유럽 AI 칩 스타트업 Euclyd가 특화된 AI 반도체 개발을 위해 €200 million을 조달했다.
Euclyd는 기초 모델 추론을 위한 맞춤식 아키텍처 개발을 위해 €200 million 이상(약 $230 million)의 Series A 펀딩을 확보했습니다. Samsung, Somerset Capital Partners, EQT가 관리하는 Scaleup Europe Fund, Innovation Industries가 라운드를 주도했으며, EIFO, imec.xpand, Brabant Development Agency, Quadri의 추가 참여가 있었습니다. 전 ASML 회장 겸 최고경영자인 Peter Wennink는 Euclyd 회장으로 합류했습니다.
Bernardo Kastrup과 Atul Sinha는 2024년 Eindhoven의 High Tech Campus에서 Euclyd를 창립했습니다. 회사는 모델 규모와 추론 볼륨이 증가함에 따라 AI 인프라가 메모리 대역폭, 전력, 자본 제약에 점점 더 직면한다고 주장합니다. 이 솔루션은 AI에 맞추기 위해 그래픽 아키텍처를 개조하는 것이 아니라, 프로그래머블 ASIC 컴퓨팅, 프로세서-메모리 공동 설계, 시스템 수준의 최적화를 결합합니다.
중심에는 Euclyd의 계획 중인 AI 프로세서인 craftwerk와 그 craftwerk station (CWS) 시스템이 있습니다. Euclyd는 craftwerk를 에이전트형 AI 실리콘으로 설명하고, 그 아키텍처는 추론의 전력 소비와 비용을 증가시키는 데이터 이동 및 메모리 효율성 문제를 목표로 한다고 말합니다. 이러한 성능 및 효율성 주장은 여전히 생산 실리콘 및 고객 워크로드에 대한 검증이 필요합니다. 상용 하드웨어는 2028년을 목표로 하는 것으로 알려져 있습니다.
Kastrup은 단순한 처리량이 아닌 인프라를 중심으로 문제를 제시합니다. Euclyd는 전력 소비와 토큰당 비용을 줄이면서 엔터프라이즈, 주권형, 하이퍼스케일 배포 전반에서 대형 모델 추론을 실현하려고 합니다. 회사는 새로운 자본을 엔지니어링 확대, 실리콘 및 시스템 로드맵 가속화, 생태계 파트너십 강화, 상용화 준비에 사용할 예정입니다.
Samsung의 참여는 Euclyd의 접근 방식이 컴퓨팅-메모리 통합에 크게 의존하기 때문에 반도체 업계와의 중요한 연계를 제공합니다. Wennink의 임명은 아키텍처에서 물리적 제품으로 이동함에 따라 젊은 회사에 반도체 제조 및 공급망 경험을 제공합니다. 실리콘 팀 및 ISV의 경우, Euclyd는 일반적인 GPU 아키텍처를 확장하는 대신 워크로드를 중심으로 추론을 재설계하려는 또 다른 시도를 나타냅니다. CIO의 경우, 중요한 측정치는 나중에 나올 것입니다: 토큰당 와트, 초당 토큰, 메모리 용량, 지연 시간, 시스템 활용률, 소프트웨어 지원, 총 소유 비용.
€200 million Series A는 Euclyd에 아키텍처 제안을 넘어 실리콘, 시스템, 소프트웨어를 구축할 수 있는 충분한 자본을 제공합니다. AI 추론이 순수 산술 처리량만큼 메모리 및 시스템 효율성에 점점 더 의존한다는 핵심 주장은 산업의 증가하는 관심과 일치합니다. 생산 실리콘은 craftwerk가 그 주장을 측정 가능한 비용, 전력, 성능 이점으로 전환할 수 있는지 여부를 결정할 것입니다. 이 라운드 이전에, Euclyd는 €10 million을 조성했으며, Wennink가 그 초기 펀딩에 참여했습니다.
Euclyd는 기술적으로 신뢰할 수 있는 문제를 중심으로 비정상적으로 큰 초기 투자를 유치했습니다: 모델 데이터 이동은 상당한 에너지를 소비하고 추론 경제성을 제한합니다. Samsung의 참여와 Wennink의 회장직은 반도체 신뢰도를 강화합니다. 아키텍처는 여전히 핵심 미지수입니다. 생산 하드웨어, 소프트웨어 성숙도, 독립적인 워크로드 테스트는 Euclyd가 프로세서-메모리 접근 방식을 상업적으로 경쟁력 있는 플랫폼으로 전환할 수 있는지 여부를 결정할 것입니다.
Euclyd는 스타트업이 AI 추론 실리콘에 접근하는 방식의 변곡점을 나타낼 수 있습니다. 산업은 점점 더 순수 산술 처리량이 아닌 토큰, 지연 시간, 메모리 대역폭, 전력을 통해 유용한 성능을 측정합니다. Euclyd는 이러한 시스템 제약 조건으로 시작하여 그 주변에 컴퓨팅과 메모리를 설계합니다. 생산 실리콘이 효율성 주장을 검증하면, 회사는 특화된 추론 아키텍처가 점점 더 커지는 GPU 시스템을 모든 AI 워크로드에 적응시키는 경제성에 도전할 수 있다는 증거를 추가할 것입니다.