iPronics تجمع 125 مليون دولار في جولة السلسلة ب لتوسيع الشبكات الضوئية لمراكز بيانات الذكاء الاصطناعي

iPronics قامت بجمع $125 مليون في تمويل السلسلة B لتسريع النشر التجاري لتقنيتها القابلة للبرمجة في الشبكات الضوئية لمراكز بيانات الذكاء الاصطناعي (AI). قاد الجولة كل من Maverick Silicon و Light Street Capital, وانضمت NVIDIA كمستثمر إلى جانب Triatomic Capital, Bosch Ventures, Catalight Capital, صندوق المجلس الأوروبي للابتكار وعدة داعمين موجودين. يرفع هذا التمويل إجمالي تمويل iPronics إلى $177 مليون.

تعكس جولة التمويل من السلسلة B، الكبيرة على نحو غير معتاد، مشكلة متزايدة في البنية التحتية ترافق توسّع حوسبة الذكاء الاصطناعي: لا تفيد إضافة مزيد من وحدات GPU إلا إذا أمكن نقل البيانات بينها بسرعة وكفاءة. ومع نمو العناقيد من رفوف للمسرّعات إلى أنظمة أكبر، تصبح الشبكات مؤثرة في الأداء واستهلاك الطاقة والاستفادة من العتاد بقدر أهمية عتاد الحوسبة نفسه.

الشبكات تصبح جزءًا من مشكلة الحوسبة للذكاء الاصطناعي

يعتمد تدريب الذكاء الاصطناعي الحديث على كميات هائلة من الاتصالات بين وحدات GPU. وكلما كبر النموذج والعنقود، زادت حركة البيانات بين المسرّعات والرفوف وربما بين منشآت متعددة.

اعتمدت شبكات مراكز البيانات تقليديًا أساسًا على الوصلات النحاسية ومبدّلات الحزم الإلكترونية. لكن ارتفاع متطلبات النطاق الترددي يفرض أعدادًا أكبر من المكونات الكهربائية والبصرية عالية السرعة، ما يزيد استهلاك الطاقة والحرارة والتكلفة والتعقيد.

وهذا أحد أسباب توجّه قطاع البنية التحتية للذكاء الاصطناعي بصورة متزايدة نحو الاتصال البصري. فبدلًا من زيادة سعة معدات الشبكات التقليدية باستمرار، تستكشف الشركات بنيات يعمل فيها قدر أكبر من نسيج الاتصال نفسه بصريًا.

تتعامل iPronics مع المشكلة باستخدام تبديل الدارات البصرية (OCS) القائم على فوتونيات السيليكون. فبدلًا من فحص الحزم الفردية وتمريرها إلكترونيًا كما يفعل مبدّل الشبكة التقليدي، يستطيع مبدّل الدارات البصرية إنشاء مسارات ضوئية مباشرة بين نقاط النهاية وتغيير هذه الوصلات ديناميكيًا مع تغيّر المتطلبات.

كيف يعمل التحويل الضوئي في iPronics

في قلب تقنية الشركة توجد iPronics ONE، وهي منصة تبديل بصري تُركّب في الرفوف ومصمّمة للبنية التحتية للذكاء الاصطناعي.

تحتوي رقائقها الفوتونية السيليكونية على شبكات مما تسمّيه iPronics خلايا وحدية قابلة للبرمجة، تستطيع توجيه الضوء عبر مسارات مادية مختلفة. وتتحكم البرمجيات في هذه العناصر الفوتونية، ما يجعل البنية الطوبولوجية البصرية الأساسية قابلة للبرمجة بدلًا من توصيل الخوادم والمسرّعات بصورة دائمة ضمن ترتيب ثابت.

تجمع منصة ONE هذه الطبقة الفوتونية مع المراقبة والقياس عن بُعد وواجهات برمجة التطبيقات (APIs)، ما يتيح لبرمجيات تنسيق الشبكات تغيير الوصلات البصرية مع انتقال أعباء العمل أو تغيّر ظروف البنية التحتية.

قد تكون قابلية البرمجة تلك مهمة خصوصًا لعناقيد الذكاء الاصطناعي، لأن متطلباتها الشبكية ليست ثابتة بالضرورة. فمهام التدريب المختلفة قد تستفيد من ترتيبات مختلفة للمسرّعات، وقد يلزم تجاوز وحدات GPU المعطّلة، كما قد تنتج أعباء الاستدلال أنماط حركة بيانات تختلف كثيرًا عن التدريب واسع النطاق.

صُمّمت عائلة منتجات ONE الحالية للتوسّع من 32 إلى 256 منفذًا، وتدعم إعادة التهيئة في أقل من ملي ثانية، إلى جانب القياس البصري الآني والتكامل مع بيئات الشبكات المعرّفة برمجيًا.

