Unconventional AI secara mendalam: bagaimana startup tanpa chip meraih valuasi USD 4,5 miliar

Ringkasan 30 detik

• Unconventional AI mengumumkan pada 8 Desember 2025 bahwa mereka telah menutup putaran seed senilai USD 475 juta dengan valuasi yang dilaporkan sebesar USD 4,5 miliar — sekitar dua bulan setelah perusahaan didirikan, tanpa chip, tanpa produk, dan tanpa pendapatan. Pada kurs 1.400 won per dolar, USD 4,5 miliar setara sekitar 6,3 triliun won, dan putaran USD 475 juta setara sekitar 665 miliar won.
• Putaran ini dipimpin bersama oleh Andreessen Horowitz dan Lightspeed Venture Partners, dengan partisipasi Lux Capital, DCVC, Databricks, dan Jeff Bezos. CEO Naveen Rao menginvestasikan USD 10 juta dari uangnya sendiri dengan ketentuan yang sama. USD 475 juta adalah bagian pertama dari penggalangan yang direncanakan mencapai USD 1 miliar.
• Perusahaan ini membangun komputer analog berbasis fisika untuk AI: alih-alih menyimulasikan jaringan saraf di chip digital, mereka ingin fisika silikon itu sendiri — kain osilator terkopel (coupled oscillators) — yang melakukan komputasi secara langsung, dengan target energi sekitar 1.000 kali lebih rendah daripada perangkat keras saat ini. Titik acuannya adalah otak manusia, yang bekerja dengan sekitar 20 watt.
• Yang ada saat ini adalah simulasi, bukan silikon. Model pertamanya, Un-0 (Juni 2026), menghasilkan gambar dengan sistem osilator terkopel yang disimulasikan dan mencapai FID 6,74 pada ImageNet 64x64 — sebanding dengan generator konvensional generasi awal. Namun ia dilatih dan dijalankan di GPU B200 konvensional. Belum ada chip fisik yang ditunjukkan.
• Harga USD 4,5 miliar itu karenanya bukan harga sebuah produk. Ia adalah harga seorang pendiri dengan dua exit (Nervana ke Intel, MosaicML ke Databricks senilai USD 1,3 miliar), tim pendiri beranggotakan empat orang yang merentang MIT, Stanford, dan desain analog produksi, serta sebuah opsi atas kemungkinan bahwa tembok energi komputasi digital memaksa munculnya substrat (substrate) baru. Deep dive ini membedah harga tersebut.

Background: putaran seed tanpa apa pun untuk dikirim

Putaran seed biasanya membeli prototipe. Putaran seed Unconventional AI membeli program riset — dan menghargainya seperti perusahaan tahap akhir.

Perusahaan ini muncul ke permukaan pada September 2025, ketika Naveen Rao memberi isyarat di X bahwa ia sedang ikut mendirikan perusahaan untuk membangun komputer dengan "efisiensi skala otak". Dua bulan kemudian, pada 8 Desember 2025, Rao dan tiga rekan pendirinya menerbitkan tulisan peluncuran: USD 475 juta terkumpul pada valuasi USD 4,5 miliar, dan tesis bahwa industri AI sedang menabrak tembok energi yang tidak bisa dilewati hanya dengan rekayasa di atas chip digital.

Keempat pendiri adalah baris pertama valuasi. Rao adalah pendiri langka yang pernah berdiri di kedua sisi persoalan. Ia belajar teknik elektro di Duke, bekerja sebagai arsitek komputer di Sun Microsystems, lalu meninggalkan dunia rekayasa untuk meraih PhD neurosains komputasional di Brown, meneliti bagaimana otak mengubah masukan sensorik menjadi tindakan dengan anggaran sekitar 20 watt. Ia bekerja pada komputasi neuromorfik di Qualcomm, dan pada 2014 ikut mendirikan Nervana Systems untuk membangun perangkat keras deep learning yang dirancang mengelilingi beban kerja, bukan diadaptasi dari grafis. Intel mengakuisisinya pada 2016 dengan harga yang dilaporkan sekitar USD 400 juta, dan Rao kemudian memimpin grup produk AI Intel. Pada 2021 ia ikut mendirikan MosaicML, yang membuat pelatihan model besar lebih murah; Databricks mengakuisisinya pada 2023 senilai USD 1,3 miliar, dan Rao menjadi VP AI Databricks. Dua exit, nilai gabungan yang dilaporkan sekitar USD 1,7 miliar, keduanya dibangun di atas obsesi yang sama: biaya AI adalah masalah perangkat keras.

