MatX، استارتاپ تراشهسازی تاسیسشده توسط دو مهندس سابق سختافزار گوگل، تأمین مالی ۵۰۰ میلیون دلاری در دور سری B را با رهبری Jane Street و صندوق سرمایهگذاری «Situational Awareness» بهدست آورد. این صندوق را لئئوپولد آشنبرِنر، پژوهشگر سابق OpenAI، تشکیل داده است. هدف اعلامشدهٔ MatX ارائه تراشههایی است که در آموزش مدلهای زبانی بزرگ (LLM) و ارائه نتایج، تا ده برابر بهتر از GPUهای شرکت انویدیا عمل کنند؛ ادعایی که اگر محقق شود، میتواند بازار سختافزار هوش مصنوعی را دستخوش تغییرات اساسی کند.
سرمایهگذاران دیگر این دور شامل Marvell Technology، NFDG، Spark Capital و پاتریک و جان کالیسون، بنیانگذاران Stripe هستند. ریندر پوپ، بنیانگذار و مدیرعامل MatX، روز سهشنبه در پستی در لینکداین این خبر را اعلام کرد. شرکت ارزشگذاری جدید خود را منتشر نکرده است، اما اخیراً Bloomberg گزارش داد که رقیب نزدیک MatX، یعنی Etched، دور سرمایهگذاری ۵۰۰ میلیون دلاری را با ارزشگذاری حدود ۵ میلیارد دلار بهدست آورده است.
این سرمایهگذاری جدید بیش از یک سال پس از دور سری A تقریباً ۱۰۰ میلیون دلاری MatX انجام میشود که آن دور نیز با رهبری Spark Capital انجام شده بود. گزارشهای پیشین نشان میدادند که در سال ۲۰۲۴ این استارتاپ ارزشی بیش از ۳۰۰ میلیون دلار داشته است.
پیشینه تیم مؤسس نقش مهمی در جذب اعتماد سرمایهگذاران داشته است: ریندر پوپ پیش از تأسیس MatX مدیریت توسعه نرمافزار هوش مصنوعی برای TPUهای گوگل را برعهده داشته و همبنیانگذار دیگر، مایک گانتر، طراح ارشد سختافزار TPU بوده است. استفاده از تجربیات آنها در توسعه نرمافزار و سختافزار اختصاصی گوگل میتواند در طراحی تراشههایی با کارایی بالا مؤثر باشد.
طبق اعلام شرکت، بودجهٔ جدید برای تولید تراشهها با همکاری TSMC، بزرگترین شرکت قراردادی تولید نیمههادی دنیا، صرف خواهد شد و برنامهریزی برای آغاز عرضهٔ تجاری این تراشهها در سال ۲۰۲۷ انجام شده است. انتخاب TSMC نشاندهندهٔ تمرکز بر تولید در مقیاس بالا و استفاده از فرآیندهای پیشرفتهٔ نیمههادی است که معمولاً برای رقابت در بازار سختافزار AI ضروری است.
نکات کلیدی و چشمانداز:
– ادعای عملکرد «دهبرابری» نسبت به GPUهای انویدیا، اگر بهصورت مستقل توسط بنچمارکها تأیید شود، میتواند هزینهها و زمان آموزش مدلهای زبانی بزرگ را بهطور چشمگیری کاهش دهد. این بهبود معمولاً شامل افزایش توان محاسباتی، کاهش مصرف انرژی و بهبود تاخیر در استنتاج خواهد بود.
– چالشهای پیشرو شامل اثبات عملی عملکرد در بنچمارکهای عمومی، ایجاد اکوسیستم نرمافزاری و ابزارهای توسعه (مشابه اکوسیستم CUDA انویدیا) و همکاری با ارائهدهندگان ابر و مراکز داده برای یکپارچهسازی سختافزار جدید است.
– رقابت فزاینده بین بازیگران جدید مانند MatX و Etched در کنار غولهایی مانند انویدیا میتواند نوآوری و کاهش هزینهها را برای صنعت هوش مصنوعی سرعت بخشد.
با توجه به بزرگی سرمایهگذاری و سابقه تیم مؤسس، MatX یکی از شرکتهایی است که باید در سالهای آینده از نظر پیشرفتهای فنی و ورود به بازار سختافزار هوش مصنوعی تحت نظر داشت. عرضهٔ تراشهها در ۲۰۲۷ فرصت مناسبی برای بررسی عملی ادعاهای عملکردی این شرکت خواهد بود.