Mirai, Startup Baru Pendiri Reface dan Prisma, Kembangkan Inferensi AI On-Device

LONDON, (19 Februari 2026)

Sebagian besar diskusi seputar AI saat ini berpusat pada pembangunan kapasitas cloud dan data center besar untuk menjalankan model. Namun, di tengah tren ini, perusahaan seperti Apple dan Qualcomm mulai berupaya menjadikan on-device AI lebih fungsional. Mengutip laporan dari TechCrunch, tim teknis Mirai yang beranggotakan 14 orang di London kini sedang berupaya meningkatkan cara model Machine Learning berjalan di ponsel dan laptop.

Mirai, yang didukung oleh putaran pendanaan awal sebesar $10 juta yang dipimpin oleh Uncork Capital, didirikan tahun lalu oleh Dima Shvets dan Alexey Moiseenkov. Kedua pendiri memiliki pengalaman membangun aplikasi konsumen yang scalable. Shvets adalah salah satu pendiri aplikasi face-swapping Reface, yang didukung oleh a16z. Ia kemudian juga menjadi scout untuk firma venture capital tersebut. Moiseenkov adalah CEO dan salah satu pendiri aplikasi filter AI viral dekade lalu, Prisma.

Sebagai pengembang aplikasi konsumen, Shvets menyatakan bahwa mereka berdua telah memikirkan AI dan Machine Learning di perangkat bahkan sebelum Generative AI menjadi populer. "Ketika kami bertemu di London, kami mulai membicarakan teknologi, dan kami menyadari bahwa di tengah hype Generative AI dan adopsi AI yang lebih luas, semua orang berbicara tentang cloud, tentang server, tentang AGI yang akan datang. Tetapi bagian yang hilang adalah [AI] on-device untuk hardware konsumen," katanya kepada TechCrunch.

Shvets dan Moiseenkov ingin menggunakan AI untuk menciptakan pipeline yang memungkinkan mereka melakukan tugas kompleks di ponsel, yang kemudian mendorong mereka untuk memulai Mirai. Ketika mereka bertanya kepada pengembang aplikasi konsumen lainnya, mereka mendengar bahwa banyak yang juga menginginkan optimasi biaya dan margin per token usage yang lebih baik.

Hingga saat ini, Mirai sedang mengembangkan framework agar model AI dapat berkinerja lebih baik di perangkat. Perusahaan tersebut telah membangun inference engine untuk Apple Silicon yang mengoptimalkan on-device throughput. Dengan SDK yang akan datang, pengembang dapat mengintegrasikan runtime ke dalam aplikasi mereka hanya dengan beberapa baris kode, menurut perusahaan.

"Salah satu visi mengapa kami memulai perusahaan adalah kami ingin memberi pengembang pengalaman integrasi seperti Stripe, delapan baris kode... Anda pada dasarnya masuk ke platform kami, mengintegrasikan key, dan mulai bekerja dengan summarization, classification, atau apa pun use case Anda," kata Shvets.

Startup ini membangun engine dalam Rust, yang diklaim dapat meningkatkan kecepatan generative model hingga 37%. Perusahaan menyatakan bahwa, saat menyetel model untuk suatu platform, mereka tidak mengubah model weights untuk memastikan tidak ada kehilangan kualitas output.

Stack teknologi Mirai saat ini berfokus pada peningkatan modalitas text dan voice pada platform, dengan rencana untuk mendukung vision di masa mendatang. Tim ini telah mulai bekerja dengan frontier model providers untuk menyetel model mereka untuk edge use dan sedang dalam pembicaraan dengan berbagai produsen chip. Kemudian, mereka berencana untuk membawa engine mereka ke Android juga.

Selain itu, Mirai bertujuan untuk merilis on-device benchmarks sehingga pembuat model dapat menguji kinerja on-device. Shvets mengakui bahwa tidak semua pekerjaan AI dapat dilakukan on-device. Untuk memungkinkan mode operasi campuran, tim ini membangun orchestration layer untuk mengirim permintaan yang tidak dapat dipenuhi di perangkat ke cloud.

Meskipun startup ini belum bekerja secara langsung dengan aplikasi, engine-nya dapat menggerakkan on-device assistants, transcribers, translators, dan aplikasi chat, demikian informasi yang diterima. Andy McLoughlin, managing partner di Uncork Capital, mencatat bahwa ia pernah berinvestasi pada perusahaan edge Machine Learning di dekade lalu. Ia mengatakan bahwa perusahaan tersebut terlalu awal dan akhirnya menjual bisnisnya ke Spotify. Di dunia saat ini, situasinya berbeda, menurutnya.

"Mengingat biaya cloud inference, sesuatu harus berubah... Untuk saat ini, para VC senang untuk terus mendanai perusahaan yang bergerak cepat, menghabiskan sejumlah besar uang untuk cloud inference. Tetapi itu tidak akan bertahan — pada titik tertentu, orang akan fokus pada ekonomi dasar bisnis ini dan menyadari bahwa sesuatu harus berubah," katanya. "Rasanya setiap pembuat model akan ingin menjalankan sebagian dari workloads inference mereka di edge, dan Mirai merasa sangat siap untuk menangkap permintaan ini."

Putaran pendanaan awal Mirai juga diikuti oleh individu, termasuk CEO Dreamer David Singleton, YC Partner Francois Chaubard, co-founder Snowflake Marcin Żukowski, co-founder Mati ElevenLabs Staniszewski, mantan product manager Google AdSense dan board member Coinbase Gokul Rajaram, investor Groq Scooter Braun, CTO Turing.com Vijay Krishnan, Ben Parr dan Matt Schlicht dari Theory Forge Ventures, serta mantan technical leader Netflix, Aditya Jami.

Dampak bagi Indonesia

Peningkatan efisiensi on-device AI yang ditawarkan Mirai berpotensi membawa dampak signifikan bagi pasar teknologi di Indonesia. Dengan kemampuan menjalankan model AI yang kompleks langsung di smartphone atau laptop, pengguna di Indonesia dapat merasakan peningkatan kecepatan respons aplikasi berbasis AI, privasi data yang lebih baik karena pemrosesan tidak selalu membutuhkan cloud, serta kemampuan menggunakan fitur AI secara offline. Ini sangat relevan mengingat konektivitas internet yang belum merata di seluruh wilayah Indonesia.

Bagi pengembang aplikasi di Indonesia, framework Mirai dapat menjadi solusi untuk mengurangi ketergantungan pada cloud computing yang mahal. Optimalisasi biaya inference akan memungkinkan developer lokal untuk menciptakan aplikasi AI yang lebih terjangkau dan inovatif, mulai dari assistant pribadi on-device, aplikasi penerjemah real-time, hingga alat transkripsi suara yang efisien. Ini membuka peluang baru bagi startup teknologi Indonesia untuk mengembangkan produk AI yang kompetitif dengan biaya operasional yang lebih rendah, sehingga dapat mempercepat adopsi teknologi AI di berbagai sektor.

---

Artikel ini akan diperbarui seiring tersedianya informasi baru. Join Komunitas Rekayasa AI di Discord untuk diskusi lebih lanjut.