Callosum vil gjøre AI mindre avhengig av én modell og én type brikke

Det betyr ikke at én modell eller én brikketype vil forsvinne. Poenget er at de bør bli utskiftbare deler av et større datasystem, valgt ut fra behovene i den enkelte forespørselen.

Slik skal rutingen fungere

Callosum beskriver programvaren som et orkestreringslag for AI-arbeidslaster. I praksis skal systemet kunne:

1. Dele en kompleks arbeidslast opp i deloppgaver. En flertrinnsapplikasjon kan inneholde ulike former for resonnering, verktøybruk og utførelse.
2. Velge en passende modell for hvert steg. En raskere og rimeligere modell kan håndtere rutinepregede iterasjoner, mens en mer kapabel resonneringsmodell reserveres for vanskelige beslutninger.
3. Velge egnet maskinvare. Arbeidslasten kan fordeles på ulike prosessortyper i stedet for å bindes til én leverandørs infrastruktur.
4. Optimalisere mot praktiske begrensninger. Rutingen kan ta hensyn til svartid, kostnad og energibehov.

Selskapet sier plattformen er utviklet for å fungere på tvers av skymiljøer og med maskinvare som Nvidia- og AMD-brikker, AWS Trainium og Inferentia samt Cerebras-systemer.

For en bedriftsagent kan det for eksempel bety at en akselerator med lav svartid brukes til hyppige interaksjoner, at en vanlig GPU håndterer et annet trinn, og at en kraftigere resonneringsmodell bare kobles inn når oppgaven krever det. Den mulige gevinsten er dermed ikke bare større maskinvarefrihet, men også muligheten til å bygge arbeidsflyter rundt styrkene til flere komponenter.

Gevinstene – og forbeholdet

Callosum hevder at tilnærmingen har gitt opptil dobbelt så god nøyaktighet, sju ganger høyere hastighet og fire ganger lavere kostnad i utvalgte komplekse arbeidslaster. Tallene er selskapets egne påstander, omtalt da virksomheten kom ut av «stealth» i februar. Kildedekningen som ligger til grunn, viser ikke at resultatene er uavhengig verifisert eller at de gjelder bredt for AI-arbeidslaster.

Det økonomiske argumentet er likevel enkelt å forstå. Hvis ikke hvert trinn i en applikasjon trenger den kraftigste tilgjengelige modellen, kan en billigere eller raskere modell til rutinearbeid redusere kostnadene ved kjøring. Hvis alle trinn heller ikke trenger samme prosessor, kan operatørene utnytte ledig kapasitet bedre og unngå å bli låst til én maskinvareleverandør.

Tilnærmingen kan være relevant for blant annet datamaskinbrukende automatisering, betalinger, cybersikkerhet og multiagentsystemer – områder der flere typer beregninger må kombineres. Suksessen vil imidlertid avhenge av om rutingslaget kan ta pålitelige avgjørelser uten å tilføre så mye kompleksitet eller ekstraarbeid at gevinstene forsvinner.

Et spørsmål om AI-selvstendighet

Callosums argument handler om mer enn optimalisering. Det krever betydelig kapital, strøm og spesialisert maskinvare å trene og kjøre de mest avanserte AI-systemene. Når disse ressursene konsentreres hos et lite antall modellselskaper og brikkeprodusenter, kan avhengigheten øke – både av de dominerende infrastrukturleverandørene og av regionene der infrastrukturen er tilgjengelig.

Et maskinvareuavhengig programvarelag kan gi organisasjoner flere valgmuligheter for hvor arbeidslastene kjøres, og gjøre det enklere å ta i bruk alternative prosessorer. I den forstand blir heterogen infrastruktur også en del av en strategi for AI-selvstendighet: Land og selskaper kan bruke et bredere utvalg av tilgjengelige brikker i stedet for å være helt avhengige av én teknologiplattform.

Dette er foreløpig en ambisjon, ikke et dokumentert resultat. Støtte for flere brikketyper skaper ikke i seg selv et konkurransedyktig maskinvaremarked. Den praktiske verdien vil avhenge av ytelse, tilgjengelighet, utviklerverktøy og hvor pålitelige integrasjonene til Callosum er.

