जब सभी मॉडल लेयर पर लड़ाई में लगे हुए हैं, तो एक टीम जिसके पास ओपन सोर्स इन्फरेंस का वास्तविक मानक है, सिलिकॉन वैली के सबसे शानदार सीड राउंड निवेशकों के साथ, आधुनिक AI इंफ्रास्ट्रक्चर की ओर अपना ध्यान आकर्षित कर रही है।

लेखक, स्रोत: मशीन इंटेलिजेंस

5 मई को, AI इंफ्रास्ट्रक्चर स्टार्टअप RadixArk ने 1 बिलियन डॉलर के बीज फंडिंग राउंड की घोषणा की, जिसके बाद की मूल्यांकन 4 बिलियन डॉलर है। राशि, मूल्यांकन और निवेशकों की सूची के मामले में, यह 2026 में AI Infra सेगमेंट में अब तक का सबसे बड़ा प्रारंभिक निवेश है।

इस राउंड की नेतृत्व भूमिका Accel ने निभाई है, जबकि Spark Capital सह-नेतृत्व कर रहा है। संस्थागत निवेशकों में NVIDIA का NVentures, AMD, MediaTek, Databricks, और Salience Capital, HOF Capital, Walden Catalyst, A&E Investment, LDVP, WTT Fubon Family जैसे प्रमुख संस्थाएँ शामिल हैं। GPU से CPU तक, एज चिप से डेटा प्लेटफॉर्म तक, कोर हार्डवेयर और सिस्टम स्तर के मुख्य खिलाड़ी लगभग सभी उपस्थित हैं।

टॉप इंस्टीट्यूशनल ग्रुप के बाहर, इंटेल, ब्रॉडकॉम, ओपनएआई, एक्सएआई, पायटॉर्च जैसे क्षेत्रों से जुड़े कई वैश्विक तकनीकी नेता इस राउंड में एंजेल निवेशक के रूप में शामिल हुए हैं।

हार्डवेयर के तीन बड़े एसईओ, टॉप मॉडल लैब के संस्थापक और PyTorch के निर्माता—AI Infra के इतिहास में इस संयोजन को एक ही बीज फंडिंग राउंड में एक साथ इकट्ठा करना अत्यंत दुर्लभ है। इस क्षेत्र के परिचित निवेशक सीधे कहते हैं: यह "अगली पीढ़ी के इंफ्रास्ट्रक्चर के फैक्टो स्टैंडर्ड" पर बेट लगा रहे हैं।

दुनिया का सबसे अच्छा रीजनिंग इंजन, उनके हाथों में

रैडिक्सआर्क की कहानी, एक ओपन सोर्स प्रोजेक्ट SGLang से शुरू होती है।

2023 के अपने जन्म के बाद से, SGLang ने अविश्वसनीय रूप से तेज़ इटरेशन के साथ GitHub पर 27K+ स्टार्स और 400K+ GPU पर डिप्लॉय किए जाने के साथ, ओपन-सोर्स बड़े मॉडल इन्फरेंस का एक प्रमुख मानक बन गया है। प्रतिदिन SGLang पर कई ट्रिलियन टोकन का उत्पादन ट्रैफ़िक चलता है, और इसके उपयोगकर्ताओं में Google, Microsoft, NVIDIA, Oracle, AMD, LinkedIn, xAI, Thinking Machines Lab शामिल हैं।

पिछले दो वर्षों में, मॉडल आर्किटेक्चर ने MoE, लंबे कॉन्टेक्स्ट, रीजनिंग मॉडल, और मल्टीमॉडल फ्यूजन जैसी कई बड़ी बदलावों से गुजारा है। हर आर्किटेक्चर के पुनर्निर्माण के साथ, SGLang ने Day-0 कंपैटिबिलिटी प्राप्त की—एक अग्रणी ओपन-सोर्स मॉडल प्रकाशन के साथ समर्थन का मैकेनिज़्म, जिसका प्रदर्शन मशीन की भौतिक सीमा तक पहुंच जाता है। निवेशकों द्वारा बार-बार उल्लेख किया गया एक मूल्यांकन है कि SGLang की इटरेशन गति और इंजीनियरिंग अनुशासन का संयोजन, ओपन-सोर्स प्रोजेक्ट्स में अद्वितीय है।

