L’ultima creatura di Raja Koduri, veterano dell’architettura grafica con passaggi in AMD e Intel, ha appena ottenuto 35 milioni di dollari in un round Series A. La sua Oxmiq Labs non produce chip, ma concede in licenza un’architettura GPU — OxCore — pensata per chi vuole integrare acceleratori AI su misura nei propri sistemi, saltando anni di sviluppo interno.

Il modello ricorda quello di ARM nel mondo delle CPU: un blocco di proprietà intellettuale che i chipmaker possono prendere, personalizzare e mandare in fonderia senza dover riprogettare ogni volta pipeline di calcolo, memory controller e interconnessioni da zero. Con OxCore, il target sono i carichi di lavoro legati all’inference e al training di reti neurali, quindi per Large Language Models e modelli generativi. In un ecosistema dominato da NVIDIA, l’approccio di Oxmiq apre uno spiraglio per architetture alternative, potenzialmente più vicine alle esigenze di chi deploya in proprio.

Il round porta il finanziamento complessivo della startup a 60 milioni di dollari. Il piano è scalare il team di ingegneri e portare OxCore a un livello di maturità sufficiente per essere integrato in silicio da partner industriali. Koduri non è nuovo a scommesse ambiziose: ha guidato lo sviluppo delle GPU Vega e Navi in AMD e ha tentato di costruire una divisione GPU discreta in Intel con il progetto Xe. Con Oxmiq, il baricentro si sposta dalla produzione hardware alla proprietà intellettuale, un settore dove i margini possono essere elevati ma la sfida è convincere abbastanza licenziatari a scommettere su un’architettura nuova.

Per chi valuta deployment on-premise di LLM, l’iniziativa segnala una direzione interessante. Oggi la scelta hardware è spesso obbligata: GPU NVIDIA ad alte prestazioni, con costi di acquisizione e consumo energetico che incidono sul Total Cost of Ownership. Architetture custom basate su blocchi come OxCore potrebbero, in futuro, dare vita a chip ottimizzati per specifici workload aziendali, con maggiore controllo su latenza, throughput ed efficienza energetica. Questo è particolarmente rilevante in contesti dove la sovranità dei dati e la conformità GDPR spingono verso infrastrutture self-hosted, lontane da cloud pubblici.

Certo, il passaggio da un blueprint licenziabile a un chip funzionante in produzione resta complesso. Servono partner di fabbricazione, design fisico e validazione, e un volume di unità che giustifichi l’investimento. La scommessa di Oxmiq è che la domanda di acceleratori AI specializzati cresca abbastanza da rendere sostenibile un ecosistema di chip “su licenza”, proprio come è successo per i SoC mobile. Se funzionasse, il panorama hardware per l’AI on-premise potrebbe diventare molto più frammentato e competitivo.