Что именно оспаривает Callosum

Сегодняшняя ИИ-инфраструктура строится вокруг концентрации вычислительных ресурсов на всё более крупных моделях — чаще всего на больших кластерах графических процессоров Nvidia. Callosum ставит под сомнение предположение, что повторение этой схемы — одна универсальная модель, одна доминирующая аппаратная экосистема и постоянно растущие объёмы вычислений — является самым эффективным путём к продвинутому или «сверхразумному» ИИ.

На подход основателей повлиял их опыт в нейронауках. Биологический интеллект не использует одну и ту же универсальную нейронную схему для всех задач. Callosum переносит эту системную интуицию в ИИ, объединяя специализированные компоненты вместо того, чтобы считать одну модель ответом на любую подзадачу.

Это не означает, что одна модель или один чип исчезнут. Идея в другом: они должны стать взаимозаменяемыми элементами более широкой вычислительной системы, которую можно подстраивать под конкретный запрос.

Как работает маршрутизация гетерогенного ИИ

Callosum описывает свой продукт как оркестрационный слой для ИИ-нагрузок. На практике система должна:

1. Разбивать сложную задачу на подзадачи. Многоэтапное приложение может включать разные виды рассуждения, использование инструментов и выполнение операций.
2. Выбирать подходящую модель для каждого шага. Быстрая и более дешёвая модель может выполнять рутинные итерации, а более мощная модель для рассуждений подключается только к сложным решениям.
3. Подбирать подходящее оборудование. Нагрузка может распределяться между разными типами процессоров, а не привязываться к инфраструктуре одного поставщика.
4. Учитывать эксплуатационные ограничения. При выборе маршрута можно принимать во внимание задержку, стоимость и энергопотребление.

Компания заявляет, что её платформа рассчитана на работу в разных облачных средах и с оборудованием Nvidia и AMD, чипами AWS Trainium и Inferentia, а также системами Cerebras.

Для корпоративного ИИ-агента это может означать использование ускорителя с минимальной задержкой для частых взаимодействий, универсального графического процессора для другого этапа и более сильной модели рассуждений — только там, где она действительно нужна. Потенциальное преимущество заключается не просто в свободе выбора оборудования, а в возможности строить рабочий процесс вокруг сильных сторон нескольких компонентов.

Заявленные преимущества и важная оговорка

Callosum утверждает, что на отдельных сложных нагрузках её подход обеспечил до двукратного роста точности, семикратного ускорения и четырёхкратного снижения стоимости. Это заявления самой компании, опубликованные в период её выхода из закрытого режима в феврале; представленная информация не подтверждает их независимыми проверками и не показывает, что эти показатели применимы ко всем ИИ-нагрузкам.

Экономическая логика подхода понятна. Если каждому этапу приложения не нужна самая мощная доступная модель, использование более дешёвого или быстрого варианта для рутинной работы способно снизить стоимость вывода. Если каждому этапу не требуется один и тот же процессор, операторы смогут эффективнее использовать доступные мощности и меньше зависеть от одного поставщика оборудования.

Такой подход может быть востребован в автоматизации работы с компьютером, платежах, кибербезопасности и многоагентных приложениях — во всех этих сценариях сочетаются разные типы вычислений. Однако успех будет зависеть от того, сможет ли слой маршрутизации принимать надёжные решения, не добавляя столько сложности и накладных расходов, что ожидаемая выгода исчезнет.

Почему речь идёт ещё и о технологическом суверенитете

Позиционирование Callosum выходит за рамки оптимизации. Обучение и обслуживание передовых ИИ-систем требуют значительного капитала, электроэнергии и специализированного оборудования. Концентрация этих ресурсов у небольшого числа разработчиков моделей и производителей чипов усиливает зависимость от доминирующих инфраструктурных поставщиков и регионов, где доступна такая инфраструктура.

Программный слой, не привязанный к конкретному производителю оборудования, может дать организациям больше свободы в выборе места запуска нагрузок и упростить использование альтернативных процессоров. В этом смысле гетерогенная инфраструктура становится частью стратегии ИИ-суверенитета: компании и государства смогут задействовать более широкий набор доступных чипов, а не полностью полагаться на один технологический стек.