من أبحاث الفوتونيات إلى بنية تحتية تجارية للذكاء الاصطناعي

تأسست iPronics عام 2019 بصفتها شركة منبثقة من جامعة فالنسيا التقنية، مستندة إلى أبحاث في فوتونيات السيليكون القابلة للبرمجة والأنظمة الفوتونية واسعة النطاق. ومنذ ذلك الحين حوّلت تركيزها إلى تحويل تلك الأبحاث إلى بنية شبكية قابلة للنشر لعناقيد الذكاء الاصطناعي.

تسارعت جهودها التجارية بشكل ملحوظ خلال العامين الماضيين.

في يناير 2025، جمعت iPronics مبلغ 20 مليون يورو في جولة من السلسلة A لتطوير تقنية شبكاتها البصرية. وبعد شهرين، كشفت الشركة عن ONE-32، وهو مبدّل دارات بصرية بفوتونيات السيليكون يضم 32 منفذًا ويستهدف شبكات الذكاء الاصطناعي للتوسّع الرأسي والأفقي. وقالت الشركة إن النظام يستطيع إعادة تهيئة الوصلات في أقل من 300 ميكروثانية، مع إضافة زمن استجابة يقل عن 30 نانوثانية.

تعمل الشركة أيضًا على بناء القدرة التصنيعية اللازمة لتجاوز عمليات النشر الصغيرة نسبيًا. ففي مارس 2026 أعلنت خط تصنيع مخصصًا مع Fabrinet لتغليف مبدّلات سلسلة ONE وتجميعها واختبارها وتأهيلها. وقالت آنذاك إنها تعمل مع أول عشرة عملاء لها من مشغّلي الحوسبة فائقة النطاق ومصنّعي المعدات الأصلية لعناقيد الذكاء الاصطناعي.

هذا التوسّع التصنيعي مهم لأن تقنيات الشبكات البصرية واجهت تاريخيًا انتقالًا صعبًا من عروض مخبرية واعدة إلى عتاد موثوق يمكن تصنيعه اقتصاديًا على نطاق مراكز البيانات.

ما الذي يغيّره تمويل السلسلة B البالغ 125 مليون دولار

يوفر رأس المال الجديد لـ iPronics موارد أكبر بكثير لمعالجة تحدّي التحويل التجاري هذا.

تخطط الشركة لتوسيع الإنتاج وتسريع عمليات النشر لدى العملاء ومواصلة تطوير منصة ONE. كما تعزّز وجودها في الولايات المتحدة بمكتب جديد في سانتا كلارا، ما يقرّبها من NVIDIA وكثير من شركات أشباه الموصلات والشبكات والبنية التحتية للذكاء الاصطناعي التي تصمّم الجيل القادم من مراكز البيانات.

مشاركة NVIDIA لافتة خصوصًا. فمعالجاتها الرسومية تعمل بصورة متزايدة مكوناتٍ داخل أنظمة حوسبة هائلة بدلًا من معالجات مستقلة، ما يجعل الوصلات بين المسرّعات عنصرًا حاسمًا في الأداء الكلي للنظام.

سينضم أيضًا مانيش موثال، المدير العام الأول في Maverick Silicon، إلى مجلس إدارة iPronics، وسيحصل جيفري تيت، الرئيس التنفيذي السابق لـ Rambus والمستشار الحالي لدى Light Street Capital، على مقعد في المجلس. وسيصبح يونغ سون من Catalight Capital، الرئيس المؤسسي ورئيس الاستراتيجية السابق في Samsung، مستشارًا للشركة.

قد تصبح الشبكات الضوئية جزءًا أكبر من بنية تحتية للذكاء الاصطناعي

تتجاوز الدلالة الأوسع لتمويل iPronics مبدّلًا بصريًا واحدًا.

سباق البنية التحتية للذكاء الاصطناعي ارتبط إلى حد كبير بوحدات GPU وغيرها من المسرّعات، لكن نشر مزيد من المعالجات لا يضمن استخدامها بكفاءة. فالنطاق الترددي للذاكرة والشبكات وإمداد الطاقة والتبريد تحدد بصورة متزايدة مقدار الأداء الحوسبي المفيد الذي يستطيع مركز البيانات استخراجه من عتاده.

يوفّر تبديل الدارات البصرية أحد السبل المحتملة لمعالجة الجانب الشبكي من هذه المعادلة. فقد تتيح طبقة بصرية قابلة للبرمجة للعناقيد تغيير اتصالها المادي حسب أعباء العمل، والالتفاف حول أعطال العتاد، وتوسيع نطاقات GPU دون إعادة تصميم الشبكة الأساسية مرارًا.

ما زالت هناك أسئلة عن مدى تبنّي بنيات OCS وموقعها إلى جانب Ethernet وتقنيات شبكات الذكاء الاصطناعي المملوكة التي تزداد قوة. لكن حجم جولة السلسلة B لـ iPronics، مع مشاركة NVIDIA وانتقال الشركة إلى التصنيع بكميات كبيرة، يشير إلى أن الفوتونيات القابلة للبرمجة تنتقل من تقنية تجريبية لمراكز البيانات إلى منافس جاد للجيل القادم من البنية التحتية للذكاء الاصطناعي.