Callosum kaasas 100 miljonit dollarit mudelite ja kiipide orkestreerimiseks

01Lühidalt

• Londonis asuv Callosum kaasas Atomico juhitud seemnevoorus 100 miljonit dollarit; osalesid Plural, DCVC, Ühendkuningriigi Sovereign AI Fund ja teised investorid.
• Callosumi platvorm jagab AI-töö väiksemateks osadeks ning otsib igale osale mudeli ja kiibi kombinatsiooni, mis vastab hinna-, kiiruse-, energiakulu- ja kvaliteedinõuetele.
• Ettevõte lubab vähendada sõltuvust ühest pilve-, mudeli- või kiibitarnijast, kuid klient võtab asemele uue orkestreerimiskihi, mille töökindlust ja vahetatavust tuleb eraldi hinnata.
• Rahastus ja investorid on sõltumatult kinnitatud; Callosumi avaldatud kiiruse- ja kuluvõidud pärinevad ettevõtte ning partnerite juhtumitest, mitte sõltumatust laiapõhjalisest võrdlustestist.

Briti AI-taristu idufirma Callosum teatas 20. augustil 2026 saja miljoni dollari suurusest seemnevoorust. Vooru juhtis Atomico ning selles osalesid Plural, DCVC ja Ühendkuningriigi 500 miljoni naela suurune Sovereign AI Fund. Bloomberg ja Sifted kinnitasid rahastuse, kuid ettevõte ei avaldanud vooru järel oma väärtust.

Callosum ei ehita uut üldotstarbelist keelemudelit ega üht järjekordset kiipi. Ettevõtte eesmärk on luua vahekiht, mis jagab keeruka AI-töö komponentideks ning valib iga komponendi jaoks sobiva mudeli, algoritmi ja riistvara. Sama töövoo üks etapp võib joosta Cerebrase vahvelkiibil, teine tavalisel GPU-l ja kolmas üldse deterministliku programmikoodina.

See idee muutub tähtsamaks, kui agenttöö koosneb tuhandetest mudeli- ja tööriistakutsetest. Kõige võimsama mudeli kasutamine igal sammul võib olla mugav, kuid kallis ja aeglane. Samas lisab automaatne ruuter oma otsused, mõõdikud ja sõltuvused. Buildrya lugeja jaoks pole põhiküsimus seega ainult „kui palju odavam?“, vaid ka „kes kontrollib valikut ja kas seda saab hiljem taastada?“.

02Mudeliruuterist saab ka riistvararuuter

Tavapärane mudeliruuter valib päringu põhjal näiteks väikese odava mudeli ja suurema võimeka mudeli vahel. Callosum laiendab valiku mudeli alla: sama mudel võib eri kiipidel anda väga erineva latentsuse, läbilaske, energiakulu ja hinna. Platvormi nimetatud „programmeeritav heterogeensus“ optimeerib mõlemat kihti korraga.

Callosumi kirjelduse järgi muudetakse töövoo etapid eraldi plokkideks. Lihtne andmete filtreerimine võib jääda tavakoodile, sisuline otsus väiksemale mudelile ja kõige raskem järeldus frontier-mudelile. Seejärel valitakse igale mudelikõnele riistvara vastavalt konteksti pikkusele, latentsuspiirile, maksumusele ja asukohale.

Selline jaotus on tehniliselt usutav, kuid optimeerimise eesmärgid võivad konflikti minna. Odavaim variant ei pruugi olla kõige energiatõhusam; kiireim kiip võib asuda vales piirkonnas või vajada andmete liigutamist; parem kvaliteet võib suurendada latentsust. Ruuter peab tegema need kompromissid nähtavaks, mitte peitma neid ühe koondskoori taha.

03Väiksem tarnijalukk võib tekitada uue vahendajaluku

Callosum positsioneerib end sõltumatu kihina mudelite, pilvede ja kiibitootjate vahel. Teoreetiliselt saab klient vältida olukorda, kus kogu inference sõltub Nvidia GPU-dest, ühe pilve hinnakirjast või ühe mudelipakkuja API-st. Uue kiibi või mudeli lisamisel võib ruuter selle sobivasse tööossa paigutada ilma kogu rakendust ümber kirjutamata.

Praktikas võib orkestreerija ise muutuda kriitiliseks sõltuvuseks. Kui töövoo jaotus, hindamismudelid, riistvaraprofiilid ning marsruutimisreeglid on Callosumi omandiline teadmus, ei pruugi klient saada neid teise teenusesse üle viia. Väljapääsuplaan peab hõlmama mitte ainult andmete eksporti, vaid ka töövoograafi, mudelivalikute põhjendusi, mõõdikuid ja varukonfiguratsiooni.

Mitme tarnija kasutamine suurendab ka rikke- ja vastutuspinda. Ühe päringu tulemus võib läbida mitu piirkonda ja teenust, mille logid, andmesäilitus ja teenustasemed erinevad. Turva- või kvaliteedivea korral peab klient suutma tuvastada, milline mudel, versioon, kiip ja konfiguratsioon iga vahetulemuse lõi.

04Avaldatud jõudlusnumbrid on head hüpoteesid, mitte turustandard

Callosum avaldas koos vooruga mitu partnerjuhtumit. HelmGuardi agenditurbe näites väitis ettevõte, et üks konfiguratsioon oli monoliitsest suletud mudeli lahendusest 77 korda odavam ning teine andis reaalajas otsuse kümme korda kiiremini. Round Treasury dokumenditöötluses langes keskmine aeg väidetavalt 15,9 sekundilt 2,1 sekundile.

Need tulemused näitavad, mida töövoo lagundamisega võib saavutada, kuid võrdlustestid on Callosumi enda avaldatud ja partneritega koostatud. Avalik kirjeldus ei anna veel universaalset pilti andmekogumitest, kvaliteedilävenditest, kõikidest kuludest ega sellest, kui palju inseneritööd optimaalse graafi leidmine nõudis.

Ettevõte peab tõestama, et võit säilib väljaspool valitud juhtumeid ja mudelite uuendamisel. Ruuter võib täna leida optimaalse kombinatsiooni, kuid uus mudeliversioon, hinnamuutus või riistvara järjekord muudab tulemuse. Vajalik on pidev ümberhindamine koos regressioonitestidega, mitte ühekordne benchmark.

05Euroopa suveräänsus ei võrdu ainult Euroopa kiibiga

Sovereign AI Fund nimetas Callosumit oma esimeseks investeeringuks. Fondi põhjendus on, et heterogeense taristu orkestreerimine aitab kasutada erinevaid kiipe ja vähendada ühe tarnija mõju. Callosum on nimetatud ka Ühendkuningriigi 1,1 miljardi naela AI-riistvaraplaanis ning teatas partnerlustest Cerebrase ja Lõuna-Korea Rebellionsiga.

See on suveräänsuse praktilisem definitsioon kui nõue, et kõik komponendid oleksid kodumaised. Riik või ettevõte võib hoida võimalust vahetada riistvara vastavalt kättesaadavusele, hinnale või poliitikale. Kuid tegelik suveräänsus eeldab, et marsruutimisreeglid, võtmed, logid ja töökoormuse andmed jäävad tellija kontrolli alla.

Eesti organisatsioonile võib selline kiht olla mõistlik suure ja pideva inference’i mahu korral. Väikese kasutuse puhul võivad orkestreerimise integratsioonikulu, kvaliteeditestid ja mitme tarnija lepingud säästu ära süüa. Otsus peaks põhinema tegelikul töökoormusel, mitte üksikul protsendil või turunduslikul kiirusnumbril.

06Viis küsimust enne mitme tarnija orkestreerimist

1. Millise kvaliteedimõõdiku ja vea hinna järgi ruuter mudeli valib ning kes lävendi kinnitab?
2. Kas iga tulemuse juures säilib mudeli, versiooni, riistvara, piirkonna, hinna ja marsruutimisotsuse logi?
3. Kuidas käitub süsteem, kui odavaim mudel või kiip pole saadaval, muutub või annab regressiooni?
4. Kas töövoograafi ja poliitikad saab eksportida ning ilma Callosumita varukeskkonnas käivitada?
5. Kas mõõdetud sääst sisaldab andmeliiklust, järjekordi, testimist, inseneritööd ja kõigi pakkujate miinimumtasusid?

07Korduma kippuvad küsimused

Kui palju Callosum kaasas?

Callosum kaasas 100 miljonit dollarit seemnevoorus, mida juhtis Atomico. Osalesid Plural, DCVC, UK Sovereign AI Fund ja teised investorid.

Mida Callosum ehitab?

Ettevõte ehitab Tailored Inference’i platvormi, mis jagab AI-töö väiksemateks ülesanneteks ning valib neile mudeli, algoritmi ja riistvara vastavalt kvaliteedi, hinna, kiiruse ning energiakulu piirangutele.

Kas see on sama mis tavaline mudeliruuter?

Mitte päris. Callosum valib lisaks mudelile ka selle täitmiseks sobiva kiibi või muu arvutusviisi ning võib ühe töövoo eri osad eri kombinatsioonidele jagada.

Kas Callosumi jõudlusväited on sõltumatult tõestatud?

Mitte laiapõhjaliselt. Avaldatud numbrid pärinevad ettevõtte ja tema partnerite juhtumitest. Need vajavad sõltumatut kordamist võrreldavate kvaliteedi-, kulu- ja latentsusreeglitega.

Miks investeeris Ühendkuningriigi Sovereign AI Fund?

Fondi järgi aitab heterogeense arvutuse orkestreerimine kasutada erinevaid kiibiarhitektuure ja vähendada sõltuvust ühest tarnijast. Callosum oli fondi esimene investeering.

Kas mitme tarnija kasutamine eemaldab tarnijaluku?

See võib vähendada mudeli-, pilve- ja kiibitarnija lukku, kuid tekitada sõltuvuse orkestreerijast. Klient vajab eksporditavat töövoogu, otsuseloge ja testitud varuteed.

Millal on selline platvorm mõistlik?

Kõige tõenäolisemalt suure, korduva ja mitmeastmelise inference’i mahu puhul, kus hinna või latentsuse erinevus tasub ära integratsiooni ja pideva kvaliteeditesti kulu.