Sparxity ने सीरीज़ ए निवेश पूरा किया, जिससे विरल एआई कंप्यूटिंग के लिए कुल फंडिंग 90 मिलियन डॉलर हो गई

Sparxity, ड्रेसडेन की कंप्यूटिंग कंपनी, जिसे पहले SpiNNcloud के नाम से जाना जाता था, ने सीरीज़ ए का वित्तपोषण पूरा कर लिया है। इससे उसकी टीम को अब तक मिली कुल फंडिंग 90 मिलियन डॉलर हो गई है। इस निवेश से सूक्ष्म स्तर की गतिशील विरलता के लिए तैयार किए गए विशेष चिप्स को समर्थन मिलेगा। इस तरीके में हर काम के लिए मॉडल के उन्हीं हिस्सों पर एआई गणना केंद्रित की जाती है जिनकी उस काम में ज़रूरत होती है।

इस निवेश दौर का नेतृत्व ICM HPQC Fund ने किया। इसमें Lockheed Martin Ventures, GlobalFoundries, GS Futures, Cloudberry Ventures, TGFS और EIC Fund सहित अन्य निवेशक भी शामिल थे। एंजल निवेशकों में Richard Socher और Nancy Xu शामिल हैं। Atlantic और Silicon Catalyst ने भी अपना समर्थन जारी रखा। Sparxity ने सीरीज़ ए में जुटाई गई राशि को कुल संचयी फंडिंग से अलग से नहीं बताया।

कंपनी का लक्ष्य है कि बढ़ती हुई विरलता वाले एआई मॉडल बड़े पैमाने पर व्यावहारिक रूप से चलाए जा सकें। अगली पीढ़ी का हार्डवेयर अत्यधिक विरल मॉडल में अनुमान की गति को 44 गुना तक बढ़ाने के लक्ष्य के साथ बनाया जा रहा है। यह प्रयास विरल कंप्यूटिंग प्रणालियों के मौजूदा व्यावसायिक कारोबार पर आधारित है।

विरल मॉडल के लिए अलग हार्डवेयर क्यों ज़रूरी है

घने तंत्रिका नेटवर्क में बड़ी संख्या में पैरामीटर पर व्यापक रूप से गणना की जाती है। विरल संरचनाएँ मॉडल के कुछ हिस्सों को चुनिंदा रूप से सक्रिय करती हैं। इससे हर गणना में सभी पैरामीटर शामिल किए बिना मॉडल की कुल क्षमता बढ़ सकती है।

जब यह चयन बेहद सूक्ष्म स्तर पर हो और इनपुट के साथ बदलता रहे, तो इस क्षमता का लाभ उठाना और कठिन हो जाता है। हार्डवेयर को काम सही संसाधनों तक पहुँचाना होता है और संबंधित डेटा को कुशलता से स्थानांतरित करना होता है। गणनाएँ छोड़ने से तभी लाभ होता है, जब बाकी काम को ढूँढ़ने, निर्धारित करने और उसके बारे में संचार करने की लागत उस लाभ को खत्म न कर दे।

Sparxity का प्रौद्योगिकी परिचय इसी समस्या को अपनी वास्तुकला का केंद्र बताता है और विशेषज्ञों, मेमोरी तथा अटेंशन में अधिक सूक्ष्म चयन की ओर संकेत करता है। कंपनी चिप और सॉफ्टवेयर साथ-साथ विकसित कर रही है, ताकि मॉडल बनाने वाले ऐसी विरल संरचनाओं का उपयोग कर सकें जिन्हें मुख्यतः सघन गणना के लिए बनाए गए हार्डवेयर पर कुशलता से चलाना कठिन होता है।

Sparxity के सह-संस्थापक और CEO Hector Gonzalez ने कहा, “एआई का अगला दौर सिर्फ़ इस बात से तय नहीं होगा कि हम कितनी कंप्यूटिंग शक्ति दे सकते हैं, बल्कि इससे भी कि हम उसका कितनी समझदारी और कुशलता से इस्तेमाल करते हैं।” उन्होंने कहा कि इस वित्तपोषण से विषम संरचना वाले डेटा केंद्रों में अत्यधिक विरल कार्यभार के लिए समर्पित सिलिकॉन विकसित करने के काम को गति मिलेगी।

दस लाख विशेषज्ञों से चुनिंदा गणना तक

इस रणनीति के पीछे शोध की एक दिशा PEER है, यानी पैरामीटर-कुशल विशेषज्ञ पुनर्प्राप्ति। दस लाख विशेषज्ञों का मिश्रण में शोधकर्ता Xu Owen He ने ऐसी परत का वर्णन किया, जो दस लाख से अधिक छोटे विशेषज्ञों के समूह में से कुछ को चुनकर प्राप्त करती है। भाषा-मॉडलिंग के कार्यों पर किए गए प्रयोगों में जाँचा गया कि यह तरीका मॉडल के प्रदर्शन और कंप्यूटिंग लागत के बीच के संबंध को कैसे बदलता है।

इसका सिद्धांत यह है कि हर इनपुट के लिए पूरे समूह को संसाधित किए बिना मॉडल के उपयोग के लिए उपलब्ध सामग्री का विस्तार किया जाए। मॉडल के स्तर पर मिली इस दक