इसके पीछे एक ऐसी संस्थापक टीम है जिसके पास सिस्टम और एल्गोरिदम के क्षेत्र में गहरा अनुभव है।

सीईओ शेन यिंग (Ying Sheng) ने शंघाई जियाओटोंग विश्वविद्यालय के ACM कक्षा से स्नातक किया और स्टैनफोर्ड विश्वविद्यालय से डॉक्टरेट किया, वे LMSYS Org के संस्थापक और SGLang के प्रमुख सह-संस्थापक में से एक हैं। उन्होंने अपने डॉक्टरेट के दौरान UC Berkeley Sky Lab में अतिथि शोधकर्ता के रूप में शोध किया, और Databricks और xAI में काम किया, जहां उन्होंने xAI के इन्फरेंस टीम के प्रमुख के रूप में कार्य किया। शेन यिंग का काम ध्यान की विरलता, KV कैश पुनःउपयोग आदि क्षेत्रों में उद्योग द्वारा बहुत प्रशंसित है, और SGLang की प्रारंभिक RadixAttention तंत्र उनकी प्रमुख उपलब्धियों में से एक है।

CTO जु बांगहुआ (Banghua Zhu) ने त्सिंगहुआ विश्वविद्यालय के इलेक्ट्रॉनिक इंजीनियरिंग विभाग से स्नातक किया और यूसी बर्कले से डॉक्टरेट किया, जहाँ उनके मार्गदर्शक मशीन लर्निंग के महान विद्वान माइकल आई. जॉर्डन और जियानताओ जियाओ थे। डॉक्टरेट के दौरान उन्होंने Nexusflow की सह-स्थापना की, जिसे बाद में नविडिया ने अधिग्रहण कर लिया, और वे नविडिया में Principal Research Scientist बने। उनके हाथों से गुजरे प्रोजेक्ट्स में औद्योगिक स्तर की ट्रेनिंग सिस्टम की पूरी व्यवस्था और NVIDIA के अंतर्गत निचले स्तर की सिस्टम अनुकूलन तथा बड़े पैमाने पर ट्रेनिंग पर लंबे समय का अनुभव शामिल है।

एक प्रमुख हार्डवेयर निर्माता के तकनीकी प्रमुख द्वारा मूल्यांकन किया गया कि यह 2026 के AI Infra स्टार्टअप में सबसे अधिक मूल्यवान संस्थापक टीम है: एक ओपन सोर्स इन्फरेंस के वास्तविक मानक पर काबू रखने वाले शोध-आधारित संस्थापक, और दूसरी ओर GPU निर्माता के सबसे मुख्य शोध स्तर से आए बड़े मॉडल एल्गोरिथम विशेषज्ञ।

SGLang नामक दैनिक ट्रिलियन स्तर के टोकन को प्रोसेस करने वाले इन्फ्रास्ट्रक्चर इंजन के साथ शुरुआत करना — यही तो AI इन्फ्रा स्टार्टअप के लिए सपनों की शुरुआत है। और इस टीम के पास यही एक हाथ नहीं है।

दिन-0 डीपसीक V4 के रीइनफोर्समेंट लर्निंग को नियंत्रित करना

रेडिक्सआर्क ने इन्फरेंस इंजन के अलावा ट्रेनिंग एंड पर भी क्रांतिकारी प्रगति की है।

2025 नवंबर में, टीम ने रीइनफोर्समेंट लर्निंग फ्रेमवर्क Miles को ओपन सोर्स किया, जो बड़े पैमाने पर RL प्रशिक्षण की स्थिरता और कुशलता पर केंद्रित है, जिसे अब तक 20 से अधिक टीमों द्वारा MoE मॉडल के रीइनफोर्समेंट लर्निंग प्रशिक्षण के लिए उपयोग किया जा रहा है।

