CompactifAI แก้ปัญหาอะไร? LLMs มีค่าใช้จ่ายสูงมากในการฝึกสอนและรัน โดยต้องใช้คลัสเตอร์ GPU ราคาแพงจำนวนมาก ขนาดและการใช้พลังงานที่มหาศาลสร้างอุปสรรคด้านต้นทุนและโครงสร้างพื้นฐานสำหรับองค์กรส่วนใหญ่ ค่าใช้จ่ายในการอนุมาน (inference costs) สูง และการปรับใช้ถูกจำกัดไว้แต่ในดาต้าเซ็นเตอร์ขนาดใหญ่ CompactifAI ก้าวข้ามอุปสรรคนั้น

ผลลัพธ์ที่รายงาน:

• ลดขนาดฮาร์ดแวร์ลง 80%–95% (ขนาดโมเดลและหน่วยความจำ)
• สูญเสียความแม่นยำเพียง 2–3% ในการวัดประสิทธิภาพมาตรฐานส่วนใหญ่
• ประมวลผลเร็วขึ้น 4–12 เท่า และ ลดต้นทุนการอนุมานลง 50%–80%
• Meta LlaMA-2 7B ถูกบีบอัดเหลือเพียง 3% ของขนาดเดิมในการทดสอบครั้งหนึ่ง
• Llama 3.3 70B ถูกบีบอัดให้รันบน Intel Xeon 6 CPU โดยไม่ต้องใช้ GPU เฉพาะ
• โมเดล OpenAI ที่ถูกบีบอัด (gpt-oss-120B) ลดความต้องการหน่วยความจำจาก 61GB เหลือ 32GB หรือลดลง 50% โดยยังคงประสิทธิภาพที่ใกล้เคียงเดิม

รอบการระดมทุน Series C

ในเดือนกรกฎาคม 2026 Multiverse Computing ประกาศ รอบ Series C ที่ตั้งเป้าระดมทุนสูงถึง 570 ล้านดอลลาร์ (500 ล้านยูโร) ที่ มูลค่าก่อนการระดมทุน 1.7 พันล้านดอลลาร์ (ประมาณ 1.5 พันล้านยูโร ก่อนการระดมทุน มูลค่าหลังการระดมทุนประมาณ 2 พันล้านยูโร) รอบดังกล่าวยังคงเปิดรับเงินลงทุนเพิ่มเติม ยอดรวมการระดมทุนจนถึงปัจจุบันอยู่ที่ประมาณ 800 ล้านดอลลาร์

นักลงทุนผู้ร่วมนำ (Co-Lead Investors)

• Forgepoint Capital International (บริษัทร่วมทุนจากสหรัฐอเมริกา)
• BNPP Solar Impulse Venture Fund (กองทุนเพื่อสภาพภูมิอากาศของ BNP Paribas)
• Bullhound Capital (ธนาคารเพื่อการลงทุนและบริษัทร่วมทุนจากสหราชอาณาจักร)

นักลงทุนอื่นๆ ที่เข้าร่วม ได้แก่ Santander Alternative Investments, Tikehau Capital, HP Inc., Orange Ventures, Scania Invest, NAventures, Qatar Development Bank, Zouk Capital, SETT, EIC Fund และ Hazten Scale-Up Fund ของรัฐบาลแคว้นบาสก์

การนำเทคโนโลยีไปใช้

CompactifAI ถูกนำไปใช้ในฮาร์ดแวร์หลากหลายประเภท ตั้งแต่ อุปกรณ์ edge computing (โดรน กล้อง ดาวเทียม ยานพาหนะ สมาร์ทโฟน Raspberry Pi) ไปจนถึง เซิร์ฟเวอร์คลาวด์และโครงสร้างพื้นฐาน AI ของรัฐ บริษัทมี พอร์ทัล API และแอปพลิเคชันสาธิตสำหรับนักพัฒนา และมีโมเดลที่ถูกบีบอัดจาก OpenAI, Meta, DeepSeek และ Mistral AI ให้ใช้งาน

ลูกค้าและพันธมิตร

ลูกค้าที่ถูกเปิดเผยชื่อ ได้แก่ Iberdrola (พลังงาน), Bosch (อุตสาหกรรม/การผลิต) และ องค์กรอื่นๆ อีกกว่า 100 แห่งทั่วโลก ลูกค้าองค์กรรายอื่นๆ ได้แก่ Allianz, Bank of Canada, Indra และ Telefónica

