Nichehukommelse med to forretningsben
GSI Technology designer og sælger højtydende SRAM-hukommelseskredsløb, der bruges i netværksudstyr, telekommunikation, industrielle systemer og militær- og rumfartselektronik.
Selskabets kunder tæller producenter af netværksudstyr samt forsvars- og rumfartsentreprenører, der efterspørger strålingstolerante og højhastigheds-hukommelseskomponenter.
Ved siden af den etablerede SRAM-forretning udvikler GSI en ny generation af Associative Processing Unit-kredsløb - Gemini-I, Gemini-II og det kommende Plato - der kombinerer hukommelse og beregning i samme silicium til Edge AI-applikationer som droner, smart city-overvågning og autonome sikkerhedssystemer.
De to forretningsben har vidt forskellig modenhed: SRAM genererer stabil omsætning i dag, mens APU-portefølgen stadig er i en tidlig kommercialiseringsfase.
Forretningsmodel og indtjeningskilder
Omsætningen kommer primært fra salg af SRAM-chips til OEM-kunder inden for netværk, industri og forsvar, og i kvartalet afsluttet 30. juni 2026 leverede dette 6,3 mio. USD i omsætning med en bruttomargin på 53,4 pct., ned fra 58,1 pct. året før.
APU-forretningen finansieres i vid udstrækning af statslige forsknings- og udviklingskontrakter, herunder en SBIR Phase II-kontrakt fra den amerikanske hær på ca. 2 mio. USD, samt løbende aktiesalg gennem selskabets ATM-program, der alene i seneste kvartal indbragte 9,3 mio. USD. Selskabet har dermed en tostrenget model, hvor den modne SRAM-forretning delvist finansierer den tabsgivende APU-satsning, og stigende R&D-udgifter til Plato-processoren har presset driftsresultatet til et underskud på 5,4 mio. USD i seneste kvartal.
Teknologisk differentiering via compute-in-memory
GSIs APU-teknologi bygger på compute-in-memory-princippet, hvor data forbliver i hukommelsescellerne, mens beregningerne udføres direkte i hukommelsesarrayet i stedet for at blive flyttet til en separat processor.
En uafhængig Cornell-undersøgelse har vist, at Gemini-I APUen matcher GPU-klasse ydeevne på retrieval-augmented generation-opgaver, mens energiforbruget reduceres med over 98 pct. sammenlignet med traditionelle GPUer som Nvidias A6000.
Gemini-II har bestået strålingstest, hvilket åbner for brug i rumfarts- og forsvarsapplikationer, og selskabet arbejder på en AI-assisteret SDK med planlagt lancering i september 2026.
Den næste generation, Plato, er designet til lavere strømforbrug og målrettet robotics og LLM-inferens på kanten af nettet, med forventet færdigudvikling omkring første kvartal 2027.
Konkurrencesituation og markedsposition
Inden for SRAM konkurrerer GSI med langt større spillere som Cypress Semiconductor (nu del af Infineon), Renesas Electronics og Micron Technology, hvor GSI har fundet en niche i højtydende netværks-SRAM og strålingstolerante varianter til forsvar og rumfart.
Inden for det nye APU-marked for Edge AI findes endnu ingen direkte modpart med samme compute-in-memory-arkitektur, men GSI konkurrerer indirekte med etablerede GPU-baserede løsninger fra Nvidia samt specialiserede edge AI-chipdesignere som Hailo og BrainChip.
Konkurrencefordelen i SRAM er holdbar, fordi kvalificering til forsvars- og rumfartsprogrammer tager år og skaber høje skifteomkostninger, men fordelen er begrænset af et lille og svagt voksende totalmarked.
På APU-siden er differentieringen reel og videnskabeligt dokumenteret, men den er endnu ikke omsat til en betydelig kommerciel kundebase, hvilket gør positionen spekulativ snarere end etableret.
Strategisk retning mod forsvar, smart city og AI på kanten
GSI positionerer sig strategisk væk fra datacenter-AI, hvor Nvidia dominerer, og i stedet mod strømbegrænsede Edge AI-miljøer som droneovervågning, autonome sikkerhedssystemer og smart city-infrastruktur.
Selskabet har opnået tidlige valideringspunkter som en Smart City Phase I-implementering, et proof-of-concept med det israelske G2 Tech om autonom perimetersikkerhed samt SBIR-finansierede forsvarsprojekter, der understøtter en langsigtet fortælling om Edge AI og forsvarselektronik som vækstmotorer.
Retningen er i tråd med megatrenden om decentraliseret, energieffektiv AI-databehandling, men indtjeningen fra disse initiativer er fortsat minimal, og ledelsen har selv peget på en omsætningsrampe først fra 2027.