Callosum 豪押 1 億美元，押注「異質化智能」改寫 AI 基礎設施

Callosum 正在押注一條與主流不同的 AI 基礎設施路線：下一代 AI 未必需要把單一超大型模型，部署在大批相同的加速器上不斷擴張。

這家由劍橋起家的英國新創提出「異質化智能」（heterogeneous intelligence）概念，主張把專門模型與不同處理器組合起來，再由軟體判斷每一項工作應交給哪個工具處理。

這個想法同時針對工程效率和產業策略。複雜 AI 應用往往混合例行執行、推理、資料檢索與即時互動；如果每一步都交給同一個前沿模型和同一套硬體，可能既慢又昂貴。Callosum 的替代方案，是讓每項任務配對最能發揮所長的模型與晶片。

Callosum 要挑戰的 AI「單一文化」

目前主流的 AI 基礎設施，通常把運算集中在規模愈來愈大的模型上，並透過大批 Nvidia GPU 執行。Callosum 則質疑，是否一定要沿著「一個通用模型、單一主導硬體生態、投入更多運算資源」這條路，才能走向更先進、甚至所謂「超級智能」的系統。

創辦人的神經科學背景也影響了這套比較：生物智能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在 AI 上，透過多個專門元件協作，而不是把單一模型視為每項子任務的萬用答案。

這並不代表某一個模型或某一款晶片將會消失，而是把它們視為更大型運算系統中的可替換零件，按每次請求的需求選用。

軟體如何在不同模型與晶片間分流

Callosum 將自己的軟體定位為 AI 工作負載的協調層。實際運作時，系統預計會：

1. 把複雜工作拆成多個子任務。 多步驟應用可能同時包含不同形式的推理、工具使用和執行工作。
2. 為每個步驟選擇合適模型。 較快、較便宜的模型可處理反覆性的例行工作，而能力更強的推理模型則留給真正困難的決策。
3. 選擇合適硬體。 工作負載可分散到不同類型的處理器，不必綁定單一供應商的基礎設施。
4. 按營運限制最佳化。 分流決策可同時考慮延遲、成本和能源需求。

公司表示，其平台設計可跨越不同雲端環境，並支援 Nvidia、AMD 晶片、AWS Trainium 與 Inferentia，以及 Cerebras 系統。

以企業 AI 代理為例，系統可能把頻繁互動交給低延遲加速器，另一階段使用通用 GPU，只有在需要複雜判斷時才啟用更強的推理模型。潛在價值不只是硬體選擇更多，而是能以多個元件的優勢來設計完整工作流程。

效能、成本與能源：公司聲稱的成果仍待驗證

Callosum 表示，在部分複雜工作負載上，其方法最高可帶來 準確度提升 2 倍、速度提升 7 倍、成本降低 4 倍。這些數字是公司在 2026 年 2 月脫離保密階段前後提出的說法；現有報道並未證明相關結果已獲獨立驗證，也不能據此推論適用於所有 AI 工作負載。

背後的經濟邏輯相當直接：如果應用程式的每一步都不需要最強模型，例行工作便可以交給更便宜或更快速的選項，從而降低推論成本。如果不同步驟也不需要同一款處理器，營運商就能更有效利用現有容量，並減少對單一晶片供應商的依賴。

這種方法可能適用於電腦操作自動化、支付、網絡安全和多代理應用，因為這些場景通常結合多種運算類型。 不過，成敗取決於分流層能否可靠作出決策，同時避免新增的複雜度與管理開銷抵銷效益。

為何這不只是最佳化，也關乎 AI 主權

Callosum 的主張不止於提升效率。訓練和服務前沿 AI 系統，需要龐大資本、電力和專門硬體。當這些資源集中在少數模型公司、晶片供應商，以及能取得相關基礎設施的地區，企業和國家對主導供應商的依賴也可能加深。

