Snowcap Compute Launches mit 23 Mio. USD, um die Ära der supraleitenden AI- und HPC-Systeme einzuläuten

Die globalen Ausgaben für Cloud-Computing werden voraussichtlich 1,3 Billionen USD bis 2025 erreichen, eine Zahl, die die außergewöhnliche Nachfrage nach skalierbarer und effizienter Recheninfrastruktur widerspiegelt. Inmitten dieses Aufschwungs gab Snowcap Compute heute seine öffentliche Lancierung und eine Seed-Finanzierungsrunde in Höhe von 23 Millionen USD bekannt, die von Playground Global geleitet wird. Es handelt sich um die erste Investition von ehemaligem Intel (INTC ) -CEO Pat Gelsinger seit seinem Beitritt zum Unternehmen. Weitere Teilnehmer waren Cambium Capital und Vsquared Ventures, was auf eine wachsende Investorensicherheit in alternative Rechenarchitekturen hinweist.

Die Mission von Snowcap besteht darin, supraleitendes Rechnen zu kommerzialisieren – insbesondere eine Plattform, die herkömmliche Siliziumtransistoren durch supraleitende Logikgatter ersetzt, was erhebliche Leistungs- und Energieeffizienzgewinne verspricht. Es handelt sich um einen mutigen Versuch, sich vorzustellen, wie Rechenzentren die rasch fortschreitenden Bereiche künstlicher Intelligenz (KI), Hochleistungsrechnen (HPC) und quanten-klassische Hybridsysteme antreiben.

Die Grenzen von CMOS und der Fall für eine Änderung

In den letzten fünf Jahrzehnten hat die Halbleiterindustrie auf CMOS-Technologie (komplementäres Metalloxid-Halbleiter) gesetzt, um fast jeden Chip herzustellen – von CPUs und GPUs bis hin zu Smartphones und eingebetteten Systemen. CMOS verwendet Paare von p-Typ- und n-Typ-Transistoren, um Logikoperationen zu steuern, und verbraucht Energie hauptsächlich, wenn sich der Zustand ändert. Seine Dominanz wurde durch Moores Gesetz ermöglicht: die Fähigkeit, Transistoren kontinuierlich zu verkleinern, mehr auf einen Chip zu packen und bessere Leistung bei geringeren Kosten zu erzielen.

Aber dieser Fortschritt hat sich dramatisch verlangsamt. Moderne Chips stoßen an thermische und quantenmechanische Grenzen. Die weitere Verkleinerung von Transistoren verursacht Leckströme und erhöht den statischen Leistungsverbrauch. Selbst mit fortschrittlicher Lithographie haben die Hersteller jetzt mit einem Gesetz der abnehmenden Erträge zu kämpfen. Als Ergebnis ist Energieeffizienz – und nicht die Anzahl der Transistoren – jetzt das dringendste Problem in der Rechenarchitektur.

Dies ist besonders problematisch für KI-Arbeitslasten. Das Training großer Modelle kann Zehntausende von Megawattstunden Strom erfordern. Die Ausführung von Inferenz über Milliarden von Abfragen pro Tag verstärkt diese Kosten. Hochleistungs-Simulationen in der Medizin, der Klimamodellierung und der Materialwissenschaft sind ähnlich eingeschränkt. Die Welt benötigt eine neue Klasse von Rechenplattformen – solche, die ohne entsprechende Erhöhung von Wärme, Kosten und CO2-Emissionen skaliert werden können.

Was macht supraleitendes Rechnen anders?

Supraleitendes Rechnen bietet einen grundlegend anderen Ansatz. Anstatt Transistoren, die Energie als Wärme verbrauchen, verwendet es Josephson-Übergänge – winzige Quantengeräte, die es ermöglichen, dass der Strom zwischen Supraleitern ohne Widerstand fließt. Wenn sie auf 4,5 Kelvin mit Standard-Kryotechnik gekühlt werden, können diese Schaltungen in Pikosekunden schalten und einen erstaunlich kleinen Energieverbrauch pro Operation aufweisen – bis zu 100.000 Mal weniger als CMOS.

Dies ist kein Quantenrechnen, das auf Verschränkung und probabilistischen Zuständen basiert. Snowcaps Ansatz verwendet supraleitende Materialien, um deterministische digitale Logik auszuführen – was bedeutet, dass es traditionelle Software und Arbeitslasten ausführen kann. Der Vorteil liegt in seiner Fähigkeit, klassische Rechenleistung bei viel höherer Effizienz zu liefern, mit widerstandslosen Verbindungen und minimalen Schaltverlusten.

Trotz seines Potenzials blieb supraleitende Logik historisch auf Forschungslabore beschränkt, aufgrund von Ingenieurs- und Fertigungsproblemen. Die Integration dieser Schaltungen in moderne Chip-Designs erforderte eine Lösung für Probleme wie Skalierbarkeit, Kühlung und Design-Tool-Kompatibilität. Snowcap behauptet, auf allen diesen Ebenen Fortschritte gemacht zu haben.

