IONOS बेयर मेटल पर Q.ANT ने शुरू किया फोटोनिक एआई हार्डवेयर पायलट

Q.ANT ने घोषणा की कि 9 नवंबर 2026 को चुने गए आवेदक जर्मनी में IONOS के समर्पित बेयर-मेटल सर्वरों के ज़रिए इसके दूसरी पीढ़ी के फोटोनिक प्रोसेसर पर अपने एआई वर्कलोड का परीक्षण कर सकेंगे। व्यावसायिक उपयोगों की पहचान के मकसद से शुरू किए गए इस पायलट में सीमित प्रतिभागियों को मुफ़्त में बंद बीटा परीक्षण का अवसर मिलेगा।

इस कार्यक्रम में सिर्फ़ ऐसे प्रतिभागी शामिल हो सकते हैं जिनके पास इस्तेमाल का कोई ठोस मामला हो और जो बेयर-मेटल सर्वर का प्रबंधन स्वतंत्र रूप से करने की पर्याप्त विशेषज्ञता रखते हों। IONOS हर सिस्टम को मैन्युअल रूप से तैयार करता है, जिसमें SSH रूट एक्सेस और वैकल्पिक KVM कंसोल की सुविधा है। इसके पायलट दस्तावेज़ों के अनुसार, ISO 27001 प्रमाणित जर्मन होस्टिंग GDPR के डेटा-सुरक्षा नियमों का पालन करती है और यूरोपीय संघ के भीतर संप्रभु है।

सिमुलेशन से वास्तविक फोटोनिक हार्डवेयर तक

यह पायलट उस विकास-यात्रा को आगे बढ़ाता है जिसकी शुरुआत Q.ANT ने 23 सितंबर 2026 को अपना ओपन-सोर्स सॉफ़्टवेयर डेवलपमेंट किट जारी करके की थी। उस रिलीज़ में C और Python के लिए प्रोग्रामिंग इंटरफ़ेस, नमूना ऐप्लिकेशन, दस्तावेज़ और CPU-आधारित सिमुलेशन बैकएंड शामिल थे; नए कार्यक्रम के तहत स्वीकृत उपयोगकर्ता उन ऐप्लिकेशन को वास्तविक Native Processing Units (NPUs) पर चला सकेंगे। Q.ANT ड्राइवर, अपना सॉफ़्टवेयर स्टैक और PyTorch एकीकरण उपलब्ध कराता है; मॉडल और फ़्रेमवर्क की अनुकूलता शुरुआती प्रक्रिया के दौरान तय की जाती है।

NPU पारंपरिक ट्रांजिस्टर-आधारित चिपों पर डिजिटल चरणों की लंबी शृंखला में बाँटने के बजाय, गैर-रैखिक फ़ंक्शनों को सीधे ऑप्टिकल डोमेन में निष्पादित करता है। Q.ANT का कहना है कि इस तरीके से कम पैरामीटर, ऑपरेशन और संसाधनों के साथ समान या बेहतर नतीजे मिल सकते हैं। स्वीकार किए जाने वाले वर्कलोड में औद्योगिक विज़न, टाइम-सीरीज़ पूर्वानुमान, वैज्ञानिक सिमुलेशन और रोबोटिक्स के साथ-साथ बड़े भाषा मॉडल और फ़ाउंडेशन मॉडल का अनुमान-निर्धारण, भौतिक एआई और विश्व मॉडल शामिल हैं।

Q.ANT के पायलट पृष्ठ के अनुसार, समान सटीकता पर इमेज प्रोसेसिंग में 40% और टाइम-सीरीज़ पूर्वानुमान में 65% कम पैरामीटर लगते हैं। बंद बीटा का उद्देश्य उपयोगकर्ताओं के अपने डेटा और सॉफ़्टवेयर पर इन नतीजों को परखना है। वर्कलोड की यह विविधता Q.ANT को यह पता लगाने का अवसर देती है कि शुरुआती शोध-परिनियोजनों से आगे ऑप्टिकल गैर-रैखिक प्रोसेसिंग कहाँ उपयोगी हो सकती है।

