Callosum wil AI laten draaien op meerdere modellen en chips

Callosum doet een tegendraadse gok op de toekomst van AI-infrastructuur. Volgens de startup hoeft de volgende generatie AI niet te ontstaan door één enorm model op een gigantisch netwerk van identieke versnellers te laten draaien. Het Cambridge-bedrijf pleit in plaats daarvan voor heterogene intelligentie: systemen die gespecialiseerde modellen en verschillende soorten processors combineren, waarbij software bepaalt welk onderdeel een taak uitvoert.

Daarmee richt Callosum zich op zowel een technisch als een strategisch probleem. Complexe AI-toepassingen combineren vaak routinetaken, redeneren, informatie ophalen en realtime interactie. Als iedere stap naar hetzelfde geavanceerde model en dezelfde hardware wordt gestuurd, kan dat onnodig traag en duur zijn. Het alternatief van Callosum is om elke taak te koppelen aan het model en de chip die er het meest geschikt voor zijn.

Het AI-model dat Callosum ter discussie stelt

De dominante infrastructuur in de AI-industrie draait om steeds grotere modellen en grote clusters van Nvidia-gpu’s. Callosum betwist de aanname dat deze aanpak — één algemeen model, één dominant hardware-ecosysteem en steeds meer rekenkracht — de efficiëntste route is naar geavanceerde of zelfs ‘superintelligente’ systemen.

De oprichters hebben een achtergrond in de neurowetenschappen. Die beïnvloedt hun vergelijking met biologische intelligentie: het menselijk brein gebruikt niet één uniform circuit voor iedere taak. Callosum vertaalt die systeemgedachte naar AI door gespecialiseerde onderdelen te combineren, in plaats van één model als oplossing voor elke subtaak te behandelen.

Dat betekent niet dat één model of één chip verdwijnt. Het idee is dat modellen en chips uitwisselbare bouwstenen worden binnen een groter computersysteem, geselecteerd op basis van wat een specifieke opdracht nodig heeft.

Zo werkt heterogene AI-routing

Callosum omschrijft zijn software als een orkestratielaag voor AI-workloads. In de praktijk moet het systeem:

1. Een complexe workload opsplitsen in subtaken. Een toepassing met meerdere stappen kan verschillende vormen van redeneren, toolgebruik en uitvoering bevatten.
2. Voor iedere stap een passend model kiezen. Een snel en goedkoper model kan routinematige handelingen uitvoeren, terwijl een krachtiger redeneermodel wordt ingezet voor moeilijke beslissingen.
3. Geschikte hardware selecteren. Werk kan over verschillende processortypen worden verdeeld, zonder vast te zitten aan de infrastructuur van één leverancier.
4. Operationele randvoorwaarden meewegen. De routering kan rekening houden met latency, kosten en energieverbruik.

Het bedrijf zegt dat zijn platform kan werken in verschillende cloudomgevingen en met hardware van onder meer Nvidia en AMD, AWS Trainium en Inferentia, en Cerebras-systemen.

Voor een bedrijfsagent kan dat bijvoorbeeld betekenen dat een accelerator met lage vertraging wordt gebruikt voor frequente interacties, een algemene gpu voor een andere fase en een krachtiger redeneermodel alleen wanneer de taak dat vereist. De mogelijke winst zit dus niet alleen in meer hardwarekeuze, maar ook in het ontwerpen van een workflow die de sterke punten van meerdere onderdelen benut.

De beloofde voordelen — met een belangrijke kanttekening

Callosum zegt op geselecteerde complexe workloads tot 2× betere nauwkeurigheid, 7× hogere snelheid en 4× lagere kosten te hebben behaald. Dit zijn claims van het bedrijf die werden gemeld rond het moment waarop het in februari uit stealth kwam. In de aangeleverde berichtgeving is niet vastgesteld dat de cijfers onafhankelijk zijn geverifieerd of breed toepasbaar zijn op AI-workloads.

De economische redenering is eenvoudig. Niet iedere stap in een toepassing heeft het krachtigste beschikbare model nodig. Door routinetaken met een goedkoper of sneller model uit te voeren, kunnen de inferentiekosten dalen. En als niet iedere stap dezelfde processor vereist, kunnen operators beschikbare capaciteit efficiënter benutten en hun afhankelijkheid van één hardwareleverancier beperken.

De aanpak kan relevant zijn voor computergebruik door AI, betalingen, cybersecurity en toepassingen met meerdere AI-agenten. Al deze systemen combineren verschillende soorten berekeningen. Het succes hangt er wel van af of de routeringslaag betrouwbare keuzes kan maken zonder zoveel complexiteit of overhead toe te voegen dat de voordelen verdwijnen.

Waarom dit ook over AI-soevereiniteit gaat

De pitch van Callosum gaat verder dan optimalisatie. Het trainen en aanbieden van geavanceerde AI-systemen vereist veel kapitaal, elektriciteit en gespecialiseerde hardware. Als die vereisten geconcentreerd raken bij een klein aantal modelbedrijven en chipproducenten, groeit de afhankelijkheid van dominante infrastructuurleveranciers en van de regio’s waar die infrastructuur beschikbaar is.

