Callosum stawia 100 mln dolarów na bardziej różnorodną infrastrukturę AI

Callosum stawia na rozwiązanie, które w świecie sztucznej inteligencji brzmi niemal kontrariańsko: przyszłość AI nie musi polegać na skalowaniu jednego ogromnego modelu na rozległych farmach identycznych akceleratorów. Założony w Cambridge startup promuje koncepcję heterogenicznej inteligencji — systemów łączących wyspecjalizowane modele i różne procesory, podczas gdy oprogramowanie decyduje, które narzędzie najlepiej obsłuży konkretny fragment zadania.

Pomysł odpowiada jednocześnie na problem techniczny i strategiczny. Złożone aplikacje AI często łączą rutynowe wykonywanie poleceń, rozumowanie, wyszukiwanie informacji oraz interakcję w czasie rzeczywistym. Przesyłanie każdego kroku do tego samego zaawansowanego modelu i przez ten sam stos sprzętowy może być niepotrzebnie wolne i kosztowne. Alternatywa proponowana przez Callosum polega na dopasowaniu każdego zadania do modelu i chipu, które poradzą sobie z nim najefektywniej.

Co Callosum kwestionuje

Obecny model infrastruktury AI opiera się na koncentrowaniu mocy obliczeniowej w coraz większych modelach, zwykle uruchamianych na rozległych flotach procesorów graficznych Nvidia. Callosum podważa założenie, że powtarzanie tego schematu — jeden uniwersalny model, jeden dominujący ekosystem sprzętowy i coraz większa moc obliczeniowa — jest najbardziej efektywną drogą do zaawansowanej, a nawet „superinteligentnej” AI.

Założyciele startupu mają wykształcenie neurobiologiczne, co wpływa na ich sposób myślenia o systemach. Inteligencja biologiczna nie opiera się na jednym, jednolitym obwodzie wykonującym wszystkie zadania. Callosum przenosi podobną intuicję na grunt AI: zamiast traktować pojedynczy model jako odpowiedź na każdy problem, chce łączyć wyspecjalizowane komponenty.

Nie oznacza to, że jeden model albo jeden chip zniknie z rynku. Chodzi raczej o to, by stały się wymiennymi elementami większego systemu, dobieranymi zależnie od wymagań konkretnego zapytania.

Jak działa routing heterogenicznej AI

Callosum opisuje swoje oprogramowanie jako warstwę orkiestracji obciążeń AI. W praktyce system ma:

1. Dzielić złożone zadanie na podzadania. Wieloetapowa aplikacja może obejmować różne rodzaje rozumowania, korzystania z narzędzi i wykonywania poleceń.
2. Dobierać model do każdego kroku. Szybszy i tańszy model może obsługiwać rutynowe iteracje, a bardziej zaawansowany model rozumujący być uruchamiany tylko przy trudnych decyzjach.
3. Dobierać odpowiedni sprzęt. Obciążenie może być rozdzielane między różne typy procesorów, bez uzależnienia od infrastruktury jednego dostawcy.
4. Uwzględniać ograniczenia operacyjne. Decyzje dotyczące routingu mogą brać pod uwagę opóźnienia, koszty i zużycie energii.

Firma twierdzi, że jej platforma jest zaprojektowana do pracy w różnych środowiskach chmurowych oraz na sprzęcie obejmującym chipy Nvidia i AMD, układy AWS Trainium i Inferentia, a także systemy Cerebras.

W przypadku firmowego agenta AI mogłoby to oznaczać wykorzystanie akceleratora o niskich opóźnieniach do częstych interakcji, standardowego GPU na innym etapie oraz mocniejszego modelu rozumującego wyłącznie wtedy, gdy wymaga tego zadanie. Potencjalną korzyścią nie jest więc sama elastyczność sprzętowa, lecz możliwość budowania całego procesu wokół mocnych stron kilku różnych komponentów.

Obiecywane korzyści — i ważne zastrzeżenie

Callosum twierdzi, że na wybranych złożonych obciążeniach uzyskał nawet dwukrotnie większą dokładność, siedmiokrotnie wyższą wydajność i czterokrotnie niższy koszt. Są to deklaracje firmy przedstawiane w związku z jej wyjściem z trybu stealth w lutym; dostarczone materiały nie potwierdzają, by wyniki zostały niezależnie zweryfikowane ani by można je było szeroko odnosić do wszystkich obciążeń AI.

Podstawy ekonomiczne tej koncepcji są jasne. Jeśli każdy etap aplikacji nie wymaga najmocniejszego dostępnego modelu, użycie tańszej lub szybszej alternatywy do rutynowych zadań może obniżyć koszty wnioskowania. Jeżeli każdy etap nie potrzebuje tego samego procesora, operatorzy mogą efektywniej wykorzystywać dostępną moc i ograniczyć uzależnienie od jednego dostawcy sprzętu.

Podejście to może mieć zastosowanie w automatyzacji obsługi komputera, płatnościach, cyberbezpieczeństwie i aplikacjach wieloagentowych — wszędzie tam, gdzie trzeba połączyć kilka rodzajów obliczeń. Sukces Callosum będzie jednak zależał od tego, czy warstwa routingu będzie podejmować trafne decyzje bez wprowadzania takiej złożoności i narzutów, które zniwelują zakładane korzyści.

Dlaczego chodzi również o suwerenność AI

Oferta Callosum wykracza poza optymalizację. Trenowanie i udostępnianie zaawansowanych systemów AI wymaga ogromnych nakładów kapitałowych, energii elektrycznej i specjalistycznego sprzętu. Koncentracja tych zasobów w rękach niewielkiej liczby firm tworzących modele i dostawców chipów może zwiększać zależność od dominujących operatorów infrastruktury oraz regionów, w których ta infrastruktura jest dostępna.

