Sådd på 3,5 miljoner euro

Sådden co-leddes av Constructor Capital (en schweizisk deep tech-venture capital-fond) och Greencode Ventures, med fortsatt stöd från den befintliga investeraren XISTA Science Ventures, som var med och byggde och lanserade företaget .

Ora Computing grundades av kvantberäkningsforskarna Stefan Sack och Raimel A. Medina, som knoppades av från Institute of Science and Technology Austria (ISTA) . Företaget kom ur stealth i slutet av 2025 och har redan validerat sin lösning med aktörer inom fordons- och edge silicon-sektorerna .

Hur kompressionsprogramvaran fungerar

Oras programvara använder en informationsteoretisk metod för att krympa stora AI-modeller avsevärt – den omstrukturerar modellen matematiskt för att ta bort redundans samtidigt som utdatakvaliteten bevaras . Viktiga påståenden från företaget och dess investerare inkluderar:

• Upp till 80 % storleksminskning: Modellernas minnesfotavtryck kan minskas dramatiskt .
• Upp till 4× snabbare slutledning: Komprimerade modeller körs betydligt snabbare på samma hårdvara .
• Noggrannhetsförlust på endast 0–5 %: Kompromissen mellan komprimering och noggrannhet är minimal .
• Hårdvaruoberoende: Programvaran fungerar över olika chiparkitekturer utan anpassad infrastruktur eller omträning .
• Ingen omträning krävs: Den integreras direkt i befintliga slutledningsramverk .
• Kontinuerlig kompressionskurva: Till skillnad från verktyg som erbjuder binära komprimeringsnivåer, kartlägger Oras algoritm hela spektrat av storlek kontra noggrannhet kontinuerligt .
• Testad på en modell med 70 miljarder parametrar: Företaget uppger att det komprimerade en sådan modell på några timmar för under 1 000 dollar i beräkningskraft, vilket kan jämföras med typiska kostnader på hundratusentals dollar .

Kostnad, energi och koldioxidpåverkan

Eftersom komprimerade modeller kräver mindre beräkningskapacitet, hävdar Ora att deras teknik direkt leder till lägre energiförbrukning och minskade koldioxidutsläpp . Företaget uppskattar att vid 1 % marknadspenetration skulle tekniken kunna eliminera mer än 50 000 ton CO₂ årligen .

Detta stämmer överens med branschens breda enighet om att slutledning står för över 90 % av den totala energianvändningen under en AI-modells livstid . En studie från 2025 i PMC visade att komprimeringstekniker som pruning och distillation på BERT-stora modeller gav energibesparingar på 32–48 % samtidigt som noggrannheten bibehölls över 95 % . Oras specifika uppskattning av CO₂-besparingar är dock just en uppskattning utifrån ett antaget marknadsscenario, inte ett uppmätt resultat .

Användning av finansieringen och kommersiella planer

Ora har angett tre primära användningsområden för säddkapitalet :

1. Teamutbyggnad – att växa ingenjörs- och kommersiella team.
2. Utökning av komprimering till större frontmodeller – att utmana de största befintliga modellerna.
3. Lansering av en kommersiell produkt – riktad mot molnbaserade slutledningstjänster och företag som använder AI i edge-enheter (t.ex. fordon och industriell utrustning) .

Företagets webbplats annonserar redan en automatiserad LLM-komprimeringstjänst som kan passa modeller på edge-enheter, lokala servrar eller molninfrastruktur ”på några timmar”, med påståenden om att minnesfotavtrycket minskas med upp till 70 % och GPU-kostnader med över 50 % .

Källkommentar

Den primära källan är ett detaljerat pressmeddelande på Greencode Ventures officiella webbplats . Bekräftande rapporter kommer från flera medier, inklusive The Recursive , IT Boltwise , Vestbee , tech.eu och Fundup.ai – alla med samma uppgifter om rundans detaljer, komprimeringstal och användning av medlen. Ingen oberoende tredje part har dock validerat Oras specifika uppskattning av CO₂-besparingar, vilket företaget själva anger som en uppskattning snarare än ett uppmätt resultat.

Sådd på 3,5 miljoner euro

Sådden co-leddes av Constructor Capital (en schweizisk deep tech-venture capital-fond) och Greencode Ventures, med fortsatt stöd från den befintliga investeraren XISTA Science Ventures, som var med och byggde och lanserade företaget .

Ora Computing grundades av kvantberäkningsforskarna Stefan Sack och Raimel A. Medina, som knoppades av från Institute of Science and Technology Austria (ISTA) . Företaget kom ur stealth i slutet av 2025 och har redan validerat sin lösning med aktörer inom fordons- och edge silicon-sektorerna .

Hur kompressionsprogramvaran fungerar

Oras programvara använder en informationsteoretisk metod för att krympa stora AI-modeller avsevärt – den omstrukturerar modellen matematiskt för att ta bort redundans samtidigt som utdatakvaliteten bevaras . Viktiga påståenden från företaget och dess investerare inkluderar:

• Upp till 80 % storleksminskning: Modellernas minnesfotavtryck kan minskas dramatiskt .
• Upp till 4× snabbare slutledning: Komprimerade modeller körs betydligt snabbare på samma hårdvara .
• Noggrannhetsförlust på endast 0–5 %: Kompromissen mellan komprimering och noggrannhet är minimal .
• Hårdvaruoberoende: Programvaran fungerar över olika chiparkitekturer utan anpassad infrastruktur eller omträning .
• Ingen omträning krävs: Den integreras direkt i befintliga slutledningsramverk .
• Kontinuerlig kompressionskurva: Till skillnad från verktyg som erbjuder binära komprimeringsnivåer, kartlägger Oras algoritm hela spektrat av storlek kontra noggrannhet kontinuerligt .
• Testad på en modell med 70 miljarder parametrar: Företaget uppger att det komprimerade en sådan modell på några timmar för under 1 000 dollar i beräkningskraft, vilket kan jämföras med typiska kostnader på hundratusentals dollar .

Kostnad, energi och koldioxidpåverkan

Eftersom komprimerade modeller kräver mindre beräkningskapacitet, hävdar Ora att deras teknik direkt leder till lägre energiförbrukning och minskade koldioxidutsläpp . Företaget uppskattar att vid 1 % marknadspenetration skulle tekniken kunna eliminera mer än 50 000 ton CO₂ årligen .

Detta stämmer överens med branschens breda enighet om att slutledning står för över 90 % av den totala energianvändningen under en AI-modells livstid . En studie från 2025 i PMC visade att komprimeringstekniker som pruning och distillation på BERT-stora modeller gav energibesparingar på 32–48 % samtidigt som noggrannheten bibehölls över 95 % . Oras specifika uppskattning av CO₂-besparingar är dock just en uppskattning utifrån ett antaget marknadsscenario, inte ett uppmätt resultat .

Användning av finansieringen och kommersiella planer

Ora har angett tre primära användningsområden för säddkapitalet :

1. Teamutbyggnad – att växa ingenjörs- och kommersiella team.
2. Utökning av komprimering till större frontmodeller – att utmana de största befintliga modellerna.
3. Lansering av en kommersiell produkt – riktad mot molnbaserade slutledningstjänster och företag som använder AI i edge-enheter (t.ex. fordon och industriell utrustning) .

Företagets webbplats annonserar redan en automatiserad LLM-komprimeringstjänst som kan passa modeller på edge-enheter, lokala servrar eller molninfrastruktur ”på några timmar”, med påståenden om att minnesfotavtrycket minskas med upp till 70 % och GPU-kostnader med över 50 % .

Källkommentar

Den primära källan är ett detaljerat pressmeddelande på Greencode Ventures officiella webbplats . Bekräftande rapporter kommer från flera medier, inklusive The Recursive , IT Boltwise , Vestbee , tech.eu och Fundup.ai – alla med samma uppgifter om rundans detaljer, komprimeringstal och användning av medlen. Ingen oberoende tredje part har dock validerat Oras specifika uppskattning av CO₂-besparingar, vilket företaget själva anger som en uppskattning snarare än ett uppmätt resultat.