व्यावसायिक उपयोग के लिए सुव्यवस्थित मूल्यांकन

आवेदन की समीक्षा और वीडियो कॉल के बाद प्रतिभागियों को ट्यूटोरियल, कोड के नमूने और दस्तावेज़ दिए जाते हैं। इसके बाद उनके वर्कलोड की समीक्षा की जाती है और परीक्षण का फ़ोकस समायोजित किया जाता है। अंतिम कार्यशाला में ऊर्जा और प्रदर्शन के मापदंडों, उत्पादन के लिए उपयुक्तता और अगले संभावित चरण पर विचार किया जाता है। प्रतिभागियों के वर्कलोड, डेटा और नतीजों का स्वामित्व उन्हीं के पास रहता है और ये गोपनीय रहते हैं; चर्चाओं से मिली केवल समेकित और गुमनाम जानकारी ही प्रोसेसर और प्लेटफ़ॉर्म के विकास में इस्तेमाल की जाती है।

यह पायलट 19 मई 2026 के उस व्यावसायिक समझौते के बाद शुरू हुआ है जिसके तहत IONOS, Q.ANT के Native Processing Server का पहला व्यावसायिक ग्राहक बना था। Q.ANT NPU को CPU और GPU के साथ कुछ खास एआई वर्कलोड के लिए सह-प्रोसेसर के रूप में पेश करता है, न कि GPU के पूर्ण विकल्प के रूप में। इसलिए यह बंद बीटा पहले से मौजूद व्यावसायिक संबंध में ग्राहकों द्वारा संचालित मूल्यांकन जोड़ता है, न कि साझेदारी की शुरुआत करता है।

स्वतंत्र परीक्षणों में फ़ायदे और सीमाएँ सामने आईं

Leibniz Supercomputing Centre द्वारा 21 अप्रैल 2026 को किए गए मूल्यांकन से एक अलग संदर्भ मिलता है। LRZ ने एआई और उच्च-प्रदर्शन कंप्यूटिंग (HPC) के कार्यों पर NPU की दोनों पीढ़ियों का परीक्षण किया। उसने बताया कि दूसरी पीढ़ी की चिपें सबसे अच्छे मामले में 50 गुना तक तेज़ रहीं और कन्वोल्यूशनल न्यूरल नेटवर्क का इस्तेमाल करके इमेज पहचान में 25 गुना तेज़ी मिली। गणना की जटिलता के आधार पर, सामान्य HPC वर्कलोड में पहली से दूसरी पीढ़ी तक बिजली की खपत लगभग 50% से 84% तक कम हुई।

मूल्यांकन में पायलट के लिए प्रासंगिक सीमाएँ भी सामने आईं। सह-प्रोसेसर हर ऑपरेशन ऑप्टिकल तरीके से नहीं कर सकते और उन्हें पारंपरिक प्रोसेसर के साथ लगातार डेटा का आदान-प्रदान करना पड़ता है। जब गणनाएँ ऑप्टिकल यूनिट पर ही होती हैं, तब ऊर्जा दक्षता सबसे अधिक रहती है; इसलिए डेटा का स्थानांतरण डिज़ाइन की एक अहम सीमा है। यह एनालॉग सिस्टम 16-बिट सटीकता पर डेटा बदलता है और इसमें फ़ोटोडिटेक्टर के शोर का हिसाब रखना पड़ता है। अधिक सटीक नतीजों के लिए जटिल कार्यों को कई ऑपरेशनों में बाँटना और अधिक उन्नत सॉफ़्टवेयर टूल का इस्तेमाल करना ज़रूरी है। LRZ के शोधकर्ताओं का अनुमान था कि एक या दो और विकास चक्रों के बाद ये चिपें एआई क्लस्टर में तैनाती के लिए तैयार हो सकती हैं।

अब यह पायलट इन सवालों को ग्राहकों के सामने रखता है: क्या बताए गए फ़ायदे वास्तविक वर्कलोड, डेटा स्थानांतरण और सॉफ़्टवेयर की सीमाओं के बावजूद कायम रहते हैं? उत्पादन के लिए इस्तेमाल होने वाले एआई ढाँचे में CPU और GPU के साथ फोटोनिक सह-प्रसंस्करण की भूमिका कहाँ होगी, यह इसी से तय होगा।