Olix haalt $312 miljoen op voor fotonische AI-chips en daagt Nvidia uit

Op 3 augustus 2026 kondigde de Londense AI-chipstart-up Olix een Serie B-financieringsronde aan van $312 miljoen tegen een waardering van $3,3 miljard . Dat is meer dan een verdrievoudiging van de waarde van circa $1 miljard, die het bedrijf slechts zes maanden eerder had bij een Serie A van $220 miljoen . Het is de grootste durfkapitaalronde in de halfgeleidersector die ooit in Europa is opgehaald . Het bedrijf, twee jaar geleden opgericht door de 25-jarige James Dacombe, bouwt fotonische AI-chips die specifiek zijn ontworpen om Nvidia's dominantie op de inferentiemarkt uit te dagen.

De ronde en investeerders

De Serie B werd geleid door Fundomo, een investeringsmaatschappij uit New York . Opvallende deelnemers waren Arm (de door SoftBank gesteunde chipproducent), het kwantitatieve handelshuis Hudson River Trading en Netflix-medeoprichter Reed Hastings als angel investor . Bestaande backers — Hummingbird Ventures, Crane, Plural, Creandum, Phoenix Court en Transition — verhoogden allemaal hun inzet . Ook het Sovereign AI Fund van de Britse overheid deed mee en rekent Olix tot een van zijn eerste investeringen .

Olix heeft nu in totaal meer dan $530 miljoen opgehaald .

Belangrijke benoemingen

Gelijktijdig met de financiering kondigde Olix twee opvallende benoemingen aan:

• Matt Briers, de voormalige CFO van Wise die het bedrijf naar de beurs leidde, kwam aan boord als CFO .
• Professor Nick McKeown, een Stanford-computerwetenschapper, mede-uitvinder van software-defined networking en een bepalende figuur in moderne netwerken, werd benoemd tot lid van de raad van bestuur .

Technologie: optische chips voor AI-inferentie

Olix bouwt geen nieuwe GPU. Het platform van het bedrijf verschilt fundamenteel van Nvidia's aanpak en richt zich op de specifieke bottleneck die volgens Olix de AI-inferentie belemmert: geheugenbandbreedte .

De architectuur van Olix is gebouwd rond twee kerncomponenten:

• X-1 optisch digitaal processorplatform: In plaats van traditionele GPU's met high-bandwidth geheugen (HBM) te gebruiken, 'ontrolt' het X-1-platform een model over vele gespecialiseerde chips die met elkaar zijn verbonden via een optisch interconnect-netwerk . Deze 'langzaam-en-brede' optische aanpak moet de beperkingen in geheugenbandbreedte oplossen die Nvidia-gebaseerde systemen remmen .
• DX-1 decodeerversneller: Een fotonische inferentiechip die HBM volledig laat vallen en een op licht gebaseerde verwerkingsaanpak hanteert voor de inferentiemarkt . Het bedrijf noemt zijn chips Optical Tensor Processing Units (OTPU's) .

Olix stelt dat zijn aanpak de manier waarop AI-modellen worden ingezet fundamenteel kan veranderen, vooral bij inferentietaken waar energie-efficiëntie en geheugenbandbreedte cruciaal zijn.

Producttijdlijn en gebruik van fondsen

Olix is van plan zijn eerste producten in 2027 aan klanten te leveren, waarbij de eerste klanttoegang in de tweede helft van het jaar wordt beoogd . Het bedrijf zal de opbrengst van de Serie B gebruiken om:

• de DX-1-decodeerversneller af te ronden
• het X-1-fotonische platform uit te breiden
• productie- en toeleveringsketenverplichtingen te financieren om de productie op te schalen

Daarnaast breidt Olix zijn personeelsbestand uit in Londen, Bristol, Austin, Toronto en San Francisco, en werft het teams voor silicium, fotonica, compilers en systemen .

Waarom dit ertoe doet

De snelle groei van de waardering van Olix — van $1 miljard naar $3,3 miljard in zes maanden — weerspiegelt de grote honger van investeerders naar alternatieven voor Nvidia's bijna-monopolie op AI-chips. De fotonische aanpak van het bedrijf is een gok dat de toekomst van AI-inferentie niet wordt bepaald door ruwe rekenkracht, maar door hoe efficiënt gegevens tussen processors kunnen worden verplaatst .

Het is echter belangrijk om op te merken dat de door Olix gerapporteerde prestaties gebaseerd zijn op eigen claims en nog niet zijn gevalideerd in productiehardware . De eerste leveringen aan klanten in 2027 zullen een cruciale test zijn of fotonisch computergebruik daadwerkelijk kan concurreren met gevestigde GPU-architecturen in de praktijk.