Sprzętowo niezależna warstwa oprogramowania mogłaby zapewnić organizacjom większy wybór miejsc uruchamiania obciążeń i ułatwić korzystanie z alternatywnych procesorów. W tym sensie heterogeniczna infrastruktura staje się elementem strategii suwerenności AI: państwa i firmy mogłyby wykorzystywać szerszy wybór dostępnego krzemu, zamiast całkowicie polegać na jednym stosie technologicznym.

Na razie jest to jednak aspiracja, a nie dowiedziony rezultat. Sama obsługa wielu typów chipów nie tworzy konkurencyjnego rynku sprzętu, a praktyczna wartość rozwiązania będzie zależeć od wydajności, dostępności, narzędzi dla deweloperów i niezawodności integracji Callosum.

Finansowanie i inwestorzy Callosum

W lutym 2026 roku, gdy firma wyszła z trybu stealth, Callosum ogłosił rundę o wartości 10,25 mln dolarów. Finansowanie poprowadził Plural, a wśród wymienionych inwestorów-aniołów znaleźli się Charlie Songhurst, Stan Boland i John Lazar. Brytyjska Advanced Research and Invention Agency, znana jako ARIA, osobno zapewniła grant badawczy na integrację nowych chipów; nie została przedstawiona jako inwestor kapitałowy tej rundy.

20 sierpnia 2026 roku startup poinformował o kolejnej rundzie zalążkowej o wartości 100 mln dolarów, prowadzonej przez Atomico, ze znaczącym udziałem Plural, DCVC i UK Sovereign AI Fund, a także innych inwestorów i aniołów biznesu.

Jeśli obie rundy są łączne — tak przedstawiają je dostarczone materiały — Callosum ogłosił od wyjścia z trybu stealth finansowanie o wartości około 110,25 mln dolarów. Publiczny komunikat firmy nie zawiera jednak pełnego zestawienia wszystkich nieujawnionych uczestników rundy.

Co sygnalizuje wsparcie z Wielkiej Brytanii

Callosum twierdzi, że inwestycja jest pierwszą w historii inwestycją UK Sovereign AI Fund, a sama firma została uwzględniona w brytyjskim planie rozwoju sprzętu AI o wartości 1,1 mld funtów. Minister ds. AI Kanishka Narayan również publicznie podkreślał znaczenie efektywnego wykorzystywania chipów w sytuacji rosnącego zapotrzebowania na moc obliczeniową AI.

Te sygnały pozycjonują technologię Callosum jako coś więcej niż prywatne narzędzie optymalizacyjne. Brytyjski rząd przedstawia zróżnicowany dostęp do sprzętu AI i wydajną orkiestrację jako element krajowych zdolności w dziedzinie sztucznej inteligencji oraz suwerenności technologicznej. Nie gwarantuje to sukcesu technicznego ani komercyjnego startupu, wyjaśnia jednak, dlaczego warstwa routingu przyciągnęła strategiczne wsparcie publiczne obok kapitału venture capital.

Dlaczego partnerstwo z Cerebras ma znaczenie

Flagowe partnerstwo Callosum z Cerebras włącza moc obliczeniową tej firmy do warstwy heterogenicznego routingu. Zakładany model polega na wykorzystywaniu układów Cerebras do wnioskowania o niskich opóźnieniach tam, gdzie szczególnie liczy się szybkość, oraz kierowaniu pozostałych etapów obciążenia do innych modeli i procesorów.

Może to być przydatne w systemach czasu rzeczywistego i rozwiązaniach wieloagentowych, w których opóźnienia sumują się przy każdym kolejnym wywołaniu modelu. Callosum i Cerebras twierdzą, że ich połączenie umożliwi tworzenie systemów AI, które wcześniej były zbyt wolne, drogie albo zbyt trudne do uruchomienia na dużą skalę.

W dostarczonych materiałach występuje jednak rozbieżność dotycząca autorstwa tego twierdzenia: Tech.eu przypisuje je dyrektorowi generalnemu Cerebras, Andrew Feldmanowi, podczas gdy własny komunikat Callosum wskazuje Andy’ego Hocka, dyrektora ds. strategii Cerebras. Partnerstwo i deklarowany cel, czyli niskie opóźnienia, są zgodne w źródłach; niezgodność dotyczy osoby cytowanej.

Najważniejsze pytanie pozostaje otwarte

Teza Callosum zakłada, że infrastruktura AI powinna przypominać nie jedną ogromną maszynę, lecz skoordynowany ekosystem: wiele modeli, wiele typów chipów i oprogramowanie przydzielające każde zadanie zasobowi najlepiej dopasowanemu do jego charakteru.

Pomysł odpowiada na realne presje związane z wdrażaniem AI — opóźnienia, koszty, zużycie energii oraz zależność od skoncentrowanych łańcuchów dostaw. Decydujący test będzie jednak praktyczny. Callosum musi pokazać, że heterogeniczny routing poprawia działanie kompletnych aplikacji, a nie tylko pojedynczych benchmarków, jednocześnie zapewniając środowisko wystarczająco proste dla deweloperów i niezawodne w produkcji.

Runda zalążkowa o wartości 100 mln dolarów sugeruje, że inwestorzy postrzegają problem koordynacji jako duży i strategicznie istotny. Szersza obietnica tej technologii pozostaje jednak warunkowa — zależy od tego, czy startup potrafi zamienić różnorodność sprzętu w mierzalne i powtarzalne korzyści dla rzeczywistych użytkowników.