2025–2026 में, रीजनिंग, टूल उपयोग और एजेंटिक क्षमताओं की प्रतिस्पर्धा पूरी तरह से बढ़ जाएगी, और प्रत्येक प्रगति के पीछे, अत्यधिक विस्तृत वितरित RL को सहन करने में सक्षम एक प्रणाली की आवश्यकता होगी। उद्योग के निरीक्षकों ने एक ऐसी चुनौती को उजागर किया है जिसका बार-बार उल्लेख किया जाता है लेकिन लंबे समय से हल नहीं हुआ है: आज के बड़े मॉडल टीमों के लिए सबसे बड़ी पीड़ा, किसी भी एकल बिंदु अनुकूलन से कहीं अधिक है। प्रशिक्षण से RL और फिर लाइव इन्फरेंस तक की पूरी लंबी श्रृंखला में सीमाओं का घर्षण, प्रत्येक चरण को अलग-अलग देखने पर लगभग आदर्श प्रतीत होता है, लेकिन एक साथ जोड़ने पर प्रत्येक स्थान पर कुशलता कम हो जाती है।

माइल्स और SGLang का संयोजन, वर्तमान बड़े मॉडल टीमों द्वारा «प्रशिक्षण-RL-अनुमान» पूर्ण लैंच पर उत्पन्न दक्षता अंतर को पूरा करने का प्रयास कर रहा है।

नया मॉडल Day-0 की समर्थन क्षमता Infra टीम की इंजीनियरिंग क्षमता का सीधा प्रतिबिंब है।

25 अप्रैल को, जटिल आर्किटेक्चर वाला DeepSeek-V4 लॉन्च किया गया। उसी दिन, SGLang और Miles ने DeepSeek-V4 के लिए निष्कर्षण और RL प्रशिक्षण दोनों का समर्थन किया। इसका श्रेय टीम के नीचले स्तर के सिस्टम-लेवल अनुकूलनों को है, जिसमें मिश्रित ध्यान के लिए ShadowRadix प्रीफिक्स कैश, एकल चिप पर संपीड़न पूरा करने वाला Flash Compressor, और Top-K लेटेंसी को 15 माइक्रोसेकंड तक संकुचित करने वाला Lightning TopK शामिल है, साथ ही FP8 निष्कर्षण से BF16 प्रशिक्षण तक की पूरी RL पाइपलाइन को जोड़ा गया है।

Full-stack consensus endorsement:

बड़े खिलाड़ी एक साथ प्रवेश कर रहे हैं, वे किस चीज़ से चिंतित हैं?

NVIDIA, AMD, MediaTek, Broadcom, Intel —— हार्डवेयर लेयर की सबसे महत्वपूर्ण कंपनियाँ, जो सीड राउंड में एक साथ मौजूद होना उद्योग में लगभग असंभव है। वास्तव में, हार्डवेयर निर्माता सबसे अच्छी तरह जानते हैं कि वर्तमान में कैलकुलेशन पावर अभी भी महँगी और दुर्लभ है, और केवल हार्डवेयर को बढ़ाने से यह स्थिर नहीं रह सकता। एक वास्तविक हार्डवेयर-डिकपल्ड, ओपन-सोर्स इन्फरेंस सिस्टम जो हेटरोजिनियस प्लेटफॉर्म पर चिप की प्रदर्शन क्षमता को अधिकतम तक निकाल सके, उनकी सबसे तीव्रता से आवश्यकता है।

डेटाब्रिक्स, पायटॉर्च के संस्थापक, और OpenAI / Thinking Machines / xAI के प्रमुख व्यक्ति एक साथ आना, मॉडल और सिस्टम स्तर पर 'ट्रेनिंग-इन्फरेंस एकीकृत बुनियादी ढांचे' के प्रति तीव्र अपेक्षा को दर्शाता है। एंजेल टीम का प्रत्येक नाम, एक अत्यंत सटीक निवेश दृष्टिकोण का प्रतीक है:

