350万欧元种子轮详情

本轮融资由瑞士DeepTech风投Constructor Capital和Greencode Ventures联合领投，原有投资者XISTA Science Ventures继续跟投——这家机构在公司创立和建设过程中发挥了关键作用。

Ora Computing成立于2025年，创始人为量子计算研究者Stefan Sack和Raimel A. Medina，两人从**奥地利科学技术研究所（ISTA）**孵化创业。公司于2025年底结束隐身模式，并已在汽车及边缘芯片领域完成了客户验证。

压缩软件的工作原理

Ora的软件采用基于信息论的方法来压缩大型AI基础模型——通过数学手段重构模型结构以去除冗余，同时保持输出质量。公司及其投资方宣称的关键特性包括：

• 体积减少最多80%：模型占用的内存大幅缩减。
• 推理速度提升4倍：压缩后的模型可在相同硬件上显著提速。
• 精度损失仅0-5%：压缩与精度之间的权衡极小。
• 硬件无关性：软件可适配不同芯片架构（CPU、GPU、边缘芯片），无需定制基础设施或重新训练。
• 无需重新训练：可直接嵌入标准推理框架。
• 连续压缩曲线：不同于简单的“选择压缩级别”工具，Ora的算法可连续映射完整的规模-精度权衡曲线，让客户针对自身硬件和成本约束进行优化。
• 已在700亿参数模型上验证：公司声称在数小时内以不到1000美元的计算成本压缩了一个700亿参数的模型，而行业常规做法通常需要数十万美元。

成本、能耗与碳中和影响

由于压缩后的模型所需算力更少，Ora表示其技术可直接降低能耗和碳排放。公司估计，只要达到1%的市场渗透率，其技术每年可减少超过5万吨二氧化碳排放。

这一说法与行业共识相符——推理阶段占已部署AI模型全生命周期能耗的90%以上，使得模型压缩成为实现可持续发展的有力工具。2025年发表于《PMC》的一项研究发现，对BERT规模模型应用剪枝和蒸馏等压缩技术后，能耗可降低32-48%，同时保持95%以上的准确率。需要指出的是，Ora公司具体的二氧化碳减排量是“基于设定渗透率的估算值”，而非实测数据。

融资用途与商业化规划

Ora明确了种子资金的三个主要用途：

1. 团队扩张——扩充工程和商业团队。
2. 扩展前沿模型压缩能力——将压缩技术延伸至下一代最先进的模型。
3. 推出商业产品——面向云推理服务提供商和在边缘部署AI的企业（如汽车、工业设备领域）。

该公司官网现已上线自动化大语言模型压缩服务，声称可在“数小时而非数月”内将模型适配于边缘设备、本地服务器或云基础设施，内存占用最高减少70%，GPU账单削减超过50%。

来源可靠性说明

主要信息来源为Greencode Ventures官网发布的详细公告。多家媒体包括The Recursive、IT Boltwise、Vestbee、tech.eu和Fundup.ai均报道了同样的融资细节、压缩数据及资金用途计划。Ora公司的二氧化碳减排量估算目前尚未经独立第三方验证，公司自身也将其标注为“估算值”而非实测数据。

350万欧元种子轮详情

本轮融资由瑞士DeepTech风投Constructor Capital和Greencode Ventures联合领投，原有投资者XISTA Science Ventures继续跟投——这家机构在公司创立和建设过程中发挥了关键作用。

Ora Computing成立于2025年，创始人为量子计算研究者Stefan Sack和Raimel A. Medina，两人从**奥地利科学技术研究所（ISTA）**孵化创业。公司于2025年底结束隐身模式，并已在汽车及边缘芯片领域完成了客户验证。

压缩软件的工作原理

Ora的软件采用基于信息论的方法来压缩大型AI基础模型——通过数学手段重构模型结构以去除冗余，同时保持输出质量。公司及其投资方宣称的关键特性包括：

• 体积减少最多80%：模型占用的内存大幅缩减。
• 推理速度提升4倍：压缩后的模型可在相同硬件上显著提速。
• 精度损失仅0-5%：压缩与精度之间的权衡极小。
• 硬件无关性：软件可适配不同芯片架构（CPU、GPU、边缘芯片），无需定制基础设施或重新训练。
• 无需重新训练：可直接嵌入标准推理框架。
• 连续压缩曲线：不同于简单的“选择压缩级别”工具，Ora的算法可连续映射完整的规模-精度权衡曲线，让客户针对自身硬件和成本约束进行优化。
• 已在700亿参数模型上验证：公司声称在数小时内以不到1000美元的计算成本压缩了一个700亿参数的模型，而行业常规做法通常需要数十万美元。

成本、能耗与碳中和影响

由于压缩后的模型所需算力更少，Ora表示其技术可直接降低能耗和碳排放。公司估计，只要达到1%的市场渗透率，其技术每年可减少超过5万吨二氧化碳排放。

这一说法与行业共识相符——推理阶段占已部署AI模型全生命周期能耗的90%以上，使得模型压缩成为实现可持续发展的有力工具。2025年发表于《PMC》的一项研究发现，对BERT规模模型应用剪枝和蒸馏等压缩技术后，能耗可降低32-48%，同时保持95%以上的准确率。需要指出的是，Ora公司具体的二氧化碳减排量是“基于设定渗透率的估算值”，而非实测数据。

融资用途与商业化规划

Ora明确了种子资金的三个主要用途：

1. 团队扩张——扩充工程和商业团队。
2. 扩展前沿模型压缩能力——将压缩技术延伸至下一代最先进的模型。
3. 推出商业产品——面向云推理服务提供商和在边缘部署AI的企业（如汽车、工业设备领域）。

该公司官网现已上线自动化大语言模型压缩服务，声称可在“数小时而非数月”内将模型适配于边缘设备、本地服务器或云基础设施，内存占用最高减少70%，GPU账单削减超过50%。

来源可靠性说明

主要信息来源为Greencode Ventures官网发布的详细公告。多家媒体包括The Recursive、IT Boltwise、Vestbee、tech.eu和Fundup.ai均报道了同样的融资细节、压缩数据及资金用途计划。Ora公司的二氧化碳减排量估算目前尚未经独立第三方验证，公司自身也将其标注为“估算值”而非实测数据。