一個不綁定特定硬體的軟體層，理論上能讓組織更自由地決定工作負載在哪裡執行，也更容易採用替代處理器。從這個角度看，異質化基礎設施可成為 AI 主權策略的一部分：企業和國家可以運用手上取得的多種晶片，而不是完全依賴單一技術堆疊。

但這仍是願景，而非已被證明的結果。支援多款晶片本身不會自動形成具競爭力的硬體市場，實際價值仍取決於效能、供應情況、開發工具，以及 Callosum 整合不同系統的可靠程度。

Callosum 募得多少資金？誰是投資者？

Callosum 於 2026 年 2 月脫離保密階段時，宣布完成 1,025 萬美元融資，由 Plural 領投；天使投資者包括 Charlie Songhurst、Stan Boland 和 John Lazar。英國先進研究與發明局（ARIA）則另行提供研究撥款，用於整合新型晶片，並非該輪融資所述的股權投資者。

到了 2026 年 8 月 20 日，公司再宣布完成 1 億美元種子輪，由 Atomico 領投，Plural、DCVC 和英國 Sovereign AI Fund 大額參與，另有其他投資者及天使投資者加入。

如果 8 月的融資是在 2 月資金之上追加，按照現有報道的呈現方式，Callosum 自脫離保密階段以來已宣布募得約 1.1025 億美元。不過，公司公開公告沒有完整列出未具名參與者的逐一投資金額，因此這個總數應視為按已公布輪次相加的結果。

英國政府支持釋放甚麼訊號？

Callosum 表示，這筆投資是 英國 Sovereign AI Fund 首次出手投資，公司也被納入英國 11 億英鎊 AI 硬體計劃。英國 AI 部長 Kanishka Narayan 亦公開強調，隨著 AI 運算需求持續增長，更有效率地使用晶片十分重要。

這些訊號讓 Callosum 的技術不只是私營企業的基礎設施最佳化方案。英國政府正把 AI 硬體的多元取得，以及更有效率的協調方式，視為國家 AI 能力和主權的一環。這並不保證新創公司的技術或商業成功，但能解釋為何一個負責分流的軟體層，會同時獲得公共資金與創投支持。

Cerebras 合作為何重要？

Callosum 與 Cerebras 的旗艦合作，會把 Cerebras 的運算能力納入其異質化分流層。理論上，Cerebras 的低延遲推論可用於最重視速度的環節，而工作流程的其他部分則交由不同模型或處理器負責。

這對即時及多代理系統可能特別有用，因為當一個工作流程需要多次呼叫模型時，每次延遲都會累積。Callosum 和 Cerebras 表示，兩者結合可支援過去因速度太慢、成本太高或營運上不切實際，而難以大規模部署的 AI 系統。

不過，現有報道對這項說法的發言人存在出入：Tech.eu 將相關說法歸於 Cerebras 執行長 Andrew Feldman；Callosum 自己的公告則把同一句話歸於 Cerebras 首席策略官 Andy Hock。合作關係及低延遲目標在來源間一致，但發言人身分並不一致。

真正考驗：能否把「多元」變成生產力

Callosum 的核心論點，是 AI 基礎設施不應像一台單一、巨大的機器，而應更像一個協調良好的生態系統：多個模型、多種晶片，再由軟體把每項工作交給最合適的資源。

這套思路回應了 AI 部署目前面對的實際壓力，包括延遲、成本、能源消耗，以及供應鏈過度集中的問題。但關鍵考驗仍在營運層面。Callosum 必須證明，異質化分流能改善完整應用，而不只是個別基準測試；同時還要讓混合硬體環境對開發者足夠簡單，對生產環境足夠穩定。

這筆 1 億美元種子輪，顯示投資者認為「如何協調不同模型與晶片」是一個規模龐大、且具戰略意義的問題。至於 Callosum 能否把硬體多元化轉化為真實用戶可重複、可量化的優勢，仍有待後續產品和部署結果回答。