Arago setzt auf lichtbetriebenen Chip JEF: 10-mal weniger KI-Energie, GPU-kompatibel

Arago ist ein fabless Deep-Tech-Startup, das „JEF“ entwickelt, einen multiphysikalischen KI-Inferenzprozessor, der analoge und digitale Elektronik, Siliziumphotonik und Freiraumoptik kombiniert; das Unternehmen behauptet GPU-Leistung bei bis zu 10-mal geringerem Energieverbrauch, während Standard-KI-Frameworks ausgeführt werden.

Licht kann KI-Inferenz mit etwa 10-mal weniger Energie als GPUs leisten – vorausgesetzt, der Chip fügt sich ohne Ökosystem-Umbau in die heutige Software, Fabs und Rechenzentren ein.

26 Mio. USD (22,1 Mio. €) überzeichnete Seed-Runde, co-geführt von Earlybird, Protagonist und Visionaries Tomorrow mit Generative IQ, C4 Ventures und Angels wie Bertrand Serlet, Olivier Pomel (Datadog), Thomas Wolf (Hugging Face) und Jack Abraham; angekündigt am 07.07.2025.

Arago wurde in Paris weniger als ein Jahr vor der Ankündigung im Juli 2025 von Nicolas Muller (CEO) mit Eliott Sarrey und Ambroise Müller gegründet – Physik- und KI-Forscher, die sich in einem Makerspace kennenlernten, wobei Sarrey und Müller an Siliziumphotonik und der Entwicklung von KI-Algorithmen an der ETH Zürich gearbeitet hatten. Sie begannen mit der Top-down-Frage, was nötig ist, um ein Modell sehr effizient zu inferieren, und schrieben dann das Datenblatt für ein Produkt; Muller argumentiert, das Timing sei erst möglich geworden, weil Schlüsselkomponenten und -prozesse etwa ein bis zwei Jahre zuvor ausgereift seien.

Arago baute ein etwa 20-köpfiges Team in Frankreich, Großbritannien, den USA und Israel auf, zur Hälfte im Softwarebereich, und brachte einen JEF-Testchip zum Laufen, der KI-Inferenz für mehrere Modelle auf einer kleinen Karte ausführt. Im Juli 2025 schloss das Unternehmen eine überzeichnete Seed-Runde über 26 Mio. USD ab, co-geführt von Earlybird, Protagonist und Visionaries Tomorrow, mit Generative IQ, C4 Ventures und Angels wie dem ehemaligen Apple-VP Bertrand Serlet, dem Datadog-Mitgründer Olivier Pomel, dem Hugging-Face-Mitgründer Thomas Wolf und dem Exowatt-Mitgründer Jack Abraham; Earlybird nannte die Architektur einen potenziellen „DeepSeek-Moment“ für KI-Chips. Die Runde finanziert die Entwicklung eines Inferenzbeschleunigers für Rechenzentren, mit Edge- und Robotikanwendungen später, und das Team ist fabless und setzt auf ausgereifte Prozesse statt auf eine neue Fertigungslinie.

Inferenzenergie wird zur bindenden Einschränkung für die KI-Skalierung, und Photonen erzeugen weit weniger Wärme als Elektronen – ein physikalischer Vorteil gegenüber GPU-Roadmaps.

Frühere photonische Versuche scheiterten an der Integration, nicht an der Physik; Arago beschränkt die Optik auf bestimmte Stellen und nutzt ausgereifte Siliziumprozesse wieder, um fertigbar zu bleiben.

Drop-in-Kompatibilität ist die Adoptionsstrategie: keine neue Sprache, eine einzeilige Softwareänderung, Standard-Frameworks – das Ökosystem muss sich nicht anpassen.

Die Timing-Behauptung ist überprüfbar: Komponenten wurden erst ein bis zwei Jahre vor der Gründung ausgereift und kosteneffektiv, und das Team brachte innerhalb seines ersten Jahres einen Testchip zum Laufen, der Inferenz ausführt.

Im Deep Tech ist Kompatibilität der Hebel: Das Schwierigste ist nicht die neue Physik, sondern die heutige Software, Fertigung und Bereitstellung – entwirf für das Ökosystem, das existiert, nicht für das, auf das du hoffst.

Stand 02.09.2026 befindet sich Arago in der Entwicklung, ohne kommerzielles Produkt oder angekündigte Kunden, und baut den JEF-Prozessor und den Software-Stack an Standorten in Frankreich, Großbritannien, den USA und Israel auf. Die behaupteten frühen Ergebnisse (GPU-Leistung bei bis zu 10-mal geringerem Energieverbrauch auf Standard-Frameworks) stammen vom Unternehmen und von Investoren und sind noch nicht unabhängig gebenchmarkt. Die offenen Fragen sind, ob ein hybrider photonischer Chip Datenblattleistung, Kosten und Zuverlässigkeit im Rechenzentrumsmaßstab erreichen kann und wie er sich gegen etablierte Anbieter und photonische Rivalen wie Lightmatter schlägt.