Di sisinya: Michael Carbin, profesor madya MIT yang karyanya mencakup sistem pemrograman dan fondasi komputasi pada substrat baru — dan, yang patut dicatat, ikut mendirikan MosaicML. Sara Achour, asisten profesor Stanford yang bekerja pada kompiler dan komputasi berbasis fisika. Dan MeeLan Lee, desainer sirkuit analog yang sebelumnya di Google, Qualcomm, dan Intel — orang di tim ini yang benar-benar pernah membangun silikon analog di lingkungan produksi. Komposisinya disengaja: satu CEO dengan exit berulang, dua teoretikus yang bekerja pada cara perangkat lunak dipetakan ke dinamika fisik, dan satu praktisi yang tahu di mana desain analog mati.

Pernyataan masalahnya sederhana dan, sejauh ini, benar secara empiris. Kemampuan AI telah berskala dengan komputasi, dan komputasi telah berskala dengan daya. Pusat data kini direncanakan berdasarkan ketersediaan daya — kapasitas pembangkitan, sambungan jaringan listrik, pendinginan — bukan berdasarkan chip. Framing Rao: "AI secara intrinsik terhubung ke perangkat keras, dan perangkat keras secara intrinsik terhubung ke daya. Kita tidak bisa berskala melampaui jumlah inferensi per satuan waktu tertentu karena masalah energi. Kita tidak bisa memproduksi energi tambahan sebanyak itu dalam 10 tahun ke depan." Klaim perusahaan adalah pertumbuhan permintaan akan menyusul pertumbuhan linear pasokan energi dalam tiga sampai empat tahun. Tepat atau tidak jadwal itu, arahnya tidak kontroversial: energi per inferensi kini adalah biaya orde pertama dan kendala orde pertama.

Dengan latar itu, perusahaan mengusulkan meninggalkan abstraksi yang telah mendominasi komputasi selama 80 tahun. Komputer digital merepresentasikan segala sesuatu sebagai angka dan menyimulasikan dinamika langkah demi langkah, dengan biaya energi yang sangat besar. Sistem belajar alami tidak pernah melakukan itu. "Sistem belajar alami tidak pernah menggunakan numerik," kata Rao. "Mereka tidak menyimulasikan dinamika pembelajaran. Mereka menggunakan fisika intrinsik dari substrat apa pun yang mereka tunggangi untuk membangun sistem belajar. Kami percaya kami dapat merangkum perilaku itu dalam silikon."

Business Deep Dive

1. Aritmetika kesepakatan: apa kata USD 475 juta pada USD 4,5 miliar

Mulailah dengan aritmetika, karena aritmetika adalah ceritanya. Putaran primer USD 475 juta pada valuasi post-money USD 4,5 miliar berarti investor baru membeli kira-kira 10,6% perusahaan, dan valuasi pre-money — harga dari ide, tim, dan tidak ada apa-apa lagi — adalah sekitar USD 4,03 miliar. Sebagai perbandingan, angka pre-money itu kira-kira tiga kali lipat dari yang Databricks bayar pada 2023 untuk MosaicML, perusahaan yang memiliki produk, pelanggan, dan pendapatan.

