Der Euclyd KI-Chip bekommt mehr als 200 Millionen Euro Risikokapital – in einer Series A, also der ersten größeren Finanzierungsrunde. Das niederländische Startup will KI-Inferenz ohne GPU betreiben und verspricht dabei bis zu hundertfach bessere Effizienz. Ein Blick auf das, was belegt ist, und auf das, was bisher nur eine Ansage ist.
Was hinter dem Euclyd KI-Chip steckt
Euclyd wurde 2024 am High Tech Campus in Eindhoven gegründet und hat am 15. September 2026 eine Series A von über 200 Millionen Euro bekanntgegeben. Co-Leads sind Samsung, Somerset Capital Partners, der von EQT verwaltete Scaleup Europe Fund und Innovation Industries; weitere Geldgeber sind EIFO, imec.xpand, die Entwicklungsagentur Brabant und Quadri. Peter Wennink, früherer Präsident und CEO von ASML, wird Chairman of the Board.
Klartext ins Postfach
KI, Security & Crypto – die wichtigsten Analysen, kein Spam. Jederzeit abbestellbar.
Technisch setzt Euclyd an der Inferenz an, also an der Phase, in der ein fertig trainiertes Modell eine Anfrage beantwortet. Die These: Grafikprozessoren verbrauchen dabei den Großteil ihrer Energie nicht fürs Rechnen, sondern fürs Hin- und Herschieben von Daten zwischen Speicher und Recheneinheiten. Der Chip „CRAFTWERK” soll 16.384 eigene SIMD-Prozessoren enthalten, die eng mit dem Speicher verzahnt sind. Eine Rack-Variante namens CRAFTWERK Station bündelt 32 dieser Bausteine und zielt auf rund 1,02 Exaflops in FP4-Genauigkeit. Diese Spezifikationen stammen aus der CRAFTWERK-Vorstellung im September 2025, nicht aus der aktuellen Finanzierungsmeldung.
Die Zahl, die überall zitiert wird – bis zu hundertfach bessere Token-pro-Joule- und Kosten-pro-Token-Werte – bezieht Euclyd nach eigener Formulierung auf „heutige führende Inferenz-Alternativen”. Einen expliziten Vergleich mit einer konkreten Nvidia-Generation nennt das Unternehmen selbst nicht; sie beruht auf einer Modellrechnung mit Metas Llama 4 Maverick und ist kein Messwert aus einem laufenden System. Euclyd hat bislang keinen Chip ausgeliefert. Nach eigenen Angaben laufen Gespräche mit vier Interessenten, zwei davon sollen 2027 beliefert werden; die Systeme sollen ab 2028 ausgerollt werden, Tausende Unternehmenskunden nennt das Unternehmen für 2030.
Was das für dich bedeutet
Für den Arbeitsalltag ändert sich 2026 nichts. Wer heute lokal ein Modell betreibt oder Inferenz einkauft, plant weiter mit GPUs. Zwei Jahre bis zum ersten System sind in diesem Markt eine Ewigkeit, und eine Effizienzangabe aus der eigenen Simulation ist kein Benchmark. Ich halte es hier wie bei jedem Herstellerversprechen ohne unabhängige Messung: interessant notieren, nicht einplanen.
Interessant ist die Runde trotzdem – aus zwei Gründen. Erstens verschiebt sich der Engpass in der KI-Wirtschaft gerade sichtbar vom Training zur Inferenz. Wer produktiv Agenten und Assistenten betreibt, zahlt nicht mehr für das einmalige Trainieren, sondern für jede einzelne Antwort. Genau dort setzen inzwischen mehrere Anbieter an, und Kapital fließt entsprechend.
Zweitens ist das ein europäischer Baustein. Ein Standort mit ASML-Erbe, Samsung als Investor und ein ehemaliger ASML-Chef im Aufsichtsgremium – das ist mehr als eine Startup-Meldung. Für Betriebe, die aus Datenschutzgründen ungern über US-Clouds inferieren, wäre eine europäische Hardware-Option mittelfristig relevant. Ob daraus etwas wird, entscheidet sich aber am Silizium, nicht an der Pressemitteilung.
Ein konkreter Tipp für die Planung
Wenn du gerade Hardware für KI-Workloads beschaffst, triff keine Entscheidung auf Basis angekündigter Architekturen. Rechne stattdessen deine reale Inferenzlast durch: Wie viele Anfragen pro Tag, welche Modellgröße, welcher Anteil davon muss im Haus bleiben? Diese Zahl sagt dir mehr über deine nächste Anschaffung als jede Roadmap. Und halte Abschreibungszeiträume kurz – wer heute drei Jahre auf eine Beschleuniger-Generation festlegt, sitzt 2028 möglicherweise auf der falschen Seite des Umbruchs.
Wer damit nur experimentieren will, braucht keine Rack-Systeme: Für den Einstieg reicht Consumer-Hardware, wie wir im Ratgeber zu Hardware für lokale KI und LLMs zeigen. Wie viel Bewegung derzeit im Markt für KI-Beschleuniger steckt, zeigte zuletzt die AMD Threadripper Halo Station.
Quellen
- Pressemitteilung: EUCLYD Raises Over €200 Million to Break the AI Efficiency Wall (15.09.2026)
- Euclyd – Unternehmensseite
- eeNews Europe: Euclyd unveils CRAFTWERK exascale inference architecture
- CNBC: Samsung backs Nvidia AI chip rival in $230 million funding round
Diese Analysen als Newsletter
Ein Mal pro Woche Klartext zu KI, Security & Crypto – direkt in dein Postfach.
Jetzt anmelden