Callosum的1亿美元赌注：让AI跨模型、跨芯片运行

“异构AI”如何调度任务

Callosum将自己的软件描述为AI工作负载的编排层。简单来说，它计划完成四件事：

1. 拆解复杂工作负载。 多步骤AI应用可能同时包含不同类型的推理、工具调用和执行任务。
2. 为每个步骤选择模型。 更快、更便宜的模型可以处理重复性工作，而更强的推理模型只在复杂决策环节中出场。
3. 为任务选择合适的硬件。 工作负载可以分配到不同类型的处理器上，而不必绑定某一家供应商的基础设施。
4. 在运营约束下优化。 调度决策可以同时考虑延迟、成本和能源需求。

公司表示，其平台面向不同云环境，并支持包括英伟达和AMD芯片、AWS Trainium与Inferentia，以及Cerebras系统在内的硬件。

以企业智能体为例，系统可以让低延迟加速器负责频繁交互，让通用GPU处理另一阶段，仅在真正需要时调用更强的推理模型。潜在价值不只是“硬件选择更多”，还在于可以围绕多个组件各自的优势，重新设计完整工作流。

数据看起来很诱人，但仍是公司说法

Callosum称，在部分复杂工作负载中，其方案实现了最高准确率提升2倍、速度提升7倍、成本降低4倍。这些数字来自公司在2026年2月结束隐身状态、对外亮相时发布的说法；现有报道并未证明这些结果已得到独立验证，也不能据此推断它们适用于所有AI工作负载。

背后的经济逻辑并不复杂：如果应用中的每一步都不需要最强模型，那么用更便宜或更快的模型处理常规任务，就可能降低推理成本；如果每一步也不必使用同一种处理器，运营方就能更灵活地利用现有算力，减少对单一硬件供应商的锁定。

这一思路可能适用于计算机操作自动化、支付、网络安全和多智能体应用等场景，因为这些场景往往同时涉及多种计算任务。 不过，调度层能否在不增加过多复杂度和额外开销的情况下作出可靠决策，将决定理论上的收益能否真正落地。

这也是一场关于“AI主权”的讨论

Callosum的说服力并不只在于优化效率。训练和部署前沿AI系统需要巨额资本、电力以及专用硬件。当这些资源集中在少数模型公司和芯片供应商手中时，企业和国家对主导基础设施提供商，以及对这些基础设施所在地区的依赖，也会随之上升。

一个与硬件厂商无关的编排软件层，理论上可以让组织拥有更多部署选择，更容易接入替代处理器。换言之，异构基础设施也可以成为AI主权战略的一部分：国家和企业能够使用更广泛、实际可获得的芯片，而不是完全依赖某一套技术栈。

但这目前仍是愿景，而非已经证明的结果。支持多种芯片，并不会自动创造有竞争力的硬件市场；最终价值还取决于芯片的性能、供应情况、开发者工具以及Callosum集成方案的稳定性。

融资情况：半年内披露约1.1亿美元

Callosum在2026年2月结束隐身状态时宣布完成1025万美元融资，由Plural领投。公开点名的天使投资人包括Charlie Songhurst、Stan Boland和John Lazar。英国先进研究与发明局（ARIA）另行提供了用于整合新型芯片的研究资助，但在现有报道中并未被描述为该轮融资的股权投资者。

2026年8月20日，公司又宣布完成1亿美元种子轮融资，由Atomico领投，**Plural、DCVC和英国主权人工智能基金（UK Sovereign AI Fund）**大额参与，另有其他投资机构和天使投资人加入。

如果将两轮融资相加，按照现有报道的呈现方式，Callosum自结束隐身状态以来已披露约1.1025亿美元融资。不过，公司公开公告没有完整列出未具名参与者的逐一投资金额，因此这一数字应理解为已宣布融资额的合计，而不是完整的投资人明细。

英国政府为何关注这家公司

Callosum表示，这笔投资是英国主权人工智能基金首次对外投资，公司还被列入英国11亿英镑AI硬件计划。英国AI大臣Kanishka Narayan也公开强调，随着AI算力需求持续增长，提高芯片使用效率十分重要。

这些信号表明，英国政府并不只是把Callosum看作一家提供基础设施优化服务的私人初创公司，而是将硬件多元化和高效编排视为英国AI能力与主权建设的一部分。

这并不能保证Callosum在技术或商业上取得成功，却解释了为什么一个负责“把任务分配给不同模型和芯片”的软件层，能够同时获得风险资本和战略性公共资金支持。

与Cerebras的合作意味着什么

Callosum与Cerebras的旗舰合作，将Cerebras的计算能力接入其异构调度层。目标是：在对速度最敏感的环节使用Cerebras的低延迟推理能力，同时把工作负载的其他阶段交给不同模型或处理器。

这对实时系统和多智能体系统尤其重要，因为一次任务可能需要连续调用多个模型，延迟会在多个环节中不断累积。Callosum和Cerebras称，这种组合有望支持过去因速度太慢、成本过高或运营难度太大而难以规模化的AI系统。

不过，现有报道对相关说法的发言人存在不一致。Tech.eu将“Cerebras的整合能够让此前并不实用的AI系统成为可能”这一表述归于Cerebras首席执行官Andrew Feldman；Callosum自己的公告则将相同措辞归于Cerebras首席战略官Andy Hock。合作本身以及“实现低延迟推理”的目标在各来源中是一致的，但发言人身份并不一致。

真正的考验还在生产环境

Callosum的核心判断是，AI基础设施不应像一台单一的巨型机器，而应更像一个协调运转的生态系统：多个模型、多个芯片类型，再由软件将每项任务交给最合适的资源。

这一思路回应了AI部署中的现实压力，包括延迟、成本、能源消耗以及供应链过度集中的问题。可是，决定其成败的仍将是实际运营表现。Callosum需要证明，异构调度不仅能改善孤立基准测试，也能提升完整应用的表现；同时还要让混合硬件环境对开发者足够简单、对生产系统足够可靠。

1亿美元种子轮融资说明投资人认为，这个“如何协调不同模型与芯片”的问题足够庞大，也具有战略意义。至于硬件多元化能否转化为可量化、可重复、可持续的用户收益，则仍有待产品在真实场景中验证。