Skip to content

融資速報|Callosum $100M 種子輪

2026年8月21日 1 分鐘
TL;DR Callosum 完成 $100M 種子輪,由 Atomico 領投,估值未揭露。這筆錢押的是「Agent 的成本瓶頸不在模型,而在把每一步都塞進同一顆 GPU」——當推論支出吃掉 AI 原生公司一半以上營收,路由層的價值開始從模型選擇擴張到晶片選擇。
目錄
  1. 融資資訊
  2. 這家公司做什麼
  3. 這筆融資的訊號
    1. 對 Agent 生態的意義
    2. 投資人在賭什麼
    3. 值得觀察的數字
  4. Watchlist 狀態
  5. 今日收穫
  6. 參考資料

🌏 English version

融資資訊

項目
公司Callosum(英國,倫敦)
輪次種子輪(Seed)
金額$100M(約 €85.4M)
領投Atomico
跟投Plural、DCVC、UK Sovereign AI Fund,以及未具名投資人與天使
估值未揭露
累計融資約 $110M(2026 年 2 月 pre-seed $10.25M 由 Plural 領投)
成立年份2025
員工數~18 人(LinkedIn)

這家公司做什麼

Callosum 是做「異質運算編排層」的公司——它坐在 AI 應用和底層算力之間,把一個 workload 拆成多個子任務,再把每個子任務分派到最適合它的模型與晶片組合。

技術主張叫 programmable heterogeneity:同一個 agentic workflow 裡,「快速比對」這一步和「深度推理」這一步對硬體的需求完全不同,但現行做法是整條流程都跑在同一批通用 GPU 上。Callosum 的軟體會依成本、能耗、速度的約束條件即時分派,並持續 profiling 模型與硬體的組合,讓系統維持在成本/速度/效能的 Pareto frontier 上。隨融資同步推出的第一個產品 Tailored Inference 是一組 API,讓開發者不改寫應用就能接上前沿 AI 硬體,官方描述包含任務拆解、持續性 multi-agent 協作與主權部署能力。

創辦人 Danyal Akarca 與 Jascha Achterberg 在劍橋讀博時相識,研究主題是大腦如何靠組合多種專門化迴路(而非放大單一迴路)達成智能,兩人合計發表逾 70 篇論文。公司 2026 年 4 月成為英國 £500M 主權 AI 基金(Sovereign AI Fund)投資的第一家公司,也是英國先進研究機構 ARIA 旗下 Scaling Inference Lab 的創始成員。矽晶合作夥伴包括 Cerebras、Rebellions、Axelera、d-Matrix、Lumai、Tendrils,基礎設施夥伴為 Supermicro 與 HPE。

這筆融資的訊號

對 Agent 生態的意義

$100M 種子輪在歐洲創投史上屬於最大的幾筆之一,而它的用途不是訓練模型,是解決「跑模型」的單位經濟。Atomico 的論述直白:產業支出正從訓練轉向推論,AI 原生公司常把一半以上的營收花在推論上,而每個 workload 不論性質都被推進同一種通用硬體。對 Agent 開發者來說這是切身問題——一個多步驟 agent run 裡真正需要前沿模型的可能只有兩三步,其餘的規劃、檢索、驗證、格式化都在為不需要的算力付錢。

值得注意的是 Callosum 押的方向和「單一晶片贏家」相反:hyperscaler 自研矽晶、wafer-scale 與光學處理器陸續進入量產,晶片世界正在碎片化,而它把碎片化本身當成商業機會——每多一種晶片進入市場,這一層的價值就增加而非變複雜。這筆錢會用來擴張矽晶與算力夥伴網路,把自己做成「全球異質整合商」。

投資人在賭什麼

Atomico CEO Niklas Zennström 的說法是:當 AI 從訓練走向推論,問題已經不只是誰做出最好的模型,而是怎麼在日益多樣的模型與晶片版圖上有效率地交付智能。這個論述背後還有一層地緣考量——Atomico 明講當 workload 能在多模型多晶片間流動,就沒有單一供應商能掐住任何人取得智能的咽喉;英國 AI 部長 Kanishka Narayan 也把這筆投資連結到國家晶片策略,強調成敗不只取決於拿不拿得到晶片,還取決於用得多有效率。UK Sovereign AI Fund 選它當第一家投資標的,賭的與其說是一家公司,不如說是「不被單一供應商鎖死」這件事本身值多少錢。

值得觀察的數字

  • 官方公布的 agentic 成效:在金融服務的複雜 agentic workload 上,透過與 Cerebras 的合作,Callosum 平台比「單一前沿模型跑在傳統基礎設施上」快 4 倍、運算成本降 70%、任務成功率提升 10%。⚠️ 需注意 Tech Funding News 引述的版本是「準確度 2 倍、速度 7 倍、成本 4 倍便宜」,兩組數字對不上,且公司未公開完整 benchmark 方法。
  • 公司自家技術部落格的對照更具體:在 OOLONG 資料集上,Cerebras Llama-70B 作為 recursive language model 能在同等準確度下比 GPT-5 快 5.5 倍、成本低 4.8 倍;SambaNova Llama-70B 則是成本低 8.8 倍。這些是單點配置數字,不是端到端產品指標。
  • 估值倍數無法計算:公司未揭露估值也未公布營收,$100M 種子輪目前只能靠「pre-seed 到 seed 六個月內從 $10.25M 跳到 $100M、將近 10 倍」這個募資規模跳幅來推測市場熱度。
  • 18 人團隊拿 $100M,人均超過 $5.5M,即使在 2026 年的 AI 融資環境裡也偏極端。

Watchlist 狀態

Callosum 尚未在 watchlist 中。建議加入 section A4(Gateway / 模型路由),與 LiteLLM、Portkey、OpenRouter、Martian 同組追蹤,追蹤重點:把路由維度從「選模型」擴張到「選模型+選晶片」,$100M 種子輪,Atomico 領投;同時與 section A3(推理基礎設施)交叉參考,因為它的護城河宣稱建立在 kernel 層與矽晶夥伴網路,而非純軟體路由。

今日收穫

過去看 gateway 類產品,預設它們的價值上限是「幫你在幾個 API 供應商之間省錢」——一層薄薄的中介,遲早被模型商自己吃掉。Callosum 的主張把這條線往下拉到 kernel 與矽晶:如果路由決策必須同時懂 workflow 的任務圖、模型的能力邊界、以及每顆晶片的計算輪廓,那這一層就不是薄的,而且晶片世界越碎片化它越厚。差別在於「省錢」是可被壓縮的服務,「跨異質硬體維持 Pareto frontier」是會隨市場複雜度增值的資產。

參考資料