Positron AI: 875 Millionen Dollar für Asimov-Chip und Titan-System
Veröffentlicht am: 10.09.2026 um 22:21 Uhr | Redaktion boerse-global.de
Das US-amerikanische Halbleiterunternehmen Positron AI hat in einer Series-C-Finanzierungsrunde Kapital in Höhe von 875 Millionen US-Dollar eingeworben. Die Post-Money-Bewertung des in Reno, Nevada, ansässigen Start-ups steigt damit auf 5 Milliarden US-Dollar. Die frischen Mittel sollen primär für das Tapeout des neuen Asimov-Inferenzchips sowie den Produktionshochlauf des Titan-Systems verwendet werden.
Details der Finanzierung und Bewertungssprung
Die aktuelle Finanzierungsrunde gliedert sich in eine Series C über 375 Millionen US-Dollar bei einer Vorabbewertung von 3,5 Milliarden US-Dollar sowie eine Series C-1-Tranche, die bis zu 500 Millionen US-Dollar umfasst. Diese ergänzende Tranche wird maßgeblich von NEA und Jim Clark getragen. Die gesamte Runde wurde von einem Konsortium aus NEA, Atreides, Valor, Andra, SemiAnalysis Capital und Jim Clark angeführt.
Zudem beteiligte sich die Qatar Investment Authority (QIA), die bereits in der vorangegangenen Finanzierungsrunde investiert war, erneut an dem Unternehmen. Der aktuelle Abschluss markiert eine deutliche Wertsteigerung für Positron AI: Seit der Series-B-Runde im Februar 2026, in der 230 Millionen US-Dollar bei einer Bewertung von über 1 Milliarde US-Dollar eingesammelt wurden, konnte das Unternehmen seinen Marktwert verfünffachen.
Technologische Entwicklung: Asimov-Chip und Titan-System
Zentrales Projekt der aktuellen Expansionsphase ist der Asimov-Inferenzprozessor. Das Tapeout dieses Chips ist für Ende 2026 beim Auftragsfertiger TSMC im N3P-Verfahren geplant. Die Serienproduktion soll in der zweiten Jahreshälfte 2027 anlaufen.
Die Series C von Positron AI fällt mit 875 Millionen US-Dollar und einer Bewertung von 5 Milliarden US-Dollar deutlich aus — doch entscheidend ist, was das Kapital finanziert: das Tapeout des Asimov-Chips und den Hochlauf des Titan-Systems. Wer die Inferenz-Hardware-Landschaft für 2026 einordnen will, findet in dieser kostenlosen Analyse Architektur, Zeitplan und Marktkontext in einem Dokument. Kostenlose Analyse zur Positron-Finanzierung anfordern
Technisch setzt Positron AI bei dem Chip auf eine sogenannte Memory-First-Architektur. Statt des in der Branche üblichen HBM-Speichers kommt LPDDR5X zum Einsatz. Je nach Konfiguration soll der Chip eine Speicherkapazität zwischen 288 GB und 2.304 GB beziehungsweise bis zu 2,3 TB bieten.
Darauf aufbauend entwickelt das Unternehmen das Titan-System. In diesem Hardware-Verbund werden vier bis acht Asimov-Chips pro Rechenknoten kombiniert. Das System ist darauf ausgelegt, KI-Modelle mit mehr als 16 Billionen Parametern zu verarbeiten und Kontextfenster von über 10 Millionen Token zu unterstützen.
Markteinführung und bestehende Kundenbeziehungen
Das Unternehmen vermarktet bereits das Atlas-System, das eine Speicherbandbreiteneffizienz von 93 Prozent erreichen soll. In Tests mit dem Modell Llama 3.1 8B wurden bei einer Leistungsaufnahme von 2.000 Watt Verarbeitungsgeschwindigkeiten von 280 Token pro Sekunde pro Nutzer erzielt.
Die Speicherarchitektur entscheidet über die Inferenzkosten: Positron setzt beim Asimov-Chip auf LPDDR5X statt HBM und gibt je Chip 288 GB bis 2.304 GB an. Ob dieser Memory-First-Ansatz die Komplexität und Kosten bestehender Inferenzsysteme senkt, lässt sich anhand der vorliegenden Angaben prüfen. Der kostenlose Leitfaden ordnet Architektur, Titan-Konfiguration und Produktionszeitplan nüchtern ein. Leitfaden zur Memory-First-Architektur anfordern
Die Technologie kommt bereits bei ersten Großkunden zum Einsatz. So befinden sich laut Branchenberichten über 50 Atlas-Racks im Betrieb der Oracle Cloud Infrastructure. Zu den weiteren Kunden und Partnern des Unternehmens zählen unter anderem Parasail, Jump Trading sowie der Infrastrukturanbieter i3d.net.
Mit dem neuen Kapital plant Positron AI nun, die Fertigungskapazitäten massiv auszuweiten, um die steigende Nachfrage nach spezialisierter Hardware für die Ausführung komplexer KI-Modelle zu bedienen.
