Callosum 豪擲 1 億美元，押注多模型、多晶片的 AI 基建

Callosum 正押注一個與主流方向不太一樣的 AI 基建未來：下一代 AI 未必靠一個超大型模型，配合同一款加速器不斷擴大規模。這間在劍橋創立的初創，提出的是「異質智能」（heterogeneous intelligence）——由多個專門模型和不同處理器合作，再由軟件決定每一步工作應該交給哪一件工具處理。

這個構想同時針對工程和策略兩個問題。複雜 AI 應用往往混合日常執行、推理、資料檢索和即時互動等工作。如果每一步都交給同一個最前沿模型，以及同一套硬件，速度和成本未必划算。Callosum 的做法，是按任務需要，配對最適合的模型和晶片。

Callosum 挑戰緊甚麼？

目前 AI 基建的主流模式，是將大量運算集中在愈來愈大的模型上，並以大批 Nvidia GPU 運行。Callosum 則質疑，將「一個通用模型、一道主導硬件生態，再加更多運算」不斷放大的路線，是否真的是發展先進甚至「超級智能」系統最有效的方法。

公司的創辦人有神經科學背景，亦因此借用生物智能作比較：人腦並不是靠一個完全相同的神經迴路處理所有事情。Callosum 將類似的系統思維套用到 AI，主張把多個專門元件組合起來，而不是假設一個模型可以回答所有子任務。

這並不代表單一模型或單一晶片會消失，而是它們應該變成更大運算系統內可以互換的零件，按照每次請求的需要調配。

軟件點樣將不同模型和晶片串起來？

Callosum 形容自己的軟件是一層 AI 工作編排及路由系統。實際上，它預計會做幾件事：

1. 將複雜工作拆成多個子任務。 一個多步驟應用可以同時包含不同類型的推理、工具使用和執行工作。
2. 為每一步揀合適的模型。 較快、較平的模型可以處理重複性工作；較強的推理模型則留給真正需要判斷力的環節。
3. 配對合適硬件。 工作可以分散到不同種類的處理器，而不是綁死於單一供應商的基建。
4. 按照營運限制作最佳化。 路由決定可以同時考慮延遲、成本和能源要求。

公司表示，平台設計可跨不同雲端環境及硬件運作，包括 Nvidia 和 AMD 晶片、AWS Trainium 及 Inferentia，以及 Cerebras 系統。

以企業 AI agent 為例，系統可以用低延遲加速器處理頻繁互動，另一個階段使用一般 GPU，只有遇到真正複雜的判斷時，才調用能力更強的推理模型。潛在好處不只是硬件選擇多了，而是可以按不同元件的強項設計整個工作流程。

效能、成本聲稱，還有一個重要保留

Callosum 表示，在部分複雜工作負載上，其方案最多做到 準確度提高 2 倍、速度快 7 倍、成本降低 4 倍。不過，這些數字是公司在 2 月由隱形模式（stealth）現身前後提出的聲稱；現有報道未能證明結果已獲獨立核實，也不能據此推論適用於所有 AI 工作負載。

背後的經濟邏輯並不複雜：如果應用程式的每一步都不需要最強模型，日常工作使用較快或較平的模型，便有機會減少推理成本。如果每一步亦不需要同一款處理器，營運者就可以更有效利用現有容量，減少被單一晶片供應商鎖定。

這套方法可能適用於電腦操作自動化、支付、網絡安全及多代理應用，因為這些場景通常同時涉及多種運算。 但成敗關鍵，在於路由層能否作出可靠決定；如果系統太複雜，或者新增的管理開銷抵銷了原本的效能收益，方案價值就會打折扣。

點解這亦關乎 AI 主權？

Callosum 的說法不只關於最佳化。訓練和運行最前沿 AI 系統，需要大量資本、電力和專門硬件。當這些資源集中在少數模型公司和晶片供應商手上，企業和國家對主導基建供應者，以及相關硬件所在地區的依賴，都可能增加。