Finansiering og investorer

Da Callosum kom ut av «stealth» i februar 2026, kunngjorde selskapet en finansieringsrunde på 10,25 millioner dollar. Runden ble ledet av Plural, med navngitte engleinvestorer som Charlie Songhurst, Stan Boland og John Lazar. Den britiske forskningsorganisasjonen Advanced Research and Invention Agency (ARIA) bidro separat med forskningsstøtte til integrasjon av nye brikker, men ble ikke omtalt som aksjeinvestor i denne runden.

20. august 2026 kunngjorde selskapet en ny såkornrunde på 100 millioner dollar, ledet av Atomico, med betydelig deltakelse fra Plural, DCVC og UK Sovereign AI Fund, i tillegg til andre investorer og engleinvestorer.

Hvis rundene legges sammen, har Callosum kunngjort rundt 110,25 millioner dollar i finansiering siden selskapet kom ut av «stealth». Det følger presentasjonen i den tilgjengelige kildedekningen, men selskapets offentlige kunngjøring gir ikke en fullstendig oversikt over alle de ikke-navngitte deltakerne.

Hva den britiske støtten signaliserer

Callosum omtaler investeringen som den første investeringen noensinne fra UK Sovereign AI Fund, og sier selskapet er inkludert i Storbritannias AI-maskinvareplan på 1,1 milliarder pund. AI-minister Kanishka Narayan har også fremhevet betydningen av å utnytte brikker effektivt i takt med at etterspørselen etter AI-kapasitet øker.

Signalene plasserer Callosums teknologi i en større politisk sammenheng enn privat kostnadsoptimalisering. Den britiske regjeringen presenterer mer mangfoldig tilgang til AI-maskinvare og mer effektiv orkestrering som deler av landets nasjonale AI-kapasitet og teknologiske selvstendighet. Det garanterer ikke at oppstartsselskapet lykkes teknisk eller kommersielt, men forklarer hvorfor et rutingslag har tiltrukket seg strategisk offentlig støtte i tillegg til venturekapital.

Hvorfor Cerebras-samarbeidet er viktig

Callosums flaggskippartnerskap med Cerebras bringer Cerebras-kapasitet inn i selskapets heterogene rutingslag. Målet er å bruke Cerebras til inferens med svært lav svartid der hastighet er spesielt viktig, mens andre deler av arbeidslasten sendes til andre modeller eller prosessorer.

Det kan være nyttig for sanntids- og multiagentsystemer, der forsinkelser hoper seg opp når mange modellkall må gjennomføres etter hverandre. Callosum og Cerebras beskriver kombinasjonen som en måte å muliggjøre AI-systemer som tidligere ville vært for trege, dyre eller upraktiske å drifte i stor skala.

Det finnes imidlertid et avvik i kildene når det gjelder hvem som skal ha kommet med denne vurderingen. Tech.eu tilskriver uttalelsen Cerebras-sjef Andrew Feldman, mens Callosums egen kunngjøring tilskriver den samme formuleringen Andy Hock, Cerebras’ strategidirektør. Selve partnerskapet og målet om lav svartid er konsistent på tvers av kildene, men opplysningene om taleren er ikke det.

Det avgjørende spørsmålet

Callosums tese er at AI-infrastruktur bør ligne mindre på én gigantisk maskin og mer på et koordinert økosystem: flere modeller, flere brikketyper og programvare som fordeler hver oppgave til ressursen som passer best.

Ideen svarer på reelle utfordringer ved AI-drift – svartid, kostnader, energiforbruk og avhengighet av konsentrerte leverandørkjeder. Den avgjørende testen blir likevel praktisk. Callosum må vise at heterogen ruting forbedrer komplette applikasjoner, ikke bare isolerte tester, samtidig som et blandet maskinvaremiljø blir enkelt nok for utviklere og pålitelig nok til produksjonsbruk.

Såkornrunden på 100 millioner dollar tyder på at investorene ser koordineringsproblemet som både stort og strategisk viktig. Det bredere løftet er likevel betinget av om selskapet klarer å gjøre maskinvaremangfold om til målbare og gjentakbare fordeler for faktiske brukere.