Positron ataca a Nvidia onde as GPUs desperdiçam memória e levanta US$ 230 milhões antes de seu ASIC ficar pronto

A Positron AI constrói hardware e software energeticamente eficientes para executar modelos de IA, vendendo um appliance de inferência chamado Atlas que se conecta a data centers em nuvem ou on-premise.

Aposta que o hardware vencedor de inferência vem de explorar a largura de banda e a capacidade de memória, não de superar a Nvidia em FLOPS, e que as FPGAs poderiam provar isso antes de um ASIC.

US$ 23,5 milhões em seed até o início de 2025, depois uma Série A de US$ 75 milhões em junho de 2025, e então uma Série B de US$ 230 milhões a mais de US$ 1 bilhão post-money em fevereiro de 2026 — pouco mais de US$ 300 milhões no total (TechCrunch; Business Wire).

Thomas Sohmers e Edward Kmett, ambos ex-integrantes da startup de inferência Groq, fundaram a Positron em abril de 2023 com base em uma observação: a inferência de transformers é limitada pela largura de banda e pela capacidade de memória, não pelo poder de computação, e as arquiteturas de GPU desperdiçam a maior parte de ambas. Eles escolheram FPGAs para poder iterar com clientes pagantes antes de se comprometer com um ASIC.

O Atlas começou a ser enviado no verão de 2024, e a EE Times noticiou as primeiras entregas de um pedido de vários milhões de dólares em fevereiro de 2025. A Positron levantou uma Série A de US$ 75 milhões em junho de 2025 e começou a projetar o Asimov, seu próprio silício customizado. Em 4 de fevereiro de 2026, anunciou uma Série B de US$ 230 milhões a uma avaliação superior a US$ 1 bilhão, coliderada por ARENA Private Wealth, Jump Trading e Unless, com a entrada de QIA, Arm e Helena e a participação dos investidores existentes Valor Equity Partners, Atreides Management e DFJ Growth.

Em fevereiro de 2026, a Positron está vendendo sistemas Atlas fabricados nos EUA enquanto corre para tape-out do Asimov até o final de 2026 e chegar à produção no início de 2027 — uma aposta de que um chip memory-first pode superar o Rubin da Nvidia em tokens por watt e desempenho por dólar.

A inferência de transformers é limitada pela memória: as GPUs sustentam menos de 30% de sua largura de banda de memória teórica nela, enquanto o design em FPGA da Positron sustenta 93% em diferentes casos de uso (EE Times).

As FPGAs permitem que a startup prove a demanda a baixo custo — o Atlas foi enviado a clientes de nuvem pagantes antes de a Positron comprometer os anos e o capital que um ASIC exige (EE Times).

Um cliente virou a prova: a Jump Trading mediu latência ponta a ponta cerca de 3x menor do que um sistema H100 em suas cargas de trabalho, e depois passou a coliderar a rodada (Business Wire).

A energia é o próximo gargalo na implantação de IA, e o Atlas alega desempenho da classe H100 com menos de um terço da potência, de modo que os compradores de inferência têm motivo para trocar (TechCrunch).

Atacar os incumbentes onde eles são fracos: a Positron mirou a largura de banda de memória, onde as GPUs desperdiçam a maior parte da capacidade, e conquistou clientes pagantes antes de seu próprio ASIC existir.

Após o anúncio de 4 de fevereiro de 2026, a Positron disse que o Atlas estava sendo enviado a clientes de ponta em nuvem e computação avançada e que esperava tração comercial em larga escala em cerca de 2,5 anos após o lançamento. O próximo teste é o Asimov: tape-out previsto para o final de 2026 e produção no início de 2027, com 2 TB de memória por acelerador e 8 TB por sistema Titan, com capacidade de memória em escala de rack acima de 100 TB. No início de fevereiro de 2026, nada havia passado por tape-out — a avaliação de US$ 1 bilhão se apoia na tração de vendas do Atlas e no benchmark do lado do cliente feito pela Jump Trading, não em silício Asimov em mãos.