100 triệu USD: Callosum dùng hạ tầng suy luận Cerebras($CBRS)

Callosum công bố vòng gọi vốn hạt giống 100 triệu USD và đưa Cerebras Systems($CBRS) trở thành đối tác điện toán toàn cầu. Trọng tâm là chiến lược “Tailored Inference” (suy luận tùy chỉnh) — phân bổ mô hình và chip theo tính chất từng tác vụ AI trong tài chính, bảo mật và doanh nghiệp.

Trong thông báo ngày 20, Callosum cho biết Atomico dẫn dắt vòng gọi vốn, cùng sự tham gia của Plural, DCVC và quỹ AI chủ quyền của Anh với tư cách nhà đầu tư chính. Công ty mô tả hợp tác với Cerebras là “quan hệ đối tác đại diện nhằm mang lại trí tuệ đa tác nhân dị thể, độ trễ cực thấp cho khách hàng ở quy mô lớn”.

Sự hợp tác này là nỗ lực thoát khỏi cách xử lý toàn bộ tác vụ AI bằng một mô hình và một cụm GPU duy nhất. Callosum đưa ra cấu trúc trong đó những quyết định đòi hỏi độ trễ thấp nhất sẽ dùng suy luận wafer-scale của Cerebras, còn các tác vụ ưu tiên chi phí sẽ dùng tổ hợp GPU bất đồng bộ kết hợp với mô hình khác.

Tailored Inference là cách định tuyến đường suy luận khác nhau tùy theo tính chất công việc. Logic đưa ra là khi mô hình ngôn ngữ lớn được gắn vào vận hành thực tế, vấn đề không chỉ nằm ở độ chính xác mà còn ở độ trễ phản hồi, chi phí mỗi lượt gọi và độ ổn định vận hành, nên khó dùng chung một hạ tầng cho mọi yêu cầu.

Trong tài liệu về Tailored Inference, Callosum cho biết cấu hình dựa trên Cerebras xử lý các quyết định nhạy cảm với độ trễ trong 0,28 giây, còn cấu hình cân bằng mất 0,53 giây với chi phí 0,34 USD mỗi lượt. Công ty dựa vào các số liệu này để cho rằng đây là tổ hợp chi phí - tốc độ có thể áp dụng giám sát thời gian thực cho mọi lượt gọi.

Tuy nhiên, đây là số liệu benchmark do chính Callosum công bố, chưa đi kèm kết quả xác minh độc lập hay cơ cấu chi phí thực tế theo từng khách hàng. Hiệu quả khi triển khai thực tế vì vậy có thể khác nhau tùy tác vụ áp dụng và quy mô gọi.

Một trường hợp ứng dụng trong tự động hóa tài chính cũng được công bố. Callosum cho biết trong tác vụ trích xuất hóa đơn và biên lai của Round Treasury, thời gian xử lý trung bình giảm từ 15,9 giây xuống còn 2,1 giây, và với các trường hợp phức tạp, tốc độ có thể nhanh hơn tới 20 lần.

Hayyaan Ahmad, đồng sáng lập Round Treasury, nói “chứng từ giờ được nhập thẳng lên bảng điều khiển theo thời gian thực, thay vì xử lý ngầm ở hậu trường”. Đây là cách gắn suy luận độ trễ thấp vào công việc xử lý chứng từ lặp đi lặp lại của bộ phận tài chính.

Cerebras cũng xem dịch vụ tài chính là lĩnh vực ứng dụng chính của AI độ trễ thấp. Trên trang dịch vụ tài chính của mình, Cerebras giải thích AI có thể được dùng trong dự báo tài chính, phát hiện gian lận, dịch vụ khách hàng, giao dịch và quản lý theo thuật toán, đồng thời nhấn mạnh tầm quan trọng của dữ liệu quy mô lớn và độ trễ thấp.

Xu hướng mở rộng hạ tầng suy luận của Cerebras từng thể hiện qua hợp tác với AMD($AMD) trước đó. Cerebras và AMD công bố hợp tác kỹ thuật ngày 23 tháng 7, cho biết sẽ kết hợp AMD Helios với Wafer-Scale Engine của Cerebras thành một quy trình suy luận phân tách duy nhất.

Hai công ty cho biết cấu hình này sẽ được cung cấp trước tiên trên Cerebras Cloud vào nửa cuối năm 2026. Việc Callosum công bố lần này gắn liền với xu hướng Cerebras được dùng như hạ tầng suy luận theo mô hình đối tác, chứ không chỉ cung cấp phần cứng đơn lẻ.

Với độc giả quan tâm đến AI, sự kiện lần này ít mang tính biến động giá tiền mã hóa mà thiên về thay đổi trong cơ cấu chi phí hạ tầng AI.

Việc công bố lần này là diễn biến tiếp theo cho thấy nguồn vốn huy động được kết nối với hạ tầng suy luận của Cerebras như thế nào. Điện toán dị thể là cách kết hợp nhiều loại thiết bị tính toán có cấu trúc khác nhau — GPU, chip AI chuyên dụng, chip tự phát triển của nhà cung cấp đám mây — theo đặc tính của từng tác vụ.

Các số liệu và trường hợp ứng dụng hiện có đều dựa trên tài liệu do Callosum công bố. Trong danh sách thông cáo báo chí chính thức, Cerebras chưa có thông báo riêng nhắc đến Callosum, còn chi phí triển khai thực tế và hiệu năng được xác minh độc lập vẫn cần thêm thông tin công bố.