19 января 2026 года стало знаковым для сектора полупроводников: американский стартап Mythic, специализирующийся на разработке аналоговых ИИ-чипов, объявил о привлечении $125 млн нового капитала в раунде финансирования, возглавляемом венчурной фирмой DCVC (Data Collective VC) с участием стратегических инвесторов, включая Honda Motors и Lockheed Martin.
Этот шаг рассматривается экспертами как один из ключевых моментов в развитии необычного направления аппаратного ИИ — аналоговых вычислений, которые способны предложить более энергоэффективный способ обработки данных по сравнению с традиционными цифровыми архитектурами.
Почему эта инвестиция важна
Mythic был основан в 2012 году с целью коммерциализации так называемой технологии compute-in-memory (вычисления прямо в памяти) на базе аналоговых схем. Эта архитектура объединяет хранение и обработку данных в одном элементе, что снижает энергозатраты и ускоряет выполнение операций умножения и сложения, критичных для ИИ-задач.
Такой подход особенно привлекателен для задач ИИ-инференса «на краю» (edge inference), где устройства должны выполнять сложные вычисления в реальном времени при высокой энергоэффективности, например, в робототехнике, системах видеонаблюдения, дронах и промышленных сенсорных сетях.
В новом раунде инвестиций общая сумма привлеченных средств достигла $125 млн, что стало важным сигналом доверия со стороны крупнейших венчурных фондов и корпоративных стратегических игроков. Среди них — NEA, SoftBank KR, Atreides Management, Future Ventures, S3 Ventures, Linse Capital, One Madison Group и другие, что подчеркивает широкую поддержку проекта на рынке аппаратного ИИ.
От кризиса к новому витку развития
Несмотря на новые успехи, путь Mythic был непростым. Стартап пережил серьезные трудности в прошлом, включая проблемы с привлечением капитала и необходимость реструктуризации: в 2022 году компания была вынуждена существенно сократить расходы и переработать свою стратегию, чтобы избежать банкротства.
Назначение нового CEO — Тане́ра Озчели́ка (Taner Ozcelik), ветерана индустрии, помогло переосмыслить архитектуру чипов, стратегию разработки и программное обеспечение. Под его руководством Mythic выявил ключевые недостатки первых поколений продуктов и разработал планы по созданию более совершенных решений следующего поколения.
Технологические преимущества и конкуренция
Анaлоговые ИИ-чипы от Mythic позиционируются как потенциальное решение энергетической «стены» современных цифровых процессоров. Традиционные архитектуры, такие как GPU, страдают от высокой потребности в энергии из-за частого перемещения данных между памятью и вычислительными блоками. Аналоговые схемы же позволяют выполнять ряд математических операций на уровне физического представления сигналов, снижая энергопотребление и уменьшив задержки.
По заявлениям инвесторов и самой компании, такая архитектура может оказаться в разы энергосберегающей по сравнению с современными GPU — что особенно важно для рынков, где критичны энергоэффективность и автономность.
Планы на будущее и области применения
С привлеченным капиталом Mythic планирует расширить свои разработки и выпустить продукты следующего поколения. Ожидается, что новые чиплеты и модули будут не только эффективны на устройствах edge, но и способны конкурировать в облачных и дата-центрных приложениях, а также в критических отраслях, таких как робототехника, автономные системы и оборона.
Кроме того, инвестиции со стороны Honda Motors и Lockheed Martin указывают на интерес к применению этой технологии в автомобильной электронике, системах автоматизации производства и оборонных решениях — сегментах, где энергоэффективность, надежность и вычислительная мощность имеют первостепенное значение.
Заключение
Решение Mythic привлечь $125 млн и существенно пересмотреть свою продуктовую стратегию отражает важное изменение на рынке ИИ-аппаратуры. В условиях, когда потребление энергии и вычислительная эффективность становятся ключевыми факторами роста, инновации на уровне архитектуры чипов способны открыть новую страницу развития микроэлектроники. Это особенно актуально в эпоху интенсивного внедрения ИИ в промышленные, автомобильные и потребительские устройства, где оптимальные сочетания производительности, стоимости и энергопотребления становятся решающими для успеха.