Struktur sama pentingnya dengan ukuran. USD 475 juta, sebagaimana dinyatakan perusahaan, adalah bagian pertama dari penggalangan yang bisa mencapai USD 1 miliar — laporan lebih awal menyebut perusahaan menargetkan valuasi USD 5 miliar untuk putaran yang lebih besar itu. Penggalangan bertahap semacam ini adalah mesin milestone: penutupan pertama menghargai visi, dan penutupan kedua akan menghargai apa pun yang telah dihasilkan visi pada saat itu. USD 10 juta milik Rao sendiri, diinvestasikan dengan ketentuan yang sama seperti institusi, memang kecil terhadap USD 475 juta (sekitar 2%) tetapi menopang secara simbolis — ia mengubah "pendiri percaya" dari baris pitch menjadi fakta neraca.

Apa sebenarnya yang di-underwrite investor? Bukan arus kas terdiskonto — tidak ada arus kas. Yang di-underwrite adalah opsi berbobot probabilitas: probabilitas kecil bahwa tim ini mendirikan substrat pasca-GPU, dikalikan nilai memiliki bagian yang berarti dari komputasi AI jika mereka berhasil, ditambah nilai lantai dari kemampuan tim yang telah terbukti untuk diakuisisi. Bagian 6 di bawah membuat opsi itu eksplisit.

2. Sainsnya: biarkan fisika yang menghitung

Taruhan teknisnya memiliki tiga lapisan.

Lapisan satu: analog, bukan digital. Sirkuit analog merepresentasikan besaran sebagai tegangan dan arus kontinu, bukan sebagai bit. Untuk operasi yang sebenarnya dijalankan AI — multiply-accumulate dalam jumlah sangat besar, dinamika, dan sampling dari distribusi — sistem fisik sering dapat menjadi komputasi itu sendiri alih-alih menyimulasikannya. Contoh Rao sendiri adalah terowongan angin: insinyur masih membangun terowongan angin karena model fisik aliran udara menghitung hal-hal yang dinamika fluida digital perkirakan dengan biaya mahal. Klaimnya adalah jaringan saraf lebih dekat ke terowongan angin daripada ke spreadsheet: ia adalah sistem dinamis stokastik dan terdistribusi, dan memaksakannya ke substrat numerik yang deterministik dan presisi membuang sebagian besar anggaran energi untuk abstraksi yang tidak pernah diminta oleh beban kerja.

Lapisan dua: osilator terkopel sebagai primitif. Artefak publik pertama perusahaan, Un-0, membuat klaim abstrak itu konkret. Un-0 adalah generator gambar yang mesin komputasinya adalah populasi besar osilator terkopel, dimodelkan dengan model Kuramoto — matematika tentang bagaimana unit berirama (metronom di meja yang sama, kunang-kunang, sel pacemaker) saling menarik menuju sinkroni. Setiap osilator memiliki fase; parameter yang dapat dipelajari adalah kekuatan kopeling antara setiap pasangan osilator dan frekuensi alami setiap osilator. Untuk menghasilkan gambar, sistem mulai dari fase acak, sekelompok kecil osilator pengondisi membiaskan populasi ke kelas yang diminta, fisika dibiarkan berevolusi, dan pola fase akhir dibaca dan didekode menjadi piksel. Belajar berarti mempelajari kopeling — dekoder menyumbang kurang dari 13% parameter model, dan ablasi perusahaan menunjukkan osilator itu sendiri melakukan komputasi yang berguna, bukan menghiasi generator konvensional.

Lapisan tiga: ko-desain, atau "ko-evolusi neural". Perusahaan berargumen model dan perangkat keras harus dirancang bersama: menjaga memori secara fisik dekat dengan komputasi, menggunakan kembali keadaan fisik dari waktu ke waktu alih-alih memuat ulang miliaran parameter untuk setiap token, dan memperlakukan ketidaksempurnaan perangkat keras sebagai sesuatu yang dipelajari model, bukan sesuatu yang harus dihilangkan rekayasa. Derau (noise) adalah contoh paling jelas. Dalam desain digital, noise adalah musuh yang Anda bayar dengan energi untuk menekannya. Dalam arsitektur ini, AI generatif memang berawal dari keacakan, dan jaringan yang dilatih pada substrat tertentu dapat mempelajari variasi substrat itu. Energi yang dihabiskan chip digital untuk memaksa keseragaman sempurna, dalam narasi ini, sama sekali tidak dihabiskan.

