Pada 10 September 2026, Positron AI mengumumkan perolehan dana sebesar 875 juta dolar dalam putaran Series C/C-1 dengan valuasi pasca-pendanaan sebesar 5 miliar dolar. Perusahaan asal Reno ini mengembangkan chip dan sistem untuk inferensi yang, alih-alih menggunakan memori berkinerja tinggi HBM yang lazim, justru menggunakan LPDDR5X biasa dari ponsel pintar.
Tesis teknis utama Positron adalah bahwa akselerator tradisional menggunakan kurang dari 30 % bandwidth HBM, sementara arsitektur mereka memungkinkan pemanfaatan lebih dari 90 % bandwidth LPDDR5X. Hal ini, menurut klaim perusahaan, mengompensasi perbedaan dalam kinerja puncak dan mengurangi ketergantungan pada rantai pasokan HBM yang langka serta pengemasan canggih CoWoS.
Chip Asimov berikutnya direncanakan untuk dirilis pada TSMC N3P di akhir 2026 dengan produksi pada paruh kedua 2027. Setiap chip akan mampu menampung mulai dari 288 GB hingga 2,3 TB LPDDR5X. Sistem Titan akan menggabungkan empat hingga delapan chip tersebut dan ditargetkan untuk model dengan lebih dari 16 triliun parameter dengan konteks lebih dari 10 juta token dalam satu node. Saat ini, lebih dari 50 rak platform pertama Atlas telah digunakan di Oracle Cloud Infrastructure.
Secara arsitektural, Positron mengandalkan systolic array dengan memori yang terintegrasi erat, yang memungkinkan minimalisasi perpindahan data. Berbeda dengan GPU klasik, di mana memori dan komputasi dipisahkan, di sini fokus beralih pada kapasitas dan pemanfaatan bandwidth yang nyata. Pendekatan ini sangat relevan untuk model besar dan berkonteks panjang, di mana bottleneck sering kali justru berada pada memori, bukan pada FLOPS puncak.
Secara metodologis, klaim Positron saat ini masih didasarkan pada pengukuran internal dan perbandingan dengan indikator tipikal sistem HBM. Tolok ukur independen atau deskripsi rinci mengenai protokol pengujian belum tersedia di sumber terbuka. Perusahaan menekankan keunggulan dalam hal token per dolar dan per watt, namun tanpa pengujian pihak ketiga yang dipublikasikan, sulit untuk menilai peningkatan nyata dalam beban kerja (workload) yang sebenarnya.
Dalam lanskap chip inferensi, Positron memposisikan dirinya berlawanan dengan solusi dominan dari Nvidia dan AMD yang sangat bergantung pada HBM. Secara paralel, startup dan hyperscaler lain bereksperimen dengan pendekatan alternatif — mulai dari interkoneksi optik hingga ASIC kustom. Pilihan LPDDR5X mendekatkan Positron dengan gagasan beberapa pengembang Tiongkok yang berupaya menghindari batasan sanksi pada memori canggih, namun dalam kasus ini, penekanan diberikan pada pemanfaatan dan biaya, bukan sekadar ketersediaan.
Jika arsitektur tersebut benar-benar mampu memberikan pemanfaatan bandwidth yang diklaim, hal ini dapat secara signifikan menurunkan TCO inferensi untuk model yang sangat besar dan konteks yang panjang. Akan muncul peluang untuk menskalakan klaster lebih cepat tanpa harus berebut volume HBM dan CoWoS yang terbatas. Pada saat yang sama, kesuksesan bergantung pada seberapa efektif perangkat lunak dan kompiler dalam memuat systolic array dalam skenario nyata.
Pertanyaan yang masih terbuka adalah apakah pengujian independen akan mengonfirmasi keunggulan Positron setelah tape-out Asimov dan bagaimana sistem akan berperilaku saat diskalakan hingga ribuan node. Publikasi menarik berikutnya di bidang ini kemungkinan akan membandingkan efisiensi energi dan latensi Titan yang sebenarnya dengan solusi HBM terkini pada model yang identik.
Positron menunjukkan bahwa memikirkan kembali prioritas — kapasitas dan pemanfaatan memori alih-alih bandwidth puncak — dapat menjadi alternatif nyata dalam perlombaan perangkat keras inferensi.
