Q.ANT avaa fotonisen tekoälylaitteiston pilotin IONOSin fyysisillä palvelimilla

Q.ANT ilmoitti 9. marraskuuta 2026, että valitut hakijat voivat testata omia tekoälytyökuormiaan sen toisen sukupolven fotonisella prosessorilla Saksassa sijaitsevilla dedikoiduilla IONOS-palvelimilla. Maksuttoman, suljetun betaohjelman tavoitteena on selvittää kaupallisia käyttökohteita.

Ohjelmaan voivat osallistua vain ne, joilla on konkreettinen käyttötapaus ja riittävästi osaamista fyysisen palvelimen hallinnointiin itsenäisesti. IONOS ottaa kunkin järjestelmän käyttöön manuaalisesti. Käyttäjät saavat SSH:n kautta pääkäyttäjän oikeudet, ja käytettävissä on myös valinnainen KVM-konsoli. Ohjelman pilotointidokumentaatiossa saksalaisen, ISO 27001 -sertifioidun palvelinympäristön kerrotaan noudattavan GDPR:n tietosuojavaatimuksia ja kuuluvan EU:n suvereniteetin piiriin.

Simuloinnista fyysiseen fotoniseen laitteistoon

Pilotti jatkaa kehityspolkua, jonka Q.ANT aloitti julkaisemalla avoimen lähdekoodin ohjelmistokehityspaketin 23. syyskuuta 2026. Julkaisu sisälsi C- ja Python-ohjelmointirajapinnat, esimerkkisovelluksia, dokumentaatiota ja suorittimeen perustuvan simulointitaustajärjestelmän. Uuden ohjelman ansiosta hyväksytyt käyttäjät voivat siirtää sovelluksensa fyysisille Native Processing Units (NPUs) -yksiköille. Q.ANT tarjoaa ajurit, ohjelmistopinonsa ja PyTorch-integraation, ja mallien sekä ohjelmistokehysten yhteensopivuudesta sovitaan perehdytyksen aikana.

NPU suorittaa epälineaariset funktiot suoraan optisessa ympäristössä sen sijaan, että ne jaettaisiin pitkiksi digitaalisten työvaiheiden sarjoiksi perinteisillä transistoripohjaisilla siruilla. Q.ANTin mukaan tällä lähestymistavalla voidaan saavuttaa vastaavia tai parempia tuloksia pienemmällä parametrien, laskutoimitusten ja resurssien määrällä. Hyväksyttäviä työkuormia ovat muun muassa teollinen konenäkö, aikasarjojen ennustaminen, tieteellinen simulointi ja robotiikka sekä suurten kielimallien ja perusmallien päättely, fyysinen tekoäly ja maailmamallit.

Q.ANTin pilottisivun mukaan kuvankäsittelyssä tarvitaan 40 % vähemmän parametreja ja aikasarjojen ennustamisessa 65 % vähemmän parametreja, kun tarkkuus pysyy samana. Suljetussa betaohjelmassa näitä tuloksia on tarkoitus testata käyttäjien omilla tiedoilla ja ohjelmistoilla. Näin laaja työkuormien kirjo antaa Q.ANTille mahdollisuuden selvittää, missä optisesta epälineaarisesta prosessoinnista on hyötyä alkuvaiheen tutkimuskäyttöä laajemmin.

Jäsennelty arviointi kaupallista käyttöä varten

Hakemusten arvioinnin ja videopuhelun jälkeen osallistujat saavat tutoriaaleja, koodiesimerkkejä ja dokumentaatiota. Tämän jälkeen työkuormia arvioidaan ja testauksen painopistettä mukautetaan. Loppuvaiheen työpajassa tarkastellaan energian- ja suorituskykymittareita, soveltuvuutta tuotantokäyttöön ja mahdollisia seuraavia vaiheita. Osallistujat säilyttävät omistusoikeuden työkuormiinsa, tietoihinsa ja tuloksiinsa, jotka pysyvät luottamuksellisina. Prosessorin ja alustan kehittämisessä hyödynnetään ainoastaan keskusteluista koottuja, anonymisoituja yhteenvetotietoja.

Pilottia edelsi 19. toukokuuta 2026 tehty kaupallinen sopimus, jonka myötä IONOSista tuli Q.ANTin Native Processing Serverin ensimmäinen kaupallinen asiakas. Q.ANT asemoi NPU:n tiettyjen tekoälytyökuormien rinnakkaisprosessoriksi, jota käytetään suorittimien ja grafiikkasuorittimien rinnalla, ei niiden täydellisenä korvaajana. Suljettu betaohjelma tuo siis asiakkaiden tekemän arvioinnin osaksi jo olemassa olevaa kaupallista yhteistyötä sen sijaan, että se käynnistäisi kumppanuuden.

Riippumattomat testit osoittavat sekä hyötyjä että rajoitteita

Leibnizin superlaskentakeskuksen 21. huhtikuuta 2026 tekemä arviointi tarjoaa erillisen vertailukohdan. LRZ testasi molempia NPU-sukupolvia tekoäly- ja suurteholaskennan (HPC) tehtävissä. Sen mukaan toisen sukupolven sirut olivat parhaimmillaan jopa 50 kertaa nopeampia, ja konvoluutiohermoverkkoa käyttävässä kuvantunnistuksessa nopeutus oli 25-kertainen. Tyypillisissä HPC-työkuormissa virrankulutus pieneni ensimmäisestä toiseen sukupolveen noin 50–84 %, laskennan monimutkaisuudesta riippuen.

Arvioinnissa havaittiin myös pilotin kannalta olennaisia rajoitteita. Rinnakkaisprosessorit eivät pysty suorittamaan kaikkia toimintoja optisesti, vaan niiden on vaihdettava jatkuvasti tietoja perinteisten prosessorien kanssa. Energiatehokkuus on parhaimmillaan silloin, kun laskenta pysyy optisessa yksikössä, joten tiedonsiirto asettaa keskeisen suunnittelurajoitteen. Analoginen järjestelmä muuntaa tietoja 16 bitin tarkkuudella, ja siinä on otettava huomioon valoilmaisimen kohina. Tarkempien tulosten saaminen edellyttää monimutkaisten tehtävien jakamista useisiin toimintoihin ja kehittyneempien ohjelmistotyökalujen käyttöä. LRZ:n tutkijat arvioivat, että sirut voisivat olla valmiita tekoälyklustereissa käytettäviksi yhden tai kahden lisäkehityssyklin jälkeen.

Pilotti antaa nyt asiakkaiden selvitettäväksi, kestävätkö raportoidut hyödyt todellisissa työkuormissa, tiedonsiirron ja ohjelmistojen asettamissa rajoissa. Näiden tulosten perusteella määräytyy, millainen rooli fotonisella rinnakkaislaskennalla voi olla suorittimien ja grafiikkasuorittimien rinnalla tuotantokäyttöön tarkoitetussa tekoälyinfrastruktuurissa.