Q.ANT abre un programa piloto de hardware fotónico de IA en servidores bare metal de IONOS

Q.ANT anunció el 9 de noviembre de 2026 que los solicitantes seleccionados podrán probar sus propias cargas de trabajo de IA en su procesador fotónico de segunda generación mediante servidores bare metal dedicados de IONOS en Alemania, en un programa piloto beta cerrado y gratuito destinado a identificar usos comerciales.

El programa está limitado a participantes con un caso de uso concreto y experiencia suficiente para administrar un servidor bare metal de forma independiente. IONOS aprovisiona manualmente cada sistema, con acceso raíz mediante SSH y una consola KVM opcional. La documentación del programa piloto describe el alojamiento en Alemania, certificado según la norma ISO 27001, como conforme al marco de protección de datos del RGPD y soberano dentro de la UE.

De la simulación al hardware fotónico físico

El programa piloto amplía una línea de desarrollo que Q.ANT inició con su kit de desarrollo de software de código abierto el 23 de septiembre de 2026. Esa versión incluía interfaces de programación para C y Python, aplicaciones de ejemplo, documentación y un entorno de simulación basado en CPU; el nuevo programa permite que los usuarios aprobados trasladen esas aplicaciones a unidades físicas de procesamiento nativo (NPU). Q.ANT proporciona controladores, su pila de software e integración con PyTorch; la compatibilidad con modelos y marcos de trabajo se determina durante la incorporación.

La NPU ejecuta funciones no lineales directamente en el dominio óptico, en lugar de descomponerlas en largas secuencias de pasos digitales en chips convencionales basados en transistores. Q.ANT afirma que este enfoque puede ofrecer resultados comparables o mejores con menos parámetros, operaciones y recursos. Las cargas de trabajo aceptadas abarcan visión artificial industrial, predicción de series temporales, simulación científica y robótica, así como inferencia con modelos de lenguaje de gran tamaño y modelos fundacionales, IA física y modelos del mundo.

La página del programa piloto de Q.ANT informa de un 40 % menos de parámetros para el procesamiento de imágenes y un 65 % menos para la predicción de series temporales con la misma precisión; el programa beta cerrado está diseñado para poner a prueba esos resultados con los datos y el software propios de los usuarios. Esta variedad de cargas de trabajo permite a Q.ANT determinar en qué ámbitos resulta útil el procesamiento óptico no lineal, más allá de sus primeras implementaciones de investigación.

Una evaluación estructurada para el uso comercial

Tras revisar la solicitud y realizar una videollamada, los participantes reciben tutoriales, ejemplos de código y documentación; después, se revisan las cargas de trabajo y se ajusta el enfoque de las pruebas. En un taller final se analizan las métricas de energía y rendimiento, la idoneidad para la producción y una posible fase posterior. Los participantes conservan la propiedad de sus cargas de trabajo, datos y resultados, que se mantienen confidenciales; solo las conclusiones agregadas y anonimizadas de las conversaciones se incorporan al desarrollo del procesador y la plataforma.

El programa piloto se enmarca en el acuerdo comercial del 19 de mayo de 2026, que convirtió a IONOS en el primer cliente comercial del Native Processing Server de Q.ANT. Q.ANT presenta la NPU como un coprocesador para determinadas cargas de trabajo de IA que funciona junto con CPU y GPU, no como un sustituto total de las GPU. Por tanto, la beta cerrada añade una evaluación a cargo de los clientes a una relación comercial ya existente, en vez de inaugurar la colaboración.

Pruebas independientes revelan ventajas y limitaciones

Una evaluación del 21 de abril de 2026 realizada por el Leibniz Supercomputing Centre ofrece un punto de referencia independiente. LRZ probó ambas generaciones de NPU en tareas de IA y de computación de alto rendimiento (HPC), e informó de que, en el mejor de los casos, los chips de segunda generación funcionaban hasta 50 veces más rápido, con una aceleración de 25 veces en el reconocimiento de imágenes mediante una red neuronal convolucional. En cargas de trabajo de HPC típicas, el consumo de energía disminuyó aproximadamente entre un 50 % y un 84 % de la primera a la segunda generación, según la complejidad computacional.

La evaluación también señaló limitaciones pertinentes para el programa piloto. Los coprocesadores no pueden realizar todas las operaciones de forma óptica y deben intercambiar datos continuamente con procesadores clásicos. La eficiencia energética es máxima cuando los cálculos permanecen en la unidad óptica, por lo que el movimiento de datos constituye una limitación de diseño fundamental. El sistema analógico convierte los datos con una precisión de 16 bits y debe tener en cuenta el ruido de los fotodetectores; para obtener resultados más precisos, las tareas complejas deben dividirse en varias operaciones y requieren herramientas de software más sofisticadas. Los investigadores de LRZ estimaron que los chips podrían estar listos para su implementación en clústeres de IA tras uno o dos ciclos de desarrollo adicionales.

El programa piloto pone ahora estas cuestiones en manos de los clientes: determinar dónde encaja el coprocesamiento fotónico junto a las CPU y las GPU en la infraestructura de IA de producción dependerá de que las ventajas comunicadas se mantengan con cargas de trabajo reales, frente a las limitaciones del movimiento de datos y del software.