A startup de semicondutores Positron garantiu US$ 230 milhões em uma rodada de financiamento Série B, conforme apurado com exclusividade pelo TechCrunch. A empresa planeja usar o capital para acelerar a implementação de seus chips de memória de alta velocidade, um componente essencial para chips usados em cargas de trabalho de IA, segundo fontes familiarizadas com o assunto e que falaram ao TechCrunch.
Entre os investidores desta rodada está a Qatar Investment Authority (QIA), o fundo soberano do país, que tem se concentrado cada vez mais na construção de infraestrutura de IA, disseram as fontes.
A rodada de financiamento Série B da startup sediada em Reno ocorre em um momento em que provedores de hiperescala e empresas de IA pressionam para reduzir sua dependência da líder de longa data, a Nvidia. Entre essas empresas está a OpenAI, que, apesar de ser uma das maiores e mais importantes clientes da Nvidia, estaria insatisfeita com alguns dos chips de IA mais recentes da empresa e busca alternativas desde o ano passado.
Enquanto isso, o Catar, por meio da QIA, tem acelerado um esforço mais amplo em direção à chamada infraestrutura de IA “soberana” – uma prioridade reiteradamente destacada na Web Summit Qatar, em Doha, esta semana. Diversas fontes disseram ao TechCrunch que o país considera a capacidade computacional crucial para se manter competitivo no cenário econômico global e está se posicionando como um importante polo de serviços de IA no Oriente Médio, impulsionando o interesse em startups como a Positron.
A estratégia já está tomando forma por meio de grandes compromissos, incluindo uma joint venture de infraestrutura de IA de US$ 20 bilhões com a Brookfield Asset Management , anunciada em setembro.
A rodada de financiamento da Positron eleva o capital total arrecadado pela startup de três anos para pouco mais de US$ 300 milhões. A startup já havia captado US$ 75 milhões no ano passado de investidores como Valor Equity Partners, Atreides Management, DFJ Growth, Flume Ventures e Resilience Reserve.
A Positron está focada em inferência – o poder computacional necessário para executar modelos de IA em aplicações do mundo real – em vez de treinar grandes modelos de linguagem, posicionando a empresa em um momento de crescente demanda por hardware de inferência, à medida que as empresas mudam o foco da criação de grandes modelos para a sua implementação em larga escala.
________
