Vinci sammelt 250 Mio. Dollar ein, um die Physiksimulation für Chips zu beschleunigen

Vinci, ein Unternehmen aus Palo Alto, das mit KI die Physik von Chips und Hardware simuliert, hat am 6. Oktober 2026 250 Millionen Dollar bei einer Bewertung von 1,5 Milliarden Dollar eingesammelt. Advent, Temasek und Xora Innovation führten die Series B an, berichtet The Next Web. Die Wette lautet: Physikprüfungen, die heute Stunden oder Tage dauern, können laufen, während die Ingenieure noch am Entwurf zeichnen. Für Teams, die heiß laufende KI-Chips bauen, könnte das jeden Designzyklus um Wochen verkürzen.

Was Vinci baut

Bevor ein Chip gefertigt wird, simulieren Ingenieure sein Verhalten. Überhitzt er? Verbiegt er sich oder reißt er, wenn er warm wird? Herkömmliche Tools beantworten diese Fragen langsam. Deshalb lassen Teams sie nur an festen Kontrollpunkten laufen, nicht ständig.

Vinci hat mit Wärme angefangen, weil Hitze zu einem wachsenden Problem geworden ist, je größer und komplexer KI-Chips werden. Laut The Next Web will das Unternehmen nun ganze Systeme simulieren. Als Nächstes plant es Vibrationstests und Elektromagnetik.

Converge Digest nennt vier Bestandteile der Plattform:

• automatisierte Aufbereitung der Designdateien
• „agentische Orchestrierung“, also KI-Agenten, die die Jobs einrichten und ausführen
• Physik-Foundation-Modelle, also große KI-Modelle, die auf physikalischem Verhalten trainiert sind
• GPU-native Kernels, also Code, der direkt auf Grafikprozessoren läuft

Pulse 2.0 zufolge arbeitet die Plattform „zero-shot“ für thermisches, thermomechanisches und konvektives Strömungsverhalten. Zero-shot bedeutet, dass sie einen neuen Fall bewältigt, ohne zuvor genau auf diesen Fall trainiert worden zu sein.

Die Geschwindigkeitsversprechen

Vincis zentrale Aussage ist die Geschwindigkeit. The Next Web und RuntimeWire berichten beide von Simulationen, die bis zu 1.000-mal schneller sind als herkömmliche Tools. The Next Web ergänzt, Vinci sage, dies gehe ohne Genauigkeitsverlust.

Converge Digest und Pulse 2.0 zufolge kann die Plattform Designs mit mehr als 15 Milliarden Freiheitsgraden in Minuten auswerten. Freiheitsgrade sind die unbekannten Werte, die eine Simulation lösen muss, etwa die Temperatur an jedem winzigen Punkt eines Chips. Fünfzehn Milliarden davon beschreiben ein sehr detailliertes Modell.

Das sind die eigenen Zahlen des Unternehmens. Keiner der vier Berichte nennt einen unabhängigen Test.

Wer investiert hat und wofür das Geld gedacht ist

Detail	Zahl
Runde	Series B
Betrag	250 Millionen Dollar
Bewertung	1,5 Milliarden Dollar
Lead-Investoren	Advent, Temasek, Xora Innovation
Weitere Investoren	Eclipse, Khosla Ventures, Madrona; AMD Ventures, laut Converge Digest
Frühere Finanzierung	46 Millionen Dollar, im Dezember 2025 angekündigt, laut The Next Web
Mitarbeiter	70

RuntimeWire beziffert die insgesamt eingeworbene Summe auf 296 Millionen Dollar und sagt, das frühere Geld habe eine Series A über 36 Millionen Dollar enthalten.

CEO Hardik Kabaria sagte The Next Web, das Geld solle Rechenleistung, neue Mitarbeiter und weitere Simulationsprodukte bezahlen. Der nächste Schritt ist der Ausbau von zwei Pilot-Einsätzen bei Kunden auf 20. „Es ist ein Foundation-Modell, von dem bewiesen ist, dass es im Feld funktioniert“, sagte Kabaria.

Die Beteiligung von AMD ist bemerkenswert, denn AMD entwirft genau die Art von Chips, die diese Arbeit brauchen. Brian Amick ist Senior Vice President für Technologie und Engineering bei AMD. „Der Entwurf fortschrittlicher Systeme verlangt von Ingenieuren zu verstehen, wie thermisches, physikalisches und elektrisches Verhalten über Chip, Package und Board hinweg zusammenwirken“, sagte er Converge Digest.

Converge Digest zufolge finanziert die Runde auch den Schritt in die Strömungsmechanik und in neue Hardwarebereiche: Speicher, Fahrzeuge, Flugzeuge und Satelliten.

KI für das Chipdesign zieht Geld aus mehreren Richtungen an. Zwei Tage zuvor haben OpenAI und Synopsys GPT-Synopsys, ein Modell für das Chipdesign, vorgestellt.

Was das für Entwickler bedeutet

Die meisten Teams werden Vinci nicht direkt anfassen. Es ist wichtig für Hardware-, Packaging- und Thermik-Ingenieure und für die Softwareteams, die ihre Tools bauen.

• Behandeln Sie die Geschwindigkeitsangabe als Hypothese. „Bis zu 1.000-mal“ ist der Bestfall. Wenn Sie Vinci evaluieren, lassen Sie es auf einem früheren Design laufen, dessen reale Ergebnisse Sie schon kennen. Vergleichen Sie dann seine Antworten mit Ihrem aktuellen Solver und mit dem gemessenen Chip.
• Rechnen Sie mit Piloten, nicht mit einem fertigen Produkt. Zwei Kundeneinsätze sind ein frühes Stadium. Fragen Sie, welchen Support, welche Genauigkeitsgarantien und welche Exportoptionen ein Pilot umfasst, bevor Sie ein Tape-out darauf aufbauen.
• Planen Sie ein Budget für GPUs ein. Die Plattform läuft auf GPU-nativem Code, daher verschieben sich die Kosten von Softwarelizenzen hin zu Rechenzeit. Fragen Sie, ob sie in Vincis Cloud oder auf Ihrer eigenen Hardware läuft.
• Beobachten Sie die Expansion. Hitze ist das erste Gebiet. Ob dieselben Modelle bei Vibration und Elektromagnetik bestehen, zeigt, ob dies ein schneller Solver oder eine allgemeine Physikplattform ist.

Das klarste Signal wird die nächste Kundenzahl sein. Vinci nannte 20 Einsätze als Ziel, und diese Zahl lässt sich leicht prüfen.