Snowcaps Ansatz und Technologie

Was Snowcap auszeichnet, ist sein Schwerpunkt auf praktische Bereitstellung. Im Gegensatz zu früheren supraleitenden Bemühungen, die exotische Materialien oder benutzerdefinierte Fertigung erforderten, ist Snowcaps Plattform so konzipiert, dass sie mit 300mm-Halbleiterherstellungsprozessen kompatibel ist. Es verwendet Materialien und Methoden, die bereits in Quantencomputersystemen bewährt wurden, wie heliumbasierte Kryotechnik-Infrastruktur.

Die Plattform ist auch darauf ausgelegt, bestehende digitale Logik-Designs zu unterstützen. Anstatt Entwicklern zu erfordern, Software neu zu schreiben oder neue Paradigmen zu erlernen, bietet Snowcap einen Weg, um traditionelle CPUs, GPUs und KI-Beschleuniger auf seine supraleitende Architektur zu portieren. Das Unternehmen beschreibt sein Angebot als Leistungs- und Effizienzmultiplikator, der in zukünftige Rechenzentren mit minimaler Störung integriert werden kann.

CEO Mike Lafferty, ein Veteran von Cadences supraleitender und quantenmechanischer Ingenieurabteilung, leitet ein Team, das den Chief Science Officer Dr. Anna Herr und den Chief Technology Officer Dr. Quentin Herr umfasst, beide weithin anerkannt für ihre Beiträge zur supraleitenden Systemdesign. Der Beirat umfasst den ehemaligen NVIDIA-GPU-Executive Brian Kelleher und Phil Carmack, zuvor VP of Silicon Engineering bei Google.

Lafferty fasst die Mission des Unternehmens in klaren Worten zusammen: „Wir bauen Rechnersysteme für die Grenze dessen, was physikalisch möglich ist. Supraleitende Logik ermöglicht es uns, die Grenzen von CMOS zu überschreiten, um die Anforderungen von Next-Generation-KI und Hybrid-Quantenanwendungen zu erfüllen.“

Das größere Bild: Energie, KI und Rechenzentren

Die Auswirkungen gehen über die Leistung von Chips hinaus. Rechenzentren verbrauchen bereits einen wachsenden Anteil des globalen Stromverbrauchs, und die KI-Beschleunigung verschärft das Problem nur. Wenn Länder Emissionsstandards verschärfen und Energieversorgungsnetze unter Druck geraten, wird die Nachhaltigkeit von Recheninfrastrukturen zu einer wichtigen Angelegenheit – nicht nur für Technologieanbieter, sondern auch für Regierungen und Unternehmen.

Snowcaps supraleitender Ansatz adressiert diesen Druck direkt. Durch die Reduzierung des Schaltenergieverbrauchs und die Beseitigung von Widerstandsverlusten in Verbindungen hat die Technologie das Potenzial, den Betriebsstrom erheblich zu senken. In kryogenen Umgebungen, die bereits für Quantensysteme eingesetzt werden, könnte der marginale Kostenanteil für das Ausführen klassischer Arbeitslasten neben Quantenarbeitslasten dramatisch sinken.

Diese Konvergenz von Quanten- und klassischer Rechenleistung in der gleichen Kühlhülle eröffnet interessante Möglichkeiten: Echtzeit-Datenaufbereitung für Quantenexperimente, Hybrid-KI/Quantenalgorithmen und vieles mehr.

Der Weg vorwärts für Rechenleistung

Wenn künstliche Intelligenz, wissenschaftliches Modellieren und Quantenforschung die Grenzen der aktuellen Infrastruktur vorantreiben, steht die Branche an einem Wendepunkt. Die traditionelle CMOS-Skalierung ist nicht länger ausreichend, um die wachsenden Rechenanforderungen zu erfüllen, insbesondere wenn der Energieverbrauch zu einem Kernproblem wird. Neue Paradigmen – von optischem Rechnen und neuromorphen Chips bis hin zu kryogenen und supraleitenden Systemen – gewinnen an Zugkraft, da Forscher und Ingenieure nach Architekturen suchen, die mehr Leistung mit weniger Energie liefern können.

Supraleitendes Rechnen, das einst als zu exotisch für den kommerziellen Einsatz angesehen wurde, erwies sich als eine der pragmatischeren Optionen – insbesondere, da kryogene Infrastruktur in Quantenumgebungen immer häufiger wird. Zwar bleiben Herausforderungen bei der Integration von Speicher, Systemdesign und Ökosystem-Reife bestehen, doch die potenziellen Effizienzgewinne sind zu groß, um sie zu ignorieren.

Snowcap Compute ist eines der wenigen Unternehmen, die auf diesen Wandel setzen. Durch die Ausrichtung von supraleitender Logik auf etablierte Fertigungs- und Rechenzentrumspraktiken bietet es einen möglichen Weg nach vorne in einer post-CMOS-Welt – einer Welt, in der Leistung nicht länger an Wärme und Skalierbarkeit nicht länger an Silizium gebunden ist.