Een hardware-agnostische softwarelaag kan organisaties meer keuze geven over waar workloads draaien en het eenvoudiger maken om alternatieve processors te gebruiken. In die zin wordt heterogene infrastructuur onderdeel van een strategie voor AI-soevereiniteit: landen en bedrijven zouden een breder aanbod aan chips kunnen benutten, in plaats van volledig afhankelijk te zijn van één technologiestack.

Dat blijft voorlopig een ambitie, geen bewezen uitkomst. Ondersteuning voor meerdere chips creëert op zichzelf geen concurrerende hardwaremarkt. De praktische waarde zal afhangen van prestaties, beschikbaarheid, ontwikkelaarstools en de betrouwbaarheid van Callosums integraties.

Financiering en investeerders

Callosum maakte in februari 2026 bekend dat het bij zijn vertrek uit stealth $10,25 miljoen had opgehaald. De ronde werd geleid door Plural. Tot de genoemde angel-investeerders behoorden Charlie Songhurst, Stan Boland en John Lazar. De Britse Advanced Research and Invention Agency, kortweg ARIA, verstrekte daarnaast onderzoeksfinanciering voor de integratie van nieuwe chips. ARIA werd niet genoemd als aandeleninvesteerder in die ronde.

Op 20 augustus 2026 kondigde Callosum vervolgens een seedronde van $100 miljoen aan, geleid door Atomico. Plural, DCVC en het UK Sovereign AI Fund namen volgens het bedrijf aanzienlijk deel, naast andere investeerders en angels.

Als beide rondes bij elkaar worden opgeteld, heeft Callosum sinds zijn vertrek uit stealth ongeveer $110,25 miljoen aangekondigde financiering opgehaald. Dat volgt de manier waarop de financiering in de aangeleverde berichtgeving wordt gepresenteerd. De openbare aankondiging geeft echter geen volledige uitsplitsing van alle niet bij naam genoemde deelnemers.

Wat de Britse steun betekent

Callosum noemt de investering de allereerste investering van het UK Sovereign AI Fund. Ook werd het bedrijf opgenomen in het Britse plan van £1,1 miljard voor AI-hardware. AI-minister Kanishka Narayan benadrukte publiekelijk het belang van efficiënt chipgebruik nu de vraag naar AI-rekenkracht snel groeit.

Die signalen plaatsen Callosums technologie in een bredere context dan alleen private infrastructuuroptimalisatie. De Britse overheid presenteert gevarieerde toegang tot AI-hardware en efficiënte orkestratie als onderdelen van nationale AI-capaciteit en soevereiniteit. Dat garandeert geen technisch of commercieel succes voor de startup, maar verklaart wel waarom een routeringslaag naast durfkapitaal ook strategische publieke steun aantrekt.

Waarom de samenwerking met Cerebras opvalt

De belangrijkste samenwerking van Callosum met Cerebras brengt de capaciteit van Cerebras onder in de heterogene routeringslaag. Het doel is om de inferentie met lage latency van Cerebras in te zetten waar snelheid het belangrijkst is, terwijl andere stappen van een workload naar andere modellen of processors gaan.

Dat kan vooral nuttig zijn voor realtime- en multi-agentsystemen, waarin vertragingen zich bij veel modelaanroepen opstapelen. Callosum en Cerebras stellen dat de combinatie AI-systemen mogelijk kan maken die eerder te traag, te duur of praktisch onhaalbaar waren om op schaal te gebruiken.

In de aangeleverde berichtgeving bestaat wel een verschil in de toeschrijving van die claim. Tech.eu schrijft de uitspraak toe aan Cerebras-topman Andrew Feldman, terwijl Callosums eigen aankondiging dezelfde formulering toeschrijft aan Andy Hock, chief strategy officer van Cerebras. De samenwerking en het doel van inferentie met lage latency worden in de bronnen wel consistent beschreven; de naam en functie van de spreker niet.

De open vraag

De kern van Callosums these is dat AI-infrastructuur minder moet lijken op één gigantische machine en meer op een gecoördineerd ecosysteem: meerdere modellen, meerdere chiptypes en software die iedere taak aan de meest geschikte bron toewijst.

Het idee sluit aan op reële problemen bij de inzet van AI: latency, kosten, energieverbruik en afhankelijkheid van geconcentreerde toeleveringsketens. De doorslaggevende test wordt echter operationeel. Callosum moet aantonen dat heterogene routering complete toepassingen verbetert — niet alleen losse benchmarks — en tegelijk een gemengde hardwareomgeving eenvoudig genoeg maakt voor ontwikkelaars en betrouwbaar genoeg voor productie.

De seedronde van $100 miljoen laat zien dat investeerders de coördinatie van AI-rekenkracht als een groot en strategisch belangrijk probleem zien. De bredere belofte van de technologie blijft afhankelijk van de vraag of Callosum hardwarediversiteit kan vertalen naar meetbare en herhaalbare voordelen voor echte gebruikers.