Target efisiensinya berasal dari termodinamika, bukan dari benchmark: perusahaan berargumen celah antara titik operasi perangkat keras AI digital dan yang mungkin secara fisik adalah kira-kira tiga orde magnitudo, karena itu angka ~1.000x. Penting untuk tepat tentang status angka itu. Ia adalah estimasi celah teoretis, bukan pengukuran. Ia belum pernah didemonstrasikan di perangkat keras, dan hasil Un-0 — FID 6,74 pada ImageNet 64x64 dengan 16.384 osilator dan 322 juta parameter, berada di rentang generator konvensional awal ketika mereka pertama muncul — memvalidasi klaim pembelajaran (sistem dinamis fisik dapat dilatih untuk melakukan tugas generatif nyata pada skala moderat), bukan klaim efisiensi, karena Un-0 sendiri berjalan di GPU B200.

3. Apa yang ada hari ini: simulasi, jejak kertas, dan jam lima tahun

Pada milestone publik terbaru perusahaan, inventarisnya pendek. Ada tulisan peluncuran dan blog teknis dengan bobot, kode pelatihan, dan kode ablasi Un-0 yang terbuka — artefak riset yang sungguh terbuka, lebih dari yang diterbitkan banyak startup perangkat keras stealth. Tidak ada chip. Tidak ada tanggal tape-out yang diterbitkan. Rao mengatakan beberapa tahun ke depan adalah untuk "mencoba sejumlah ide dan prototipe dan menemukan paradigma yang tepat" yang akan berskala, menggambarkan horizon kira-kira lima tahun untuk membangun chip, mengatakan perusahaan akan bermitra dengan TSMC, dan menyebut prototipe pertama "mungkin salah satu chip analog terbesar, mungkin yang terbesar, yang pernah dibangun orang." Perusahaan memposisikan produk akhirnya sebagai permainan sistem — silikon plus tumpukan inferensi penuh, pada akhirnya bersaing sebagai penyedia komputasi — bukan penjualan komponen.

Di antara sini dan sana terletak masalah tertua komputasi analog, yang Rao sendiri sebutkan: komputer analog adalah sebagian dari komputer pertama, secara inheren efisien, dan kalah dari digital karena variabilitas manufaktur — mereka tidak bisa diskalakan. Setiap perangkat sedikit berbeda; pergeseran suhu dan variasi proses memasukkan kesalahan yang terakumulasi. Digital menang justru karena ia acuh terhadap kekacauan itu. Seluruh taruhan ilmiah Unconventional AI adalah bahwa vonis berusia 80 tahun ini dapat dibalikkan dalam kasus spesifik beban kerja neural, karena jaringan saraf toleran terhadap — dan dapat dilatih mengelilingi — persis variasi yang membuat analog tidak dapat digunakan untuk tabel artileri dan akuntansi.

4. Kasus dari pihak skeptis

Argumen tandingan yang jujur memiliki empat bagian, dan tidak satu pun sepele.

Presisi dan overhead konversi. Komputasi analog berderau, dan derau terakumulasi di komputasi besar. Secara historis, akselerator analog terlihat paling baik pada operasi matriks inti dan paling buruk pada tingkat sistem, karena mengonversi sinyal antara domain analog dan digital — ADC dan DAC di setiap batas — dapat mengonsumsi banyak energi yang dihemat inti analog. Klaim efisiensi apa pun yang tidak diukur dari stopkontak, ujung ke ujung, pada beban kerja nyata, harus didiskon. Angka 1.000x Unconventional saat ini adalah proyeksi tentang substrat yang belum ada.

Programabilitas. Parit GPU bukan hanya kinerja; melainkan silikon yang sama melatih model pada Senin dan melayani model lain pada Selasa. Sistem analog cenderung menanamkan komputasi dalam struktur fisik, yang membuatnya kaku. Jawaban perusahaan — antarmuka perangkat lunak ke fisika, ditambah kompiler dari dua pendiri yang memang berspesialisasi tepat pada hal itu — masuk akal di atas kertas dan belum terbukti dalam praktik. Sejarah perangkat keras AI dipenuhi chip yang lebih cepat yang kalah dari fleksibilitas CUDA.

