Ein Londoner Chip-Startup hat noch keinen einzigen Chip verkauft und sammelt trotzdem 720 Millionen Dollar ein. Zwischen Mai und November steigt die Bewertung von 1,1 auf rund 7 Milliarden Dollar, und die Wette dahinter handelt vom Speicher, nicht vom Rechnen.
Fractile $720M: eine Finanzierungsrunde ohne Produkt
TechCrunch berichtete am 11. November 2026 von einer Series C über 720 Millionen Dollar. In den Schlagzeilen steht die Summe als „Fractile $720M“. Das Unternehmen sitzt in London und beschäftigt sich mit Beschleunigern für Inferenz, also mit dem Betrieb von Modellen und nicht mit ihrem Training.
Bemerkenswert ist nicht die Summe allein, sondern der Abstand zwischen Geld und Ware. Kein Chip im Versand, keine zahlenden Kunden.
Veröffentlichte Messwerte gibt es ebenfalls nicht. Was existiert, ist ein Entwurf, ein Compiler und die Zusage, im kommenden Jahr erste Chips und Systeme auszuliefern.
Nicht mehr.
Fractile valuation: über fünf Milliarden Pfund oder rund sieben Milliarden Dollar
Zwei Quellen, zwei Währungen, ein Größenunterschied. Die britische Regierung spricht von einer Bewertung von „über 5 Milliarden Pfund“. Die Financial Times und eine Reuters-Quelle nennen rund 7 Milliarden Dollar. The Next Web rechnet die Entwicklung vor: 1,1 Milliarden Dollar im Mai 2026, 7 Milliarden im November.
Beide Zahlen können gleichzeitig stimmen, je nach Wechselkurs und Stichtag, und genau diese Unschärfe ist bei einem Unternehmen ohne Umsatz der eigentliche Befund. Wer die Fractile valuation zitiert, sollte die Quelle nennen, weil der Unterschied zwischen 5 und 7 Milliarden den Spielraum der Fantasie abbildet.
Warum AI inference chips am Speicher scheitern, nicht am Rechnen
Ein Modell zu betreiben heißt, Milliarden von Gewichten aus dem Speicher zu holen und mit ihnen zu rechnen, und die Rechenwerke sind dabei oft schneller fertig als der Speicher liefert. In diesen Pausen liegt die Rechnung. Ein anschauliches Bild: ein Koch, der die Hälfte seiner Zeit zum Vorratsschrank läuft, statt am Herd zu stehen.
Die Rechenleistung ist selten das Problem.
Bei kurzen Anfragen fällt das kaum auf. Bei langen Ketten von Arbeitsschritten, wie sie agentische Anwendungen erzeugen, wächst die Zahl der Token, und mit ihr wächst die Zeit, in der teure Rechenwerke auf Daten warten. Wer ein Modell für Millionen Kunden betreibt, zahlt diese Wartezeit in Strom und in Minuten, und genau diese Rechnung bestimmt, ob ein Assistent billig genug für den Massenmarkt wird.
Der übliche Ausweg ist teurer Speicher direkt neben dem Rechenwerk, also HBM. Er ist schnell und knapp. Kein Wunder, dass die Preise für diese Bausteine seit zwei Jahren steigen.
AI inference chips müssen deshalb vor allem eine Frage beantworten: Wie kommen die Daten schnell genug an die Rechenkerne, ohne dass der Speicher den Chippreis auffrisst?
Der Ansatz des UK AI chip startup: DRAM direkt auf dem Chip
Fractile beantwortet diese Frage auf eine eigene Art. Nach einem Wechsel der Strategie stapelt das Unternehmen gewöhnlichen DRAM direkt auf den Chip, statt auf die üblichen Zwischenspeicher zu setzen. Damit will es den üblichen Tauschhandel umgehen: viel Bandbreite oder viel Kapazität, aber selten beides.
Dazu kommt Software. Fractile liefert einen eigenen Compiler für maschinelles Lernen mit und tritt damit als Anbieter eines ganzen Stapels auf, nicht als reiner Chiphersteller. Das ist der Teil, der in der Praxis entscheidet. Ein Chip, für den bestehende Modelle erst umgebaut werden müssen, hat es bei Kunden schwer.
Fractile funding: Thrive, Founders Fund und der Sovereign AI Fund
Nach Angaben von TechCrunch führten Thrive Capital, Founders Fund, Lightspeed Venture Partners und Redpoint die Runde an. Beteiligt war außerdem der britische Sovereign AI Fund. Die Regierung rahmt das so, dass Großbritannien einen größeren Anteil an der Hardware bekommen soll, auf der seine künftige Wirtschaft läuft.
Ob der Staat selbst Anteile hält, geht aus den Berichten nicht hervor. London gilt ohnehin als wichtigster Standort für Wagniskapital in Europa, weshalb solche Runden dort leichter zustande kommen als in Frankfurt oder München.
Was bei Fractile noch fehlt: Silizium, Kunden und Vergleichswerte
Die Liste der offenen Punkte ist lang, und sie ist der eigentliche Prüfstein. Es gibt keine unabhängigen Vergleiche mit Nvidia, Groq, Cerebras oder Etched, und keine Angaben zu Leistungsaufnahme oder Kosten pro Token. Es gibt keinen Kunden, der bestätigt, ein Modell auf dieser Hardware laufen zu lassen.
CEO Walter Goodwin schrieb auf LinkedIn, es liege „noch viel Arbeit“ vor ihnen, und das Geld solle helfen, im nächsten Jahr erste Chips und Systeme zu liefern. Eine ehrliche Formulierung, für ein Unternehmen im Wettbewerb mit Herstellern, die seit Jahren liefern und deren Software in bestehenden Modellen läuft.
Woran sich die Fractile valuation 2027 messen lassen muss
Etched, Axelera und OLIX verfolgen ähnliche Ziele, und keiner dieser Anbieter hat bislang öffentlich gezeigt, dass ein anderer Rechenweg die Kosten pro Token im Betrieb wirklich senkt.
Vier Dinge würden aus der Wette eine Geschichte machen, und alle vier lassen sich prüfen. Erstens: funktionierende Silizium-Wafer mit Messwerten, die externe Prüfer nachvollziehen können. Zweitens: ein Modell eines Kunden, das ohne Umbau schnell läuft. Drittens: eine Aussage darüber, woher der DRAM in Mengen kommen soll, denn auch gewöhnlicher Speicher ist derzeit knapp.
Viertens der Preis pro Token. Wer in Europa einen Assistenten für Kunden betreibt, merkt jede Verbesserung an dieser Zahl sofort auf der Rechnung. Sinkt sie nicht, bleibt Fractile eine Bewertung ohne Produkt. Sinkt sie deutlich, wäre der Sprung von 1,1 auf 7 Milliarden Dollar im Rückblick billig gewesen.