Пока это лишь намерение, а не доказанный результат. Поддержка нескольких типов чипов сама по себе не создаёт конкурентного рынка оборудования. Практическая ценность решения будет зависеть от производительности, доступности чипов, качества инструментов для разработчиков и надёжности интеграций Callosum.

Сколько денег привлекла Callosum

В феврале 2026 года, выйдя из закрытого режима, Callosum объявила о привлечении $10,25 млн. Раунд возглавил фонд Plural; среди названных бизнес-ангелов были Чарли Сонгхёрст, Стэн Боланд и Джон Лазар. Отдельно британское Агентство перспективных исследований и изобретений ARIA предоставило грантовую поддержку для интеграции новых чипов — оно не называлось акционерным инвестором этого раунда.

20 августа 2026 года компания объявила о дополнительном посевном раунде на $100 млн под руководством Atomico. В нём также существенно участвовали Plural, DCVC и Британский фонд суверенного ИИ, а также другие инвесторы и бизнес-ангелы.

Если считать эти раунды совокупно, Callosum объявила о привлечении примерно $110,25 млн после выхода из закрытого режима. Именно так финансирование представлено в доступных публикациях, однако в публичном объявлении компании нет полного списка и детализации вкладов всех неназванных участников.

Что означает поддержка Великобритании

Callosum называет эту сделку первой инвестиции Британского фонда суверенного ИИ и отмечает, что компания вошла в британский план развития ИИ-оборудования стоимостью £1,1 млрд. Министр по вопросам ИИ Кишника Нараян также публично подчеркнул важность эффективного использования чипов на фоне роста спроса на вычислительные мощности.

Эти сигналы показывают, что британское правительство рассматривает разнообразие аппаратной базы и эффективную оркестрацию не только как частную оптимизацию, но и как элемент национальных возможностей и суверенитета в сфере ИИ. Это не гарантирует Callosum технического или коммерческого успеха, но объясняет, почему её маршрутизационный слой привлёк стратегическую государственную поддержку наряду с венчурным капиталом.

Зачем Callosum партнёрство с Cerebras

Флагманское партнёрство с Cerebras интегрирует вычислительные мощности Cerebras в слой гетерогенной маршрутизации Callosum. Предполагается, что вывод с минимальной задержкой будет использоваться там, где особенно важна скорость, а другие этапы нагрузки направляться на иные модели или процессоры.

Это может быть полезно для систем реального времени и многоагентных приложений, где задержки накапливаются при многочисленных обращениях к моделям. Callosum и Cerebras утверждают, что их комбинация позволит запускать ИИ-системы, которые прежде были слишком медленными, дорогими или непрактичными для работы в масштабе.

При этом в доступных публикациях есть расхождение в атрибуции этой оценки: Tech.eu приписывает заявление генеральному директору Cerebras Эндрю Фельдману, тогда как собственный анонс Callosum — Энди Хоку, директору по стратегии Cerebras. Само партнёрство и его заявленная цель — обеспечить низкую задержку — в источниках описываются одинаково; расходится только указание на автора высказывания.

Главный вопрос впереди

Тезис Callosum заключается в том, что ИИ-инфраструктура должна быть похожа не на одну огромную машину, а на скоординированную экосистему: несколько моделей, разные типы чипов и программное обеспечение, которое направляет каждую задачу к наиболее подходящему ресурсу.

Эта идея отвечает на реальные проблемы внедрения ИИ — задержки, стоимость, энергопотребление и зависимость от концентрированных цепочек поставок. Но решающим станет практический результат. Callosum предстоит доказать, что гетерогенная маршрутизация улучшает работу полноценных приложений, а не только отдельных тестов, и одновременно сделать смешанную аппаратную среду достаточно простой для разработчиков и надёжной для промышленной эксплуатации.

Посевной раунд на $100 млн показывает, что инвесторы считают эту задачу координации масштабной и стратегически важной. Однако более широкие обещания технологии будут зависеть от того, сможет ли стартап превратить разнообразие оборудования в измеримое и воспроизводимое преимущество для реальных пользователей.