• चेन लीवू, इंटेल के सीईओ, जो अर्धचालक उद्योग में कई दशकों से विशेषज्ञ हैं।
• जॉन शुलमैन OpenAI के पूर्व सह-संस्थापक, Thinking Machines Lab के सह-संस्थापक और प्रवर्धित शिक्षण के एक स्थापित व्यक्ति हैं।
• सौमिथ चिंटाला — पायटॉर्च सह-संस्थापक, वैश्विक गहन अधिगम फ्रेमवर्क के गेटकीपर।
• इगोर बाबुश्किन, xAI के पूर्व सह-संस्थापक, ने उद्योग के सबसे जटिल ट्रेनिंग सिस्टम और हार्डवेयर प्लेटफॉर्म को खुद बनाया है।
• लिलियन वेंग, थिंकिंग मशीन्स लैब की सह-संस्थापक, AI प्रणालियों के औद्योगिक स्तर पर लागू होने के बारे में सबसे प्राथमिक दृष्टिकोण रखती हैं।

जब ये लोग, जो किसी भी मौके पर अकेले ही एक फंडिंग राउंड को संभाल सकते हैं, एक ही cap table पर सामूहिक रूप से दिखाई देते हैं, तो यह भविष्य की उत्सुकता से भरी निवेश है।

सभी के लिए बुनियादी ढांचा: AI बनाने का अधिकार अब कुछ ही लोगों के हाथ में नहीं होगा

रैडिक्सआर्क का दृष्टिकोण, एक वाक्य में सारांशित किया जा सकता है: AI बुनियादी ढांचे को बिजली की तरह सामान्य, विश्वसनीय और किसी भी व्यक्ति द्वारा अधिकारित न होने वाला सार्वजनिक साम्राज्य बनाना। यह एक आदर्शवादी घोषणा लग सकता है, लेकिन वास्तविक लागू करने के मामले में, वे इस वाक्य को सच में बदल रहे हैं:

• Academic community

तीन साल पहले, एक LLM निष्कर्षण अनुकूलन पर काम करने वाले डॉक्टरेट के छात्र के सामने आमतौर पर केवल दो विकल्प थे: एक था OpenAI का API, जो टोकन के आधार पर शुल्क लेता था और किसी भी आंतरिक संरचना को नहीं दिखाता था; दूसरा था पुराना ओपन सोर्स कोड, जिसके README में लिखा था कि 'यह एकल GPU पर काम करता है', जो पेपर में वास्तविक वितरित परिदृश्य को प्राप्त करने के लिए कई सालों के इंजीनियरिंग कार्य से अलग था।

SGLang इस द्विआधारी चुनाव को तोड़ता है—उद्योग-स्तरीय दैनिक थ्रूपुट, पूर्ण रूप से खुला कोड, स्टैनफोर्ड, बर्कले, CMU, UW के सिस्टम रिसर्च ग्रुप इसे डिफ़ॉल्ट बेसलाइन के रूप में सेट करते हैं। एजेंट पर शोध करने वालों के लिए, RadixAttention का प्रीफिक्स कैश साझा प्रीफिक्स को ट्री-जैसी संरचना में संगठित करता है, समान KV केवल एक बार गिना जाता है, जिससे पहले दो दिन लगने वाले प्रयोग अब आधे दिन में पूरे हो जाते हैं, और स्थानीय निष्कर्षण के लिए पेपर में SGLang का संदर्भ लेना लगभग डिफ़ॉल्ट हो गया है।

• स्टार्टअप

एक समूह ने बड़ी कंपनियों को छोड़ दिया और किसी विशिष्ट स्थिति की गहरी समझ के साथ उद्यम शुरू किया। उनके पास मिलियन डॉलर की कैलकुलेशन बजट नहीं थी, न ही कोई विशेष Infra टीम, केवल उत्पाद के प्रति एक अनुभवजन्य भावना थी।

पहले, उत्पादन-स्तरीय निष्कर्षण पाइपलाइन बनाना और हार्डवेयर-सहगम्यता के लिए इंजीनियरिंग भार को बनाए रखना, बीज चरण की कंपनियों की सीमा से अधिक था, और बहुत समय दोबारा पहिया बनाने में बर्बाद हो जाता था। अब, वे सीधे SGLang के ऊपर स्थिति-अग्रणी प्रदर्शन के साथ निष्कर्षण सेवाएँ शुरू कर सकते हैं, और Miles के साथ क्षेत्र-विशिष्ट मॉडल प्रशिक्षित कर सकते हैं—बुनियादी ढांचा अब बाधा नहीं है, और बचे हुए समय और पैसे को वे अपने वास्तविक रचना के लिए समर्पित कर सकते हैं।

