Beobachtetes Signal · 25. Juni 2026 · Technical Release · Quelle: techcrunch · Relevanz: 3/5 · Sentiment: Positiv
Ex-Databricks-KI-Chef verspricht 1.000-fache Senkung des Stromverbrauchs durch Oszillator-Chips
Naveen Rao, der ehemalige Leiter für Künstliche Intelligenz bei Databricks, leitet das Startup Unconventional AI. Das Unternehmen entwickelt eine neue Compute-Architektur auf Basis von Oszillatoren, um den Energiebedarf bei der KI-Inferenz drastisch zu senken. Nun hat das Team ein Whitepaper sowie sein erstes Modell veröffentlicht: Un-0, ein Bildgenerierungssystem, das auf einer Software-Simulation dieser Oszillator-Chips läuft und laut Angaben auf dem Niveau modernster Diffusion-Modelle agiert. Langfristiges Ziel ist es, Inferenz-Rechenleistung mit rund einem Tausendstel des Energieverbrauchs herkömmlicher Systeme bereitzustellen. Hierzu plant Unconventional AI die Veröffentlichung von Bauplänen für einen physischen Chip sowie den Aufbau eines vollständigen Inference-Stacks. Das Unternehmen ist mit unter 50 Mitarbeitern noch klein, und ein Großteil der Hardware- und Infrastruktur befindet sich in der Entwicklung.
Diese Ankündigung stellt eine neuartige Oszillator-Architektur und ein simuliertes Modell (Un-0) vor, die bei erfolgreicher Validierung und Skalierung die KI-Infrastruktur und Inferenzkosten fundamental verändern könnten, sich jedoch aktuell noch in einem sehr frühen und hardwareseitig unbewiesenen Stadium befinden.
Marktsignale zu Databricks in Echtzeit verfolgen
Polaris7 erfasst behördliche Registrierungen, Primärquellen, Führungswechsel und Deal-Aktivitäten rund um die Uhr. Erstellen Sie Ihren kostenlosen Explorer-Workspace, um automatisierte Executive Briefings zu erhalten.
Wichtigste Kernpunkte & Evidenz
- Naveen Rao, ehemaliger KI-Chef bei Databricks, leitet das Startup Unconventional AI.
- Unconventional AI hat mit Un-0 ein erstes Bildgenerierungsmodell auf Basis einer Software-Simulation von Oszillator-Chips vorgestellt.
- Dem veröffentlichten Paper zufolge erzielt Un-0 vergleichbare Ergebnisse wie State-of-the-Art Diffusion-Modelle.
- Das Unternehmen plant die Veröffentlichung von Bauplänen für einen physischen Oszillator-Chip sowie die Entwicklung eines ganzheitlichen Ininference-Stacks.
- Mit weniger als 50 Mitarbeitern strebt das Startup an, den Energieverbrauch bei der Inferenz durch Oszillator-Computing um das bis zu 1.000-fache zu reduzieren.
Verknüpfte Unternehmen
3 verknüpfte Unternehmen“Led by Naveen Rao, formerly the head of AI at Databricks, Unconventional AI promises to make inference processing vastly more power efficien...”
“The output from the new Un-0 model is similar to that of image-generation models like Stable Diffusion or OpenAI’s GPT Image 1....”
““This is the ‘hello world’ of a new kind of computer,” Rao told TechCrunch....”
Ontologie & Marktkonzepte
Verwandte Marktsignale & Trends
Aktuelle verifizierte Unternehmensentwicklungen und Deal-Aktivitäten in diesem Marktsegment.
OpenAIs Jalapeño-Chip zeigt branchenführende Effizienz bei AI Inference
OpenAI hat mit Jalapeño seinen ersten eigenen Inference-ASIC und eine rack-skalierbare Plattform vorgestellt, die gemeinsam mit Broadcom und Celestica entwickelt wurde. Die Muster (A0-Stepping) nutzen den TSMC N3P-Prozess, MXFP-Zahlenformate und HBM4 mit einer Bandbreite von 15,4 TB/s pro Package bei einer TDP von rund 700 W. Die Architektur hält den KV-Cache lokal, vereinfacht das On-Node-Fabric und skaliert auf bis zu 2.048 XPUs. Erste Benchmarks von OpenAI und SemiAnalysis zeigen erhebliche Leistungs- und Latenzvorteile gegenüber Nvidia GB300, allerdings stehen unabhängige Verifikationen noch aus. Eine Kleinserienfertigung ist für Ende 2026 geplant, gefolgt von einem breiteren Rollout im Jahr 2027. OpenAI verfolgt damit eine Multi-Vendor-Strategie, während Produktionsökonomie und Skalierbarkeit sich erst noch beweisen müssen.
OpenAI präsentiert ersten eigenen Inference-Chip mit Broadcom
OpenAI hat mit dem gemeinsam mit Broadcom entwickelten Jalapeño seinen ersten maßgeschneiderten Inference-Prozessor vorgestellt. Der Chip wurde speziell für Inference-Workloads konzipiert; laut OpenAI belegen frühe Tests eine deutlich bessere Performance-per-Watt im Vergleich zu gängigen Alternativen. Bei der Entwicklung setzte das Unternehmen demnach auf die Unterstützung eigener KI-Modelle. Die bereits im Oktober angekündigte Partnerschaft gilt als strategischer Schritt, um die Abhängigkeit von Nvidia GPUs bei der Inferenz zu verringern, während rechenintensivere Aufgaben wie das Pre-Training voraussichtlich weiterhin auf bestehender GPU-Hardware laufen. OpenAI positioniert den neuen Chip als Teil einer umfassenderen Strategie zur Optimierung des gesamten Stacks – von der Chip-Architektur bis hin zu Deployment-Systemen –, um den Betrieb von KI-Modellen schneller, zuverlässiger und kostengünstiger zu gestalten.
Etched entwickelt spezialisierte Hardware für KI-Inference
Laut einem a16z-Meinungsbeitrag entwickelt sich KI-Inference zum größten und stabilsten Computing-Workload, was spezialisierte Hardware gegenüber universellen GPUs begünstigt. Im Fokus steht das Startup Etched, gegründet von Gavin Uberti, Robert Wachen und Chris Zhu. Das Unternehmen entwickelt Full-Stack-Inferenzsysteme (Chips, Boards, Interconnects, Racks), die durch „Low-Voltage Inference“ und „Cluster-Scale Memory“ auf maximale Tokens-per-Watt optimiert sind. Etched hat seinen ersten Produktionschip im N4P-Verfahren von TSMC erfolgreich auf Anhieb gefertigt (First-Pass Silicon), über 400 Ingenieure führender Hardware-Konzerne rekrutiert und plant, erste Racks im Sommer an Kunden auszuliefern. a16z gab zudem eine Partnerschaft mit Etched bekannt.
Marktsignale & Strategische Shifts in Echtzeit verfolgen
Erstellen Sie benutzerdefinierte Watchlists, um automatisierte, evidenzbasierte Executive Briefings zu erhalten, sobald wesentliche Signale oder Marktverschiebungen auftreten.