Penskalaan. Populasi tersimulasi berisi 16.384 osilator yang menghasilkan gambar 64x64 adalah hasil riset. Substrat inferensi produksi membutuhkan dinamika setara pada skala model bahasa modern, diproduksi dengan variasi yang dapat diserap pelatihan, dengan yield yang mau ditandatangani foundry. Setiap langkah — simulasi ke prototipe, prototipe ke produk, generasi gambar ke inferensi LLM — telah membunuh perusahaan analog sebelumnya. Bidangnya juga tidak kosong: komputasi analog dalam memori telah dikejar bertahun-tahun oleh pihak lain (Mythic telah mengirim prosesor analog untuk inferensi edge), dan tim Universitas Peking melaporkan pada akhir 2025 sistem komputasi matriks analog berbasis RRAM dengan klaim keuntungan efisiensi besar atas GPU — bukti baik bahwa arah ini hidup secara ilmiah maupun bahwa Unconventional tidak memilikinya.

Garis dasar yang bergerak. Efisiensi digital tidak statis. Rao sendiri, di Databricks, mencatat biaya AI per unit kemampuan turun sekitar 4x per tahun — sepuluh kali lebih cepat dari hukum Moore — melalui model yang lebih baik, kuantisasi, dan pekerjaan sistem. Substrat analog yang tiba dalam lima tahun tidak bersaing dengan GPU hari ini; ia bersaing dengan lima tahun efisiensi digital yang terkompon, pada biaya per token, dengan ekosistem perangkat lunak yang matang. Target 1.000x itu, sebagian, adalah pengakuan persis atas hal itu.

5. Apa yang harus benar agar USD 4,5 miliar masuk akal

Kupas harga itu hingga asumsi penopangnya. Agar valuasi seed USD 4,5 miliar terlihat wajar dalam retrospeksi, kira-kira hal-hal ini harus berlaku:

Baca tabel itu sebagai corong. Asumsi 1 dan 2 adalah yang dapat di-underwrite investor pada Desember 2025 dengan keyakinan wajar. Asumsi 3 sampai 5 adalah tempat USD 4,5 miliar sebenarnya tinggal — ketiganya biner, berkorelasi (ketiganya adalah sisi dari "apakah fisika berskala"), dan akan butuh bertahun-tahun untuk diselesaikan. Asumsi 7 adalah risiko bisnis yang ditumpuk di atas risiko ilmiah: bahkan substrat yang bekerja harus menggeser rantai pasok paling mengakar di teknologi.

Sekarang aritmetika pengembalian yang membuat investor canggih tetap menandatangani. Pengembalian ventura mengikuti hukum pangkat: dana tidak membutuhkan Unconventional untuk berpeluang besar; ia membutuhkan imbalan di cabang sukses menjadi sangat besar dan kepemilikan masuk menjadi berarti. Jika substrat komputasi baru menangkap bahkan persentase satu digit rendah dari pengeluaran inferensi AI dengan margin seperti perangkat lunak, perusahaan bernilai puluhan hingga ratusan miliar — incumbent yang akan sebagian digesernya bernilai triliunan. Terhadap imbalan itu, cek USD 475 juta untuk ~10,6% adalah opsi yang telah dihargai, dan harga eksekusinya adalah waktu: opsi kedaluwarsa jika fisika tidak berskala sebelum uang, atau kesabaran industri, habis. Tranche kedua yang direncanakan menuju USD 1 miliar adalah tanggal perpanjangan opsi — ia akan dihargai berdasarkan bukti prototipe apa pun yang ada saat itu, dan merupakan titik data masa depan paling informatif tentang perusahaan ini.

6. Sisi buruknya: lantai terbuat dari apa

Analisis sisi buruk untuk perusahaan tanpa produk biasanya satu kata — nol — tetapi di sini lantai memiliki sedikit struktur. Pertama, lantai tim: dua perusahaan Rao sebelumnya diakuisisi senilai sekitar USD 400 juta yang dilaporkan dan USD 1,3 miliar, dan tim yang menggabungkan jaringan alumni MosaicML dengan kelompok riset MIT dan Stanford, dalam skenario kegagalan, masih dapat diakuisisi — meskipun pada valuasi pasca-seed yang jauh di bawah USD 4,5 miliar, yang menjadi penghiburan dingin bagi aritmetika pengembalian investor seed sekalipun ia melunakkan kerugian absolut. Kedua, lantai IP: pekerjaan model yang dirilis terbuka membangun reputasi dan gravitasi perekrutan lebih dari IP yang dapat dipertahankan; lapisan yang dapat dipertahankan, jika ada, akan berupa perangkat keras dan tumpukan kompiler, yang keduanya belum ada. Ketiga, lantai kas: USD 475 juta adalah runway bertahun-tahun bagi perusahaan tahap riset, yang bermata dua — ia menghilangkan risiko pendanaan untuk fase eksplorasi, dan menghilangkan disiplin yang dipaksakan risiko pendanaan. Hasil buruk yang realistis bukanlah keruntuhan mendadak; melainkan yang lambat — prototipe yang bekerja pada skala kecil, efisiensi yang menyusut pada tingkat sistem, dan dunia tahun 2030-an di mana perusahaan adalah laboratorium riset terhormat dengan cap table yang mahal.

Chase's Take

Sisihkan fisika sejenak dan lihat transaksinya. Seed USD 475 juta pada USD 4,5 miliar, dua bulan setelah pendirian, sebenarnya bukan valuasi Unconventional AI. Ia adalah valuasi sebuah klaim kategori: bahwa pemerintahan 80 tahun abstraksi digital sedang berakhir karena energi, bukan transistor, kini adalah sumber daya langka. Investor tidak membeli chip. Mereka membeli hak untuk masuk lebih awal jika substrat komputasi berubah — dan mereka membayar premi pendiri kepada satu orang yang biografinya terbaca seperti persiapan untuk persis taruhan ini: insinyur yang menjadi ahli neurosains, membangun perangkat keras spesifik beban kerja sebelum itu modis, menjualnya, lalu menjual lapisan perangkat lunak efisiensinya juga.

Pembacaan saya adalah harga itu terurai menjadi tiga bagian, dalam urutan ukuran menurun. Yang terbesar adalah opsi atas perubahan substrat, dihargai dari ukuran inferensi AI, bukan dari apa pun yang telah dibangun perusahaan. Yang kedua adalah tim — sungguh langka: sangat sedikit kelompok yang menggabungkan desain analog produksi, teori kompiler untuk sistem fisik, dan CEO dengan dua exit dalam efisiensi AI. Yang ketiga, dan terkecil, adalah sains sejauh ini: Un-0 adalah milestone riset yang kredibel — osilator terlatih melakukan pekerjaan generatif nyata, diterbitkan secara terbuka — dan ia juga, diukur terhadap klaimnya, berjarak tiga orde magnitudo simulasi dari bukti. FID 6,74 pada gambar 64x64 memberi tahu Anda pembelajaran itu bekerja. Ia belum mengatakan apa-apa tentang apakah fisika dapat dikirim sebagai produk.

Detail yang terus saya kembali adalah tranche. Rao tidak mengambil USD 1 miliar sekaligus; USD 475 juta pertama secara eksplisit adalah bagian pertama. Itu entah kepercayaan diri ("kami akan bernilai lebih ketika penutupan kedua menghargai"), atau disiplin ("buktikan paradigma sebelum menghargai perusahaan") — dan dari pendiri yang telah menjual dua perusahaan, saya membacanya sebagai keduanya, dan sebagai petunjuk cara mengikuti perusahaan ini. Jangan perhatikan headline valuasi. Perhatikan tiga hal: apakah tranche kedua ditutup, pada harga berapa, dan didukung artefak apa; apakah program osilator lolos dari generasi gambar ke demonstrasi skala model bahasa, bahkan dalam simulasi; dan apakah prototipe fisik muncul dengan angka efisiensi dari stopkontak terlampir. Sampai yang ketiga terjadi, setiap angka efisiensi dari perusahaan ini — termasuk 1.000x — adalah pernyataan tentang termodinamika, bukan tentang produk.

