AI-startupen Gimlet Labs har fått 800 miljoner kr för att snabba upp AI-system upp till 10 gånger genom att optimera hårdvaruanvändningen. En lösning på AI:s flaskhalsar.
AI-startupen Gimlet Labs har säkrat en Series A-runda på hela 80 miljoner dollar, motsvarande cirka 800 miljoner svenska kronor, ledd av Menlo Ventures. Bakom bolaget står bland annat adjungerad professor Zain Asgar, en erfaren entreprenör. Företaget har utvecklat en banbrytande mjukvara som de kallar "multi-silicon inference cloud". Denna teknik adresserar en av AI-branschens största utmaningar: flaskhalsen för AI-inferens, genom att möjliggöra att AI-arbetsflöden kan köras simultant över olika typer av hårdvara.
Gimlet Labs mjukvara är utformad för att köra AI-applikationer över en rad olika hårdvaruplattformar, inklusive traditionella CPU:er, AI-optimerade GPU:er och system med högminne. "Vi kör i princip över all tillgänglig hårdvara", har Zain Asgar tidigare sagt till TechCrunch. Denna flexibilitet är avgörande för att maximera utnyttjandet av befintliga resurser.
Behovet av denna typ av lösning är enormt. Ledande investeraren Tim Tully från Menlo Ventures förklarar att en AI-agent ofta kräver flera steg, där varje steg "kräver olika hårdvara: inferens är beräkningsintensivt; avkodning är minnesintensivt; och verktygsanrop är nätverksintensiva". Eftersom ingen enskild chip kan hantera alla dessa behov optimalt, erbjuder Gimlet Labs mjukvara en kritisk pusselbit. Se Gimlet Labs blogg för mer info om AI Infrastructure för Agentic Era.
Enligt Dylan Patel, grundare av SemiAnalysis, är de tre stora flaskhalsarna för att skala AI-beräkningar logik, minne och ström. Mer information finns i Dwarkesh Podcast med Dylan Patel. Detta matchar Gimlet Labs fokus på att optimera användningen av befintlig hårdvara och därmed kringgå dessa begränsningar. Företaget hävdar att deras plattform tillförlitligt snabbar upp AI-inferensen med 3 till 10 gånger, till samma kostnad och energiförbrukning. Detta uppnås genom att automatiskt dela upp och tilldela de mest lämpliga acceleratorerna för varje del av arbetsbördan, som beräkningsintensiva uppgifter till höghastighets-GPU:er och minnesintensiva uppgifter till högre bandbreddsacceleratorer. Läs mer om Gimlet Labs teknik på SiliconAngle.
McKinsey uppskattar att datacentersatsningarna kommer att nå nästan 7 biljoner dollar till 2030 om den nuvarande trenden med att distribuera mer beräkningskraft fortsätter. Trots dessa enorma investeringar menar Asgar att befintlig hårdvara endast utnyttjas "någonstans mellan 15 och 30 procent" av tiden. "Du slösar hundratals miljarder dollar eftersom du lämnar resurser oanvända", påpekar han, och understryker Gimlet Labs mål att göra AI-arbetsflöden tio gånger effektivare.
Gimlet Labs lanserades publikt i oktober 2025 med en initial såddrunda på 12 miljoner dollar. Detaljer om Gimlet Labs finansiering hittas på Pitchbook. Sedan dess har bolaget snabbt vuxit och kunde redan vid lanseringen uppvisa åttasiffriga intäkter. Deras kundbas har mer än fördubblats på bara fyra månader, och inkluderar nu en stor modellutvecklare samt ett mycket stort molnberäkningsföretag, även om namnen inte har offentliggjorts. Bolaget samarbetar redan med stora chiptillverkare som NVIDIA, AMD, Intel, ARM, Cerebras och d-Matrix.
Denna innovation kan få stor betydelse för AI-utvecklingen globalt, inklusive i Sverige och Europa. Genom att effektivisera användningen av befintlig infrastruktur kan Gimlet Labs teknik sänka kostnaderna för att driva AI-modeller, vilket i sin tur kan accelerera innovation och tillgängliggöra avancerad AI för fler aktörer. För datacenters innebär det en väg till mer hållbar AI-drift, med minskad energiförbrukning och bättre utnyttjande av investeringar i en tid då elpriserna är höga och kapaciteten pressad.
Med den nya finansieringen förväntas Gimlet Labs fortsätta sin snabba expansion och ytterligare befästa sin position som en nyckelaktör inom AI-infrastruktur. Utvecklingen kommer att bli avgörande för hur effektivt framtidens AI-system kan skalas och drivas, med potential att omforma hela branschen och bidra till en mer optimerad tech-framtid.