• टेक दिग्गज

ऐसा क्यों है कि दुनिया के सबसे शक्तिशाली आंतरिक इन्फ्रास्ट्रक्चर वाले दिग्गज, जैसे Google, Microsoft, NVIDIA, SGLang के उपयोगकर्ता सूची में शामिल हैं? उत्तर इस राउंड के निवेशक संरचना में छिपा है—NVIDIA, AMD, MediaTek, Broadcom, Intel ये पाँच प्रमुख हार्डवेयर निर्माता एक साथ प्रवेश कर रहे हैं। वे सबसे अच्छी तरह जानते हैं कि एक हार्डवेयर-निरपेक्ष, किसी प्रतिद्वंद्वी से बंधा हुआ नहीं होने वाला ओपन-सोर्स इन्फरेंस सिस्टम पूरे पारिस्थितिकी तंत्र के लिए क्या मायने रखता है। समुदाय द्वारा साझा रूप से संरक्षित और कई हार्डवेयर निर्माताओं द्वारा समर्थित एक ओपन-सोर्स सिस्टम का उपयोग करना स्वयं एक उच्चतर स्तर की इन्फ्रास्ट्रक्चर रणनीति है।

RadixArk की आधिकारिक घोषणा में कोई भावुकता नहीं है, लेकिन पर्याप्त तीखापन है:

अगली पीढ़ी का एआई को निजी बुनियादी ढांचे तक पहुंच के लिए सीमित नहीं होना चाहिए। अधिक टीमों को अपने मॉडल, अपनी प्रणाली और अपना भविष्य रखना चाहिए।

इस 1 अरब डॉलर के बीज फंडिंग का उद्देश्य इस वाक्य को इंजीनियरिंग वास्तविकता में बदलना है: SGLang को किसी भी नए मॉडल के दिन-0 उत्पादन मानक बनाना; Miles को बड़े पैमाने पर प्रशिक्षण और RL के लिए बुनियादी ढांचे के स्तर का फ्रेमवर्क बनाना; और फिर, ओपन सोर्स कोर के आधार पर, एक ऐसा होस्टेड प्लेटफॉर्म बनाना जो मॉडल को बंद न करे, ग्राहकों को बंधक न बनाए, लेकिन शीर्ष स्तरीय बुनियादी ढांचे की क्षमताएँ प्रदान करे।

रेडिक्सआर्क का दृष्टिकोण कभी किसी को बदलने का नहीं था। बल्कि यह एक शैक्षणिक प्रयोगशाला, एक तीन सदस्यीय स्टूडियो, एक हाल ही में बीज फंडिंग प्राप्त करने वाली स्टार्टअप और एक ट्रिलियन डॉलर की कंपनी को एक ही बुनियादी ढांचे की शुरुआती रेखा पर खड़ा करना था।

अगर 2023 में Anthropic, 2024 में Mistral, और 2025 में Thinking Machines Lab ने AI मॉडल स्तर पर एक-एक करके दिशात्मक जोखिम उठाया, तो 2026 में RadixArk ने और भी नीचे और अधिक दीर्घकालिक जोखिम उठाया: अग्रणी AI के निर्माण का अधिकार, वास्तव में पर्याप्त संख्या में लोगों के हाथों में लौटाना।

और फाइनेंसिंग पूरी होने के बाद, टीम ने ओपन सोर्स समुदाय के लिए एक वापसी पहल शुरू की: प्लेटफॉर्म पर पंजीकरण करें और ट्वीट को शेयर करें, ताकि RadixArk होस्टिंग प्लेटफॉर्म के आधिकारिक लॉन्च के बाद मुफ्त उपयोग क्रेडिट प्राप्त किए जा सकें। ओपन सोर्स समुदाय से विकसित इस टीम के लिए, यह सच्चे सोने की गणना क्षमता के साथ SGLang को आज तक पहुंचाने वालों का आभार व्यक्त करना है।

• लिंक: platform.radixark.com