Bagi industri semikonduktor, sinyal yang lebih dalam adalah ke mana bottleneck berpindah. Satu dekade lalu, yang langka adalah FLOPS. Lalu bandwidth memori — era HBM. Unconventional AI adalah argumen USD 475 juta bahwa yang langka berikutnya adalah joule, dan bahwa ketika joule mengikat cukup keras, industri akan mentolerir membuka kembali pertanyaan yang ditutupnya pada 1940-an: komputasi non-numerik, fisika sebagai algoritma, perangkat keras yang dilatih alih-alih diprogram. Bahkan jika perusahaan spesifik ini gagal, argumen itu kini telah didanai pada skala yang menjamin peniru, makalah, dan prototipe. Harga seperti ini adalah cara industri mengumumkan bahwa arah riset telah menjadi strategi.

Satu kalibrasi terakhir. Prior yang benar untuk "USD 4,5 miliar, tanpa chip" bukanlah "gelembung" dan bukan "visi". Ia adalah "risiko yang sengaja tidak dihargai". Investor tahu persis berapa banyak dari tujuh asumsi dalam tabel di atas yang belum terbukti — mereka tetap menandatangani term sheet, karena satu skenario di mana semuanya berlaku bernilai lebih dari biaya enam skenario lainnya. Kita semua dapat menyaksikan eksperimen yang bersih: pengujian berkapitalisasi terbesar yang pernah dijalankan tentang apakah cara otak menghitung dapat dibangun kembali dalam silikon. Eksperimen itu layak diikuti secara tepat — milestone demi milestone, di depan publik, dengan angka-angka terlampir.

Implications

Bagi investor. Perlakukan posisi ini sebagai opsi biner dengan tanggal perpanjangan yang terlihat. Titik data yang menghargai ulang perusahaan ini adalah, berurutan: (1) tranche kedua menuju USD 1 miliar — harga dan waktunya adalah estimasi probabilitas pasar yang diperbarui; (2) demonstrasi pendekatan osilator pada skala model bahasa, bahkan tersimulasi; (3) silikon pertama dengan data efisiensi ujung ke ujung (dari stopkontak); (4) evaluasi hyperscaler apa pun yang diungkap. Tanpa itu, tandai tesisnya, bukan valuasi headline-nya. Risiko yang sebanding bukanlah startup chip AI lain dengan produk dan pesanan pembelian; melainkan taruhan substrat tahap riset, di mana jadwal bergeser dalam tahunan, bukan kuartalan.

Bagi strategis semikonduktor. Komposisi tim pendiri adalah sinyal strategisnya: kompiler dan sistem pemrograman duduk di samping sirkuit analog karena pembunuh historis substrat alternatif adalah antarmuka perangkat lunak, bukan fisika perangkat. Jika Anda bersaing di silikon AI, item pemantauan bukanlah skor FID Unconventional — melainkan apakah pendekatan antarmuka-perangkat-lunak-ke-fisika mereka menarik teoretikus dan insinyur kompiler yang akan membuat substrat non-digital dapat diprogram. Arus talenta akan menunjukkan kredibilitas paradigma sebelum benchmark melakukannya.

Bagi perencana pusat data dan energi. Jangan masukkan faktor efisiensi 1.000x ke rencana kapasitas apa pun. Jadwal perusahaan sendiri adalah prototipe bertahun-tahun, dan efisiensi digital terus terkompon selama itu. Yang divalidasi putaran ini — pada tingkat alokasi modal, bukan rekayasa — adalah bahwa energi per inferensi kini dihargai sebagai kendala strategis oleh investor AI terbesar. Rencana yang mengasumsikan permintaan inferensi dapat tumbuh tanpa jawaban energi adalah persis rencana yang menjadi lawan taruhan penggalangan USD 475 juta ini.

Bagi peneliti. Rilis terbuka Un-0 — bobot, kode pelatihan, ablasi — membuat pendekatan osilator dapat difalsifikasi di depan publik, yang persis adalah cara klaim substrat seharusnya diuji. Pertanyaan terbukanya spesifik dan dapat diperiksa: perilaku penskalaan kualitas terhadap jumlah osilator dibandingkan dengan garis depan konvensional, ketahanan kopeling yang dipelajari terhadap variasi perangkat, dan ukuran overhead konversi dalam implementasi fisik apa pun. Kemajuan pada ketiganya, dalam urutan itu, adalah papan skor ilmiahnya.

FAQ

Apakah Unconventional AI punya chip? Tidak. Pada milestone publik terbarunya (Un-0, Juni 2026), sistem yang didemonstrasikan perusahaan adalah simulasi perangkat lunak osilator terkopel yang berjalan di GPU konvensional. Chip analog fisik sedang dalam pengembangan, dengan program prototipe bertahun-tahun dan kemitraan TSMC yang dijelaskan perusahaan, tetapi belum ada silikon yang ditunjukkan dan tidak ada tanggal tape-out yang diterbitkan.

Mengapa perusahaan tanpa produk bernilai USD 4,5 miliar? USD 4,5 miliar yang dilaporkan adalah valuasi post-money tahap seed dari Desember 2025, bukan harga pasar sebuah produk. Ia menghargai tiga hal: tim pendiri dengan dua exit sebelumnya (Nervana, sekitar USD 400 juta yang dilaporkan ke Intel; MosaicML, USD 1,3 miliar ke Databricks), keahlian gabungan yang langka dalam desain analog dan teori kompiler, dan opsi atas substrat komputasi baru jika kendala energi AI memaksanya. Investor membeli kira-kira 10,6% perusahaan senilai USD 475 juta.

Apa itu pendekatan osilator terkopel, dalam bahasa sederhana? Alih-alih menghitung dengan sakelar digital yang menyimulasikan jaringan saraf langkah demi langkah, perusahaan ingin jaringan osilator fisik — sirkuit yang berputar berirama, seperti metronom — melakukan komputasi melalui sinkronisasi timbal balik mereka. Parameter yang dapat dipelajari adalah kekuatan kopeling antar-osilator. Fisika yang menetap ke pola tersinkronisasi itu adalah inferensinya, dan itulah sebabnya perusahaan percaya ia dapat menggunakan energi jauh lebih sedikit daripada menyimulasikan dinamika yang sama secara numerik.

Apa yang harus diperhatikan selanjutnya? Tiga milestone, dalam urutan nilai informasi: penutupan dan penetapan harga tranche kedua yang direncanakan menuju total penggalangan USD 1 miliar; demonstrasi pendekatan pada tugas skala model bahasa (Un-0 mencakup generasi gambar); dan silikon fisik pertama dengan pengukuran efisiensi ujung ke ujung. Hingga yang terakhir itu, angka efisiensi ~1.000x tetap merupakan estimasi teoretis, bukan hasil yang didemonstrasikan.

Catatan tentang sumber dan status: valuasi, ukuran putaran, dan komposisi investor adalah sebagaimana dilaporkan pada pengumuman 8 Desember 2025 dan dinyatakan sebagai angka yang dilaporkan; perusahaan bersifat privat dan ketentuannya tidak diaudit secara independen. Hasil teknis (Un-0) adalah angka yang diterbitkan perusahaan sendiri dari rilis Juni 2026. Konversi mata uang menggunakan 1 USD = 1.400 KRW di seluruh teks.

📩 Berlangganan VLSI Korea

Dapatkan analisis semikonduktor harian kami lebih dulu di email Anda. Berlangganan gratis.

Berlangganan gratis