AI-инфраструктура Cornelis получила $205 млн, чтобы атаковать не сами GPU Nvidia, а менее заметное место в AI-кластерах — сеть между чипами. Для разработчиков и компаний, которые считают стоимость обучения и инференса не в презентациях, а в счетах за железо и облако, это важный сигнал: борьба за рынок AI-инфраструктуры уходит глубже стека.
Раунд возглавила IAG Capital Partners, сообщает TechCrunch. Вместе с финансированием Cornelis представила продукт Active Compute Fabric — сетевую технологию для AI-чипов, которая нацелена на проблему простоя GPU: значительная часть времени ускорители ждут, пока к ним приедут данные. В мире, где дефицитные GPU покупают пачками, а потом выясняют, что часть времени они скучают у виртуального окна, это не мелкая оптимизация, а потенциально деньги на столе.
Cornelis делает сетевую ткань, которая помогает AI-чипам эффективнее обмениваться данными. Идея Active Compute Fabric в том, чтобы чипы могли обрабатывать и передавать информацию одновременно, а не выстраивать вычисления и сетевой обмен в очередь. Компания уже начала поставки продукта и работает над новым поколением, выпуск которого ожидается позднее в 2026 году. Других деталей о характеристиках, клиентах или оценке бизнеса в источнике нет, так что здесь лучше без гадания на стойках дата-центра.
История Cornelis интересна еще и происхождением: компания отделилась от Intel в 2020 году. Сейчас она пытается занять место в растущей группе игроков, которые не обещают «убить Nvidia», а разбирают ее доминирование по слоям. Одни стартапы идут в альтернативные ускорители, другие — в память, охлаждение, компиляторы, облачные сервисы или оптимизацию моделей. Cornelis выбрала сеть: скучный на вид компонент, без которого дорогие GPU превращаются в очень горячие и очень дорогие точки ожидания.
Главная ставка Cornelis — открытая архитектура. Клиенты, по замыслу компании, смогут использовать ее сетевую ткань с разными GPU и ускорителями, а не только с одним поставщиком железа. Это прямой контраст с подходом Nvidia, где ценность не ограничивается чипами: компания продает полный стек, от GPU до сетевых решений и программного слоя. Формально чипы Nvidia могут работать и с другими сетевыми технологиями, но оптимизация под собственное ПО и инфраструктуру делает полный стек Nvidia самым простым выбором для многих заказчиков.
Для бизнеса это классическая развилка между удобством и зависимостью. Полный стек Nvidia снижает боль интеграции: меньше точек несовместимости, понятнее поддержка, быстрее путь от закупки к рабочему кластеру. Открытая архитектура, которую продвигает AI-инфраструктура Cornelis, обещает другую выгоду — больше гибкости при выборе ускорителей и меньше риска оказаться запертым в одной экосистеме. Особенно это важно для компаний, которые строят собственные AI-кластеры, планируют долгий жизненный цикл инфраструктуры или хотят смешивать разные типы ускорителей под разные нагрузки.
Для разработчиков и ML-инженеров такие новости выглядят менее эффектно, чем анонс новой модели, но влияют на повседневную реальность сильнее, чем кажется. Если сеть между ускорителями становится узким местом, страдают обучение больших моделей, распределенный инференс, пайплайны с большим объемом данных и любые задачи, где ускорители должны часто синхронизироваться. Ускорить математику мало: надо еще доставить данные туда, где эта математика происходит. Иначе самый мощный GPU превращается в дорогого сотрудника, которому забыли выдать задачу.
Для рынка это еще один признак взросления AI-инфраструктуры. В 2023–2025 годах публичный разговор часто сводился к тому, кто достал больше GPU и по какой цене. Теперь внимание смещается к эффективности кластера: загрузке ускорителей, сети, памяти, энергопотреблению, совместимости и стоимости владения. Это менее глянцевая часть AI-гонки, зато именно там компании могут получить реальные проценты производительности без закупки очередной партии железа.
Раунд на $205 млн не делает Cornelis гарантированным победителем, но показывает аппетит инвесторов к инфраструктурным ставкам вокруг Nvidia. Доминирование Nvidia держится не только на лучших чипах, а на удобстве полного стека. Поэтому самый интересный вопрос на ближайший год звучит практично: смогут ли открытые сетевые решения вроде Active Compute Fabric дать заказчикам достаточно выгоды, чтобы те согласились на более сложную, но менее закрытую AI-инфраструктуру.