Что именно оспаривает Callosum

Сегодняшняя ИИ-инфраструктура строится вокруг концентрации вычислительных ресурсов на всё более крупных моделях — чаще всего на больших кластерах графических процессоров Nvidia. Callosum ставит под сомнение предположение, что повторение этой схемы — одна универсальная модель, одна доминирующая аппаратная экосистема и постоянно растущие объёмы вычислений — является самым эффективным путём к продвинутому или «сверхразумному» ИИ.

На подход основателей повлиял их опыт в нейронауках. Биологический интеллект не использует одну и ту же универсальную нейронную схему для всех задач. Callosum переносит эту системную интуицию в ИИ, объединяя специализированные компоненты вместо того, чтобы считать одну модель ответом на любую подзадачу.

Это не означает, что одна модель или один чип исчезнут. Идея в другом: они должны стать взаимозаменяемыми элементами более широкой вычислительной системы, которую можно подстраивать под конкретный запрос.

Как работает маршрутизация гетерогенного ИИ

Callosum описывает свой продукт как оркестрационный слой для ИИ-нагрузок. На практике система должна:

1. Разбивать сложную задачу на подзадачи. Многоэтапное приложение может включать разные виды рассуждения, использование инструментов и выполнение операций.
2. Выбирать подходящую модель для каждого шага. Быстрая и более дешёвая модель может выполнять рутинные итерации, а более мощная модель для рассуждений подключается только к сложным решениям.
3. Подбирать подходящее оборудование. Нагрузка может распределяться между разными типами процессоров, а не привязываться к инфраструктуре одного поставщика.
4. Учитывать эксплуатационные ограничения. При выборе маршрута можно принимать во внимание задержку, стоимость и энергопотребление.

Компания заявляет, что её платформа рассчитана на работу в разных облачных средах и с оборудованием Nvidia и AMD, чипами AWS Trainium и Inferentia, а также системами Cerebras.

Для корпоративного ИИ-агента это может означать использование ускорителя с минимальной задержкой для частых взаимодействий, универсального графического процессора для другого этапа и более сильной модели рассуждений — только там, где она действительно нужна. Потенциальное преимущество заключается не просто в свободе выбора оборудования, а в возможности строить рабочий процесс вокруг сильных сторон нескольких компонентов.

Заявленные преимущества и важная оговорка

Callosum утверждает, что на отдельных сложных нагрузках её подход обеспечил до двукратного роста точности, семикратного ускорения и четырёхкратного снижения стоимости. Это заявления самой компании, опубликованные в период её выхода из закрытого режима в феврале; представленная информация не подтверждает их независимыми проверками и не показывает, что эти показатели применимы ко всем ИИ-нагрузкам.

Экономическая логика подхода понятна. Если каждому этапу приложения не нужна самая мощная доступная модель, использование более дешёвого или быстрого варианта для рутинной работы способно снизить стоимость вывода. Если каждому этапу не требуется один и тот же процессор, операторы смогут эффективнее использовать доступные мощности и меньше зависеть от одного поставщика оборудования.

Такой подход может быть востребован в автоматизации работы с компьютером, платежах, кибербезопасности и многоагентных приложениях — во всех этих сценариях сочетаются разные типы вычислений. Однако успех будет зависеть от того, сможет ли слой маршрутизации принимать надёжные решения, не добавляя столько сложности и накладных расходов, что ожидаемая выгода исчезнет.

Почему речь идёт ещё и о технологическом суверенитете

Позиционирование Callosum выходит за рамки оптимизации. Обучение и обслуживание передовых ИИ-систем требуют значительного капитала, электроэнергии и специализированного оборудования. Концентрация этих ресурсов у небольшого числа разработчиков моделей и производителей чипов усиливает зависимость от доминирующих инфраструктурных поставщиков и регионов, где доступна такая инфраструктура.

Программный слой, не привязанный к конкретному производителю оборудования, может дать организациям больше свободы в выборе места запуска нагрузок и упростить использование альтернативных процессоров. В этом смысле гетерогенная инфраструктура становится частью стратегии ИИ-суверенитета: компании и государства смогут задействовать более широкий набор доступных чипов, а не полностью полагаться на один технологический стек.

Пока это лишь намерение, а не доказанный результат. Поддержка нескольких типов чипов сама по себе не создаёт конкурентного рынка оборудования. Практическая ценность решения будет зависеть от производительности, доступности чипов, качества инструментов для разработчиков и надёжности интеграций Callosum.

Сколько денег привлекла Callosum

В феврале 2026 года, выйдя из закрытого режима, Callosum объявила о привлечении $10,25 млн. Раунд возглавил фонд Plural; среди названных бизнес-ангелов были Чарли Сонгхёрст, Стэн Боланд и Джон Лазар. Отдельно британское Агентство перспективных исследований и изобретений ARIA предоставило грантовую поддержку для интеграции новых чипов — оно не называлось акционерным инвестором этого раунда.

20 августа 2026 года компания объявила о дополнительном посевном раунде на $100 млн под руководством Atomico. В нём также существенно участвовали Plural, DCVC и Британский фонд суверенного ИИ, а также другие инвесторы и бизнес-ангелы.

Если считать эти раунды совокупно, Callosum объявила о привлечении примерно $110,25 млн после выхода из закрытого режима. Именно так финансирование представлено в доступных публикациях, однако в публичном объявлении компании нет полного списка и детализации вкладов всех неназванных участников.

Что означает поддержка Великобритании

Callosum называет эту сделку первой инвестиции Британского фонда суверенного ИИ и отмечает, что компания вошла в британский план развития ИИ-оборудования стоимостью £1,1 млрд. Министр по вопросам ИИ Кишника Нараян также публично подчеркнул важность эффективного использования чипов на фоне роста спроса на вычислительные мощности.

Эти сигналы показывают, что британское правительство рассматривает разнообразие аппаратной базы и эффективную оркестрацию не только как частную оптимизацию, но и как элемент национальных возможностей и суверенитета в сфере ИИ. Это не гарантирует Callosum технического или коммерческого успеха, но объясняет, почему её маршрутизационный слой привлёк стратегическую государственную поддержку наряду с венчурным капиталом.

Зачем Callosum партнёрство с Cerebras

Флагманское партнёрство с Cerebras интегрирует вычислительные мощности Cerebras в слой гетерогенной маршрутизации Callosum. Предполагается, что вывод с минимальной задержкой будет использоваться там, где особенно важна скорость, а другие этапы нагрузки направляться на иные модели или процессоры.

Это может быть полезно для систем реального времени и многоагентных приложений, где задержки накапливаются при многочисленных обращениях к моделям. Callosum и Cerebras утверждают, что их комбинация позволит запускать ИИ-системы, которые прежде были слишком медленными, дорогими или непрактичными для работы в масштабе.

При этом в доступных публикациях есть расхождение в атрибуции этой оценки: Tech.eu приписывает заявление генеральному директору Cerebras Эндрю Фельдману, тогда как собственный анонс Callosum — Энди Хоку, директору по стратегии Cerebras. Само партнёрство и его заявленная цель — обеспечить низкую задержку — в источниках описываются одинаково; расходится только указание на автора высказывания.

Главный вопрос впереди

Тезис Callosum заключается в том, что ИИ-инфраструктура должна быть похожа не на одну огромную машину, а на скоординированную экосистему: несколько моделей, разные типы чипов и программное обеспечение, которое направляет каждую задачу к наиболее подходящему ресурсу.

Эта идея отвечает на реальные проблемы внедрения ИИ — задержки, стоимость, энергопотребление и зависимость от концентрированных цепочек поставок. Но решающим станет практический результат. Callosum предстоит доказать, что гетерогенная маршрутизация улучшает работу полноценных приложений, а не только отдельных тестов, и одновременно сделать смешанную аппаратную среду достаточно простой для разработчиков и надёжной для промышленной эксплуатации.

Посевной раунд на $100 млн показывает, что инвесторы считают эту задачу координации масштабной и стратегически важной. Однако более широкие обещания технологии будут зависеть от того, сможет ли стартап превратить разнообразие оборудования в измеримое и воспроизводимое преимущество для реальных пользователей.