一層不綁定特定硬件的軟件，理論上可以讓機構更自由決定工作負載在哪裏運行，亦較容易採用其他處理器。從這個角度看，異質基建亦可以成為 AI 主權策略的一部分：國家和企業可以利用手上較廣泛的晶片選擇，而不是完全依賴一套技術生態。

當然，這仍然是願景，並非已被證明的結果。支援多種晶片本身，不會自動造出有競爭力的硬件市場；實際價值仍要視乎效能、供應、開發工具，以及 Callosum 整合不同平台的可靠程度。

融資由邊個支持？

Callosum 於 2026 年 2 月由隱形模式現身時，宣布完成 1,025 萬美元融資，輪次由 Plural 領投；具名天使投資者包括 Charlie Songhurst、Stan Boland 和 John Lazar。英國先進研究及發明局（ARIA）則另外提供研究資助，用於整合新型晶片；現有資料沒有將 ARIA 描述為該輪股權投資者。

到了 2026 年 8 月 20 日，公司宣布再完成 1 億美元種子輪，由 Atomico 領投，Plural、DCVC 及英國 Sovereign AI Fund 大額參與，另有其他投資者和天使投資者加入。

如果兩輪融資是累計計算，按照現有報道的呈現方式，Callosum 自現身以來已公布籌得約 1.1025 億美元。不過，公司公開公告沒有完整列出其他未具名參與者的逐一投資額，故這個總數應理解為按已公布融資額相加得出的數字。

英國政府支持，釋放甚麼訊號？

Callosum 表示，這次投資是英國 Sovereign AI Fund 首次出手投資，公司亦被納入英國 11 億英鎊 AI 硬件計劃。英國 AI 部長 Kanishka Narayan 同時公開提到，隨着 AI 運算需求增加，如何有效使用晶片十分重要。

這些訊號顯示，英國政府不只將 Callosum 視為一個私營市場的基建最佳化項目，也把多元化取得 AI 硬件，以及更有效率的編排，視為國家 AI 能力和主權的一部分。這當然不能保證初創公司的技術或商業成功，但可以解釋為何一層負責「揀模型、揀晶片」的軟件，會同時吸引風險資本和策略性公共資金。

同 Cerebras 合作，意義何在？

Callosum 與 Cerebras 的旗艦合作，會將 Cerebras 的運算能力加入其異質路由層。構想是，在速度最重要的地方使用 Cerebras 的低延遲推理，其他工作階段則交由不同模型或處理器負責。

對即時及多代理系統來說，這可能尤其重要，因為多次模型調用會令延遲逐步累積。Callosum 和 Cerebras 形容，兩者結合後，部分過往太慢、太貴，或者難以大規模運作的 AI 系統，可能變得可行。

不過，現有報道對其中一句說法的講者身份有出入：Tech.eu 將「Cerebras 整合可令以往不切實際的 AI 系統變得可行」這項說法歸於 Cerebras 行政總裁 Andrew Feldman；Callosum 自己的公告，則將相同措辭歸於 Cerebras 首席策略官 Andy Hock。合作本身及其低延遲目標，在不同來源中是一致的，但講者身份並不一致。

最終要睇：混合硬件能否真正落地

Callosum 的核心主張，是 AI 基建不應該像一部單一的超大型機器，而應該更像一個協調好的生態：多個模型、多種晶片，再由軟件將每項工作交給最合適的資源。

這個方向回應了 AI 部署面對的幾個實際壓力——延遲、成本、能源消耗，以及供應鏈過度集中。但真正的考驗會在日常運作：Callosum 要證明異質路由改善的是完整應用，而不只是個別基準測試；同時亦要令混合硬件環境對開發者夠簡單，對生產系統夠穩定。

這次 1 億美元種子輪，反映投資者認為「如何協調不同模型和晶片」本身已經是一個規模龐大、而且具戰略重要性的問題。至於硬件多元化能否轉化成真實用戶可重複、可量度的優勢，仍然要由產品落地結果回答。