Sparxity, ein in Dresden ansässiger Entwickler von „sparse‑native“ KI‑Hardware und Racks, gab bekannt, eine Serie‑A geschlossen zu haben, die die kumulative Finanzierung des Teams auf 90 Millionen US‑Dollar erhöht. Das Unternehmen teilte mit, die Runde sei vom ICM HPQC Fund angeführt worden und habe strategische Investoren wie Lockheed Martin Ventures, GlobalFoundries und den EIC Fund umfasst. Die Mitteilung bei Business Wire, die die Ankündigung veröffentlichte, verwies außerdem auf eine separate Kooperation mit der Deutschen Telekom‑Tochter T‑Systems, um Sparxity‑Hardware in die KI‑Rechenzentrumsinfrastruktur des Netzbetreibers zu integrieren und zu validieren.

Deal und Finanzierung

Das Unternehmen – früher bekannt als SpiNNcloud – beschrieb die Serie‑A als Beschleuniger für die Entwicklung von Chips und Systemen, die für feingranulare dynamische Sparsität ausgelegt sind, einen Ansatz, der darauf abzielt, den Rechen‑ und Energiebedarf zahlreicher KI‑Inference‑Workloads zu reduzieren. Sparxity und sein Pressematerial nannten technische Vorteile aus früheren Einsätzen, darunter Behauptungen über eine 10× schnellere Ausführung sparsamer Solver und bis zu 18× geringeren Energiebedarf für bestimmte ereignisbasierte Machine‑Learning‑Workloads.

Neben der Finanzierungsankündigung erklärte Sparxity, es bestehe ein Letter of Intent beziehungsweise eine Partnerschaft mit T‑Systems/Deutsche Telekom, um an der Integration seiner Hardware in die sogenannte AI‑Factory des Betreibers in München zu arbeiten; erste Einsatzarbeiten sind für 2028 geplant. Führungskräfte von T‑Systems wurden mit der Aussage zitiert, man freue sich, Sparxity „bald in unserer AI‑Factory an Bord zu haben.“ Die Kooperation wird als Teil einer breiteren Initiative präsentiert, energieeffiziente, souveräne KI‑Infrastruktur in Deutschland und Europa aufzubauen.

Technische Behauptungen und nächste Schritte

Sparxity hat bereits Beispiele für Rack‑Scale‑Bereitstellungen veröffentlicht: Das Unternehmen beschrieb eine mehrere Millionen Dollar teure Installation im Jülich Supercomputing Centre und erklärte, seine Systeme seien für HPC‑ und sparse‑AI‑Inference‑Workloads gedacht. Die Website von Sparxity und das Business‑Wire‑Material geben an, das Unternehmen habe mehrere Tapeouts produziert und Racks in Europa und den USA bereitgestellt, wodurch sich das Geschäft als Full‑Stack‑Anbieter von Silizium bis zur Software positioniere.

Was das für den Markt bedeutet

Für die europäische Automobil‑ und Zulieferindustrie unterstreicht die Ankündigung zwei verbundene Trends. Erstens steigt die Nachfrage nach spezialisierter KI‑Rechenleistung, da Automobilhersteller und Tier‑1‑Zulieferer größere, leistungsfähigere ADAS‑, Autonomie‑ und In‑Car‑KI‑Anwendungen erproben, die latenzarme Inferenz und erhebliche lokale Verarbeitung erfordern. Zweitens zeigen OEMs und Flottenbetreiber Interesse daran, den Energie‑ und Betriebsaufwand für KI‑Workloads zu senken und europäische Rechenketten zu sichern, statt sich allein auf US‑ oder asiatische Hyperscaler zu verlassen.

Konkret könnte ein lokaler Rechenleistungsanbieter, der große Energie‑ und Durchsatzgewinne behauptet, Fahrzeugherstellern helfen, mehr ihrer Entwicklungs‑ und Validierungs‑Workloads auf europäischer Infrastruktur auszuführen oder On‑Premise‑Modellbereitstellung für Produktionssysteme wie fortgeschrittene Perception‑Stacks oder Cockpit‑LLMs zu unterstützen. Die Partnerschaft mit T‑Systems signalisiert, dass Telekommunikationsanbieter und Systemintegratoren Rechenzentrumskapazitäten und Dienstleistungen positionieren, um mehr Automotive‑KI‑Workloads zu hosten – eine Option, die für OEMs attraktiv sein kann, die Datensouveränität und geringere Latenz für Simulation, Kartenaufbau oder Fleet‑Telematik anstreben.

Das heißt aber auch: Die von Sparxity propagierte Technologie – sparse‑native Chips und Systeme – benötigt unabhängige Benchmarks und Produktionsreife, bevor große Automobilhersteller kritische Workloads darauf verlagern. Automotive‑Anwendungsfälle stellen lange Produktlebenszyklen, funktionale Sicherheitsanforderungen und Zertifizierungsanforderungen, die nicht identisch sind mit HPC‑ oder Cloud‑Inference‑Workloads. Integrationen mit Betreibern wie T‑Systems und Einsätze in Forschungszentren wie Jülich sind sinnvolle frühe Schritte, aber kein Abkürzungsweg zur Automotive‑Qualifikation.

WorldTrader24 B2B-Fahrzeugmarkt für Händler →

Quellen: Business Wire, TelecomTV

Partner‑Hinweis: EastAutoNews Technologiepartner DaVinci AI entwickelt KI‑Lösungen für die gesamte Automobilbranche – von Markt‑ und Händleranalysen bis zu autonomen KI‑Agenten sowie Bild‑ und Videoproduktion.