ความร่วมมือที่สำคัญ:

• PwC (พฤศจิกายน 2025) — ทำให้การนำ AI ไปใช้ในองค์กรง่ายขึ้นและลดต้นทุนการคำนวณ
• Axelera AI (มีนาคม 2026) — ผสานรวมโมเดลที่บีบอัดโดย CompactifAI เข้ากับฮาร์ดแวร์ AI ของเนเธอร์แลนด์
• Qualcomm (สิงหาคม 2026) — ปรับใช้โมเดลที่บีบอัดบนตัวเร่งความเร็วในดาต้าเซ็นเตอร์ของ Qualcomm
• Intel (กรกฎาคม 2026) — Llama 3.3 70B ที่บีบอัดโดย CompactifAI รันบนโปรเซสเซอร์ Intel Xeon 6
• Tech Mahindra (2023) — นำเสนอโซลูชันคอมพิวเตอร์ควอนตัมแก่ลูกค้าองค์กรทั่วโลก
• HP Inc. — เข้าร่วมเป็นนักลงทุนในรอบ Series C

ประเด็นสำคัญ

Multiverse Computing แสดงถึงการเปลี่ยนแปลงครั้งสำคัญในอุตสาหกรรม AI: แทนที่จะทำให้โมเดลใหญ่ขึ้น กลับทำให้เล็กลง เร็วขึ้น และถูกลงในการทำงาน แนวทางการบีบอัดโมเดลที่ได้แรงบันดาลใจจากควอนตัมดึงดูดนักลงทุนและพันธมิตรเชิงกลยุทธ์รายใหญ่ และเทคโนโลยีของพวกเขาก็ถูกใช้งานในหลายอุตสาหกรรมแล้ว สำหรับองค์กรที่ต้องการปรับใช้ AI ในวงกว้างโดยไม่ต้องมีโครงสร้างพื้นฐาน GPU มหาศาลที่โมเดลขนาดใหญ่ต้องการ CompactifAI นำเสนอหนทางที่เป็นรูปธรรม

CompactifAI แก้ปัญหาอะไร? LLMs มีค่าใช้จ่ายสูงมากในการฝึกสอนและรัน โดยต้องใช้คลัสเตอร์ GPU ราคาแพงจำนวนมาก ขนาดและการใช้พลังงานที่มหาศาลสร้างอุปสรรคด้านต้นทุนและโครงสร้างพื้นฐานสำหรับองค์กรส่วนใหญ่ ค่าใช้จ่ายในการอนุมาน (inference costs) สูง และการปรับใช้ถูกจำกัดไว้แต่ในดาต้าเซ็นเตอร์ขนาดใหญ่ CompactifAI ก้าวข้ามอุปสรรคนั้น

ผลลัพธ์ที่รายงาน:

• ลดขนาดฮาร์ดแวร์ลง 80%–95% (ขนาดโมเดลและหน่วยความจำ)
• สูญเสียความแม่นยำเพียง 2–3% ในการวัดประสิทธิภาพมาตรฐานส่วนใหญ่
• ประมวลผลเร็วขึ้น 4–12 เท่า และ ลดต้นทุนการอนุมานลง 50%–80%
• Meta LlaMA-2 7B ถูกบีบอัดเหลือเพียง 3% ของขนาดเดิมในการทดสอบครั้งหนึ่ง
• Llama 3.3 70B ถูกบีบอัดให้รันบน Intel Xeon 6 CPU โดยไม่ต้องใช้ GPU เฉพาะ
• โมเดล OpenAI ที่ถูกบีบอัด (gpt-oss-120B) ลดความต้องการหน่วยความจำจาก 61GB เหลือ 32GB หรือลดลง 50% โดยยังคงประสิทธิภาพที่ใกล้เคียงเดิม

รอบการระดมทุน Series C

ในเดือนกรกฎาคม 2026 Multiverse Computing ประกาศ รอบ Series C ที่ตั้งเป้าระดมทุนสูงถึง 570 ล้านดอลลาร์ (500 ล้านยูโร) ที่ มูลค่าก่อนการระดมทุน 1.7 พันล้านดอลลาร์ (ประมาณ 1.5 พันล้านยูโร ก่อนการระดมทุน มูลค่าหลังการระดมทุนประมาณ 2 พันล้านยูโร) รอบดังกล่าวยังคงเปิดรับเงินลงทุนเพิ่มเติม ยอดรวมการระดมทุนจนถึงปัจจุบันอยู่ที่ประมาณ 800 ล้านดอลลาร์

นักลงทุนผู้ร่วมนำ (Co-Lead Investors)

• Forgepoint Capital International (บริษัทร่วมทุนจากสหรัฐอเมริกา)
• BNPP Solar Impulse Venture Fund (กองทุนเพื่อสภาพภูมิอากาศของ BNP Paribas)
• Bullhound Capital (ธนาคารเพื่อการลงทุนและบริษัทร่วมทุนจากสหราชอาณาจักร)

นักลงทุนอื่นๆ ที่เข้าร่วม ได้แก่ Santander Alternative Investments, Tikehau Capital, HP Inc., Orange Ventures, Scania Invest, NAventures, Qatar Development Bank, Zouk Capital, SETT, EIC Fund และ Hazten Scale-Up Fund ของรัฐบาลแคว้นบาสก์

การนำเทคโนโลยีไปใช้

CompactifAI ถูกนำไปใช้ในฮาร์ดแวร์หลากหลายประเภท ตั้งแต่ อุปกรณ์ edge computing (โดรน กล้อง ดาวเทียม ยานพาหนะ สมาร์ทโฟน Raspberry Pi) ไปจนถึง เซิร์ฟเวอร์คลาวด์และโครงสร้างพื้นฐาน AI ของรัฐ บริษัทมี พอร์ทัล API และแอปพลิเคชันสาธิตสำหรับนักพัฒนา และมีโมเดลที่ถูกบีบอัดจาก OpenAI, Meta, DeepSeek และ Mistral AI ให้ใช้งาน

ลูกค้าและพันธมิตร

ลูกค้าที่ถูกเปิดเผยชื่อ ได้แก่ Iberdrola (พลังงาน), Bosch (อุตสาหกรรม/การผลิต) และ องค์กรอื่นๆ อีกกว่า 100 แห่งทั่วโลก ลูกค้าองค์กรรายอื่นๆ ได้แก่ Allianz, Bank of Canada, Indra และ Telefónica

ความร่วมมือที่สำคัญ:

• PwC (พฤศจิกายน 2025) — ทำให้การนำ AI ไปใช้ในองค์กรง่ายขึ้นและลดต้นทุนการคำนวณ
• Axelera AI (มีนาคม 2026) — ผสานรวมโมเดลที่บีบอัดโดย CompactifAI เข้ากับฮาร์ดแวร์ AI ของเนเธอร์แลนด์
• Qualcomm (สิงหาคม 2026) — ปรับใช้โมเดลที่บีบอัดบนตัวเร่งความเร็วในดาต้าเซ็นเตอร์ของ Qualcomm
• Intel (กรกฎาคม 2026) — Llama 3.3 70B ที่บีบอัดโดย CompactifAI รันบนโปรเซสเซอร์ Intel Xeon 6
• Tech Mahindra (2023) — นำเสนอโซลูชันคอมพิวเตอร์ควอนตัมแก่ลูกค้าองค์กรทั่วโลก
• HP Inc. — เข้าร่วมเป็นนักลงทุนในรอบ Series C

ประเด็นสำคัญ

Multiverse Computing แสดงถึงการเปลี่ยนแปลงครั้งสำคัญในอุตสาหกรรม AI: แทนที่จะทำให้โมเดลใหญ่ขึ้น กลับทำให้เล็กลง เร็วขึ้น และถูกลงในการทำงาน แนวทางการบีบอัดโมเดลที่ได้แรงบันดาลใจจากควอนตัมดึงดูดนักลงทุนและพันธมิตรเชิงกลยุทธ์รายใหญ่ และเทคโนโลยีของพวกเขาก็ถูกใช้งานในหลายอุตสาหกรรมแล้ว สำหรับองค์กรที่ต้องการปรับใช้ AI ในวงกว้างโดยไม่ต้องมีโครงสร้างพื้นฐาน GPU มหาศาลที่โมเดลขนาดใหญ่ต้องการ CompactifAI นำเสนอหนทางที่เป็นรูปธรรม