaan mungkin menggunakan pemecut dengan kependaman rendah untuk interaksi yang kerap, GPU serba guna bagi peringkat lain, dan model penaakulan lebih berkuasa hanya apabila diperlukan. Manfaat yang berpotensi bukan sekadar kebebasan memilih cip, tetapi keupayaan membina aliran kerja berdasarkan kekuatan beberapa komponen berbeza.

Dakwaan manfaat—dan batasannya

Callosum mendakwa pendekatannya menghasilkan sehingga dua kali ganda ketepatan, prestasi tujuh kali lebih pantas dan kos empat kali lebih rendah untuk beberapa beban kerja kompleks terpilih. Angka itu ialah dakwaan syarikat yang dilaporkan ketika ia keluar daripada mod senyap pada Februari; sumber yang dibekalkan tidak menunjukkan bahawa keputusan tersebut telah disahkan secara bebas atau terpakai secara meluas kepada semua beban kerja AI.

Asas ekonomi pendekatan itu mudah difahami. Jika tidak setiap langkah dalam aplikasi memerlukan model paling berkuasa, penggunaan model yang lebih murah atau pantas untuk kerja rutin boleh mengurangkan kos inferens. Jika tidak setiap langkah memerlukan cip yang sama, pengendali boleh menggunakan kapasiti sedia ada dengan lebih cekap dan mengurangkan kebergantungan pada satu pembekal perkakasan.

Pendekatan ini berpotensi digunakan dalam automasi penggunaan komputer, pembayaran, keselamatan siber dan aplikasi berbilang ejen—semuanya menggabungkan beberapa bentuk pengiraan. Namun, kejayaannya bergantung pada kemampuan lapisan penghalaan membuat keputusan yang boleh dipercayai tanpa menambah kerumitan atau kos operasi sehingga menghapuskan manfaat tersebut.

Mengapa isu ini turut berkait dengan kedaulatan AI

Hujah Callosum bukan sekadar soal pengoptimuman. Latihan dan penyediaan sistem AI termaju memerlukan modal, elektrik dan perkakasan khusus yang besar. Apabila keperluan itu tertumpu pada segelintir syarikat model AI dan pembekal cip, pergantungan meningkat—baik kepada penyedia infrastruktur dominan mahupun kepada rantau yang mempunyai akses kepada infrastruktur berkenaan.

Lapisan perisian yang tidak terikat kepada satu jenis perkakasan boleh memberi organisasi lebih banyak pilihan tentang lokasi beban kerja dijalankan, selain memudahkan penggunaan cip alternatif. Dalam erti kata ini, infrastruktur heterogen menjadi sebahagian daripada strategi kedaulatan AI: syarikat dan negara boleh menggunakan lebih banyak jenis silikon yang tersedia, bukannya bergantung sepenuhnya pada satu susunan teknologi.

Bagaimanapun, itu masih suatu aspirasi, bukan hasil yang telah dibuktikan. Sokongan terhadap pelbagai cip tidak dengan sendirinya mewujudkan pasaran perkakasan yang kompetitif. Nilai praktikalnya akan bergantung pada prestasi, ketersediaan, peralatan untuk pembangun dan kebolehpercayaan integrasi Callosum.

Pembiayaan dan pelabur Callosum

Callosum mengumumkan pusingan bernilai US$10.25 juta pada Februari 2026 ketika keluar daripada mod senyap. Pembiayaan itu diterajui Plural, dengan penyertaan pelabur malaikat yang dinamakan seperti Charlie Songhurst, Stan Boland dan John Lazar. Agensi Advanced Research and Invention Agency (ARIA) di UK pula memberikan sokongan melalui geran penyelidikan untuk integrasi cip baharu; ia tidak dinyatakan sebagai pelabur ekuiti dalam pusingan tersebut.

Pada 20 Ogos 2026, syarikat itu mengumumkan pusingan benih tambahan bernilai US$100 juta, diterajui Atomico, dengan penyertaan besar daripada Plural, DCVC dan UK Sovereign AI Fund, selain pelabur serta pelabur malaikat lain.

Jika kedua-dua pusingan itu dikira secara kumulatif, Callosum telah mengumumkan kira-kira US$110.25 juta sejak keluar daripada mod senyap. Jumlah ini berdasarkan cara pembiayaan tersebut dibentangkan dalam laporan yang dibekalkan, namun pengumuman awam syarikat tidak memberikan pecahan penuh bagi setiap pelabur yang tidak dinamakan.

Apa yang ditandakan oleh sokongan UK

Callosum berkata pelaburan itu merupakan pelaburan pertama UK Sovereign AI Fund, dan syarikat tersebut turut disenaraikan dalam pelan perkakasan AI UK bernilai £1.1 bilion. Menteri AI UK, Kanishka Narayan, juga menekankan kepentingan menggunakan cip dengan cekap ketika permintaan terhadap kuasa pengkomputeran AI terus meningkat.

Isyarat ini meletakkan teknologi Callosum lebih jauh daripada sekadar alat pengoptimuman infrastruktur swasta. Kerajaan UK sedang mengetengahkan akses yang lebih pelbagai kepada perkakasan AI dan penyelarasan yang lebih cekap sebagai sebahagian daripada keupayaan serta kedaulatan AI negara. Sokongan kerajaan itu tidak menjamin kejayaan teknikal atau komersial startup berkenaan, tetapi ia membantu menjelaskan mengapa lapisan penghalaan menarik sokongan strategik awam di samping modal teroka.

Mengapa kerjasama Cerebras penting

Kerjasama utama Callosum dengan Cerebras membawa kapasiti Cerebras ke dalam lapisan penghalaan heterogen syarikat itu. Model yang dicadangkan ialah menggunakan inferens Cerebras dengan kependaman rendah untuk bahagian yang sangat memerlukan kelajuan, sementara peringkat lain dihantar kepada model atau pemproses berbeza.

Pendekatan ini boleh berguna untuk sistem masa nyata dan berbilang ejen, yang mudah mengalami kelewatan terkumpul selepas banyak panggilan model. Callosum dan Cerebras menyifatkan gabungan tersebut sebagai cara untuk membolehkan sistem AI yang sebelum ini terlalu perlahan, mahal atau sukar dikendalikan pada skala besar.

Terdapat perbezaan dalam laporan yang dibekalkan tentang siapa yang membuat dakwaan tersebut. Tech.eu mengaitkannya dengan Ketua Pegawai Eksekutif Cerebras, Andrew Feldman, manakala pengumuman Callosum sendiri mengaitkan kata-kata yang sama dengan Andy Hock, ketua pegawai strategi Cerebras. Kerjasama itu dan matlamat inferens berkependaman rendah adalah konsisten antara sumber, tetapi atribusi penuturnya tidak selaras.

Persoalan yang masih terbuka

Tesis Callosum ialah infrastruktur AI sepatutnya kurang menyerupai satu mesin gergasi dan lebih menyerupai ekosistem yang diselaraskan: pelbagai model, pelbagai jenis cip dan perisian yang memberikan setiap tugasan kepada sumber paling sesuai.

Idea ini menjawab tekanan sebenar dalam penggunaan AI—kependaman, kos, penggunaan tenaga dan kebergantungan pada rantaian bekalan yang tertumpu. Namun, ujian penentu ialah pada operasi sebenar. Callosum perlu menunjukkan bahawa penghalaan heterogen meningkatkan prestasi aplikasi lengkap, bukan hanya penanda aras terasing, sambil memastikan persekitaran perkakasan campuran cukup mudah untuk pembangun dan cukup stabil untuk kegunaan produksi.

Pusingan benih bernilai US$100 juta menunjukkan pelabur melihat masalah penyelarasan ini sebagai peluang yang besar dan penting dari sudut strategik. Tetapi janji lebih luas teknologi tersebut masih bergantung pada sama ada Callosum mampu menukar kepelbagaian perkakasan kepada kelebihan yang boleh diukur dan diulang untuk pengguna sebenar.

Apa yang cuba dicabar Callosum

Model infrastruktur AI semasa banyak bergantung pada pengumpulan kuasa pengkomputeran untuk model yang semakin besar, biasanya menggunakan kelompok besar GPU Nvidia. Callosum mempersoalkan andaian bahawa mengulangi formula yang sama—satu model serba guna, satu ekosistem perkakasan dominan dan lebih banyak kuasa pengkomputeran—merupakan jalan paling cekap menuju sistem AI maju atau “superintelligent”.

Latar belakang pengasasnya dalam neurosains turut mempengaruhi perbandingan tersebut. Kecerdasan biologi tidak bergantung pada satu litar seragam untuk melaksanakan semua tugas. Callosum menggunakan intuisi pada peringkat sistem yang sama dalam AI, dengan menggabungkan komponen khusus dan bukannya menganggap satu model sebagai jawapan kepada setiap tugasan kecil.

Ini bukan bermaksud satu model atau satu jenis cip akan lenyap. Hujah Callosum ialah kedua-duanya harus menjadi komponen yang boleh ditukar ganti dalam sistem pengkomputeran lebih luas, lalu dipilih berdasarkan keperluan setiap permintaan.

Bagaimana penghalaan AI heterogen berfungsi

Callosum menerangkan perisiannya sebagai lapisan penyelarasan untuk beban kerja AI. Secara ringkas, sistem itu direka untuk:

1. Memecahkan beban kerja kompleks kepada beberapa tugasan kecil. Aplikasi berbilang langkah mungkin mengandungi penaakulan, penggunaan alat dan pelaksanaan yang berbeza.
2. Memilih model yang sesuai bagi setiap langkah. Model yang lebih pantas dan murah boleh mengendalikan proses rutin, manakala model penaakulan yang lebih berkuasa hanya digunakan untuk keputusan sukar.
3. Memilih perkakasan yang sesuai. Beban kerja boleh diagihkan merentasi pelbagai jenis pemproses, tanpa terikat kepada infrastruktur satu vendor.
4. Mengoptimumkan kekangan operasi. Keputusan penghalaan boleh mengambil kira kependaman, kos dan keperluan tenaga.

Syarikat itu berkata platformnya direka untuk berfungsi merentasi persekitaran awan dan perkakasan termasuk cip Nvidia serta AMD, AWS Trainium dan Inferentia, selain sistem Cerebras.

Sebagai contoh, ejen perusahaan mungkin menggunakan pemecut dengan kependaman rendah untuk interaksi yang kerap, GPU serba guna bagi peringkat lain, dan model penaakulan lebih berkuasa hanya apabila diperlukan. Manfaat yang berpotensi bukan sekadar kebebasan memilih cip, tetapi keupayaan membina aliran kerja berdasarkan kekuatan beberapa komponen berbeza.

Dakwaan manfaat—dan batasannya

Callosum mendakwa pendekatannya menghasilkan sehingga dua kali ganda ketepatan, prestasi tujuh kali lebih pantas dan kos empat kali lebih rendah untuk beberapa beban kerja kompleks terpilih. Angka itu ialah dakwaan syarikat yang dilaporkan ketika ia keluar daripada mod senyap pada Februari; sumber yang dibekalkan tidak menunjukkan bahawa keputusan tersebut telah disahkan secara bebas atau terpakai secara meluas kepada semua beban kerja AI.

Asas ekonomi pendekatan itu mudah difahami. Jika tidak setiap langkah dalam aplikasi memerlukan model paling berkuasa, penggunaan model yang lebih murah atau pantas untuk kerja rutin boleh mengurangkan kos inferens. Jika tidak setiap langkah memerlukan cip yang sama, pengendali boleh menggunakan kapasiti sedia ada dengan lebih cekap dan mengurangkan kebergantungan pada satu pembekal perkakasan.

Pendekatan ini berpotensi digunakan dalam automasi penggunaan komputer, pembayaran, keselamatan siber dan aplikasi berbilang ejen—semuanya menggabungkan beberapa bentuk pengiraan. Namun, kejayaannya bergantung pada kemampuan lapisan penghalaan membuat keputusan yang boleh dipercayai tanpa menambah kerumitan atau kos operasi sehingga menghapuskan manfaat tersebut.

Mengapa isu ini turut berkait dengan kedaulatan AI

Hujah Callosum bukan sekadar soal pengoptimuman. Latihan dan penyediaan sistem AI termaju memerlukan modal, elektrik dan perkakasan khusus yang besar. Apabila keperluan itu tertumpu pada segelintir syarikat model AI dan pembekal cip, pergantungan meningkat—baik kepada penyedia infrastruktur dominan mahupun kepada rantau yang mempunyai akses kepada infrastruktur berkenaan.

Lapisan perisian yang tidak terikat kepada satu jenis perkakasan boleh memberi organisasi lebih banyak pilihan tentang lokasi beban kerja dijalankan, selain memudahkan penggunaan cip alternatif. Dalam erti kata ini, infrastruktur heterogen menjadi sebahagian daripada strategi kedaulatan AI: syarikat dan negara boleh menggunakan lebih banyak jenis silikon yang tersedia, bukannya bergantung sepenuhnya pada satu susunan teknologi.

Bagaimanapun, itu masih suatu aspirasi, bukan hasil yang telah dibuktikan. Sokongan terhadap pelbagai cip tidak dengan sendirinya mewujudkan pasaran perkakasan yang kompetitif. Nilai praktikalnya akan bergantung pada prestasi, ketersediaan, peralatan untuk pembangun dan kebolehpercayaan integrasi Callosum.

Pembiayaan dan pelabur Callosum

Callosum mengumumkan pusingan bernilai US$10.25 juta pada Februari 2026 ketika keluar daripada mod senyap. Pembiayaan itu diterajui Plural, dengan penyertaan pelabur malaikat yang dinamakan seperti Charlie Songhurst, Stan Boland dan John Lazar. Agensi Advanced Research and Invention Agency (ARIA) di UK pula memberikan sokongan melalui geran penyelidikan untuk integrasi cip baharu; ia tidak dinyatakan sebagai pelabur ekuiti dalam pusingan tersebut.

Pada 20 Ogos 2026, syarikat itu mengumumkan pusingan benih tambahan bernilai US$100 juta, diterajui Atomico, dengan penyertaan besar daripada Plural, DCVC dan UK Sovereign AI Fund, selain pelabur serta pelabur malaikat lain.

Jika kedua-dua pusingan itu dikira secara kumulatif, Callosum telah mengumumkan kira-kira US$110.25 juta sejak keluar daripada mod senyap. Jumlah ini berdasarkan cara pembiayaan tersebut dibentangkan dalam laporan yang dibekalkan, namun pengumuman awam syarikat tidak memberikan pecahan penuh bagi setiap pelabur yang tidak dinamakan.

Apa yang ditandakan oleh sokongan UK

Callosum berkata pelaburan itu merupakan pelaburan pertama UK Sovereign AI Fund, dan syarikat tersebut turut disenaraikan dalam pelan perkakasan AI UK bernilai £1.1 bilion. Menteri AI UK, Kanishka Narayan, juga menekankan kepentingan menggunakan cip dengan cekap ketika permintaan terhadap kuasa pengkomputeran AI terus meningkat.

Isyarat ini meletakkan teknologi Callosum lebih jauh daripada sekadar alat pengoptimuman infrastruktur swasta. Kerajaan UK sedang mengetengahkan akses yang lebih pelbagai kepada perkakasan AI dan penyelarasan yang lebih cekap sebagai sebahagian daripada keupayaan serta kedaulatan AI negara. Sokongan kerajaan itu tidak menjamin kejayaan teknikal atau komersial startup berkenaan, tetapi ia membantu menjelaskan mengapa lapisan penghalaan menarik sokongan strategik awam di samping modal teroka.

Mengapa kerjasama Cerebras penting

Kerjasama utama Callosum dengan Cerebras membawa kapasiti Cerebras ke dalam lapisan penghalaan heterogen syarikat itu. Model yang dicadangkan ialah menggunakan inferens Cerebras dengan kependaman rendah untuk bahagian yang sangat memerlukan kelajuan, sementara peringkat lain dihantar kepada model atau pemproses berbeza.

Pendekatan ini boleh berguna untuk sistem masa nyata dan berbilang ejen, yang mudah mengalami kelewatan terkumpul selepas banyak panggilan model. Callosum dan Cerebras menyifatkan gabungan tersebut sebagai cara untuk membolehkan sistem AI yang sebelum ini terlalu perlahan, mahal atau sukar dikendalikan pada skala besar.

Terdapat perbezaan dalam laporan yang dibekalkan tentang siapa yang membuat dakwaan tersebut. Tech.eu mengaitkannya dengan Ketua Pegawai Eksekutif Cerebras, Andrew Feldman, manakala pengumuman Callosum sendiri mengaitkan kata-kata yang sama dengan Andy Hock, ketua pegawai strategi Cerebras. Kerjasama itu dan matlamat inferens berkependaman rendah adalah konsisten antara sumber, tetapi atribusi penuturnya tidak selaras.

Persoalan yang masih terbuka

Tesis Callosum ialah infrastruktur AI sepatutnya kurang menyerupai satu mesin gergasi dan lebih menyerupai ekosistem yang diselaraskan: pelbagai model, pelbagai jenis cip dan perisian yang memberikan setiap tugasan kepada sumber paling sesuai.

Idea ini menjawab tekanan sebenar dalam penggunaan AI—kependaman, kos, penggunaan tenaga dan kebergantungan pada rantaian bekalan yang tertumpu. Namun, ujian penentu ialah pada operasi sebenar. Callosum perlu menunjukkan bahawa penghalaan heterogen meningkatkan prestasi aplikasi lengkap, bukan hanya penanda aras terasing, sambil memastikan persekitaran perkakasan campuran cukup mudah untuk pembangun dan cukup stabil untuk kegunaan produksi.

Pusingan benih bernilai US$100 juta menunjukkan pelabur melihat masalah penyelarasan ini sebagai peluang yang besar dan penting dari sudut strategik. Tetapi janji lebih luas teknologi tersebut masih bergantung pada sama ada Callosum mampu menukar kepelbagaian perkakasan kepada kelebihan yang boleh diukur dan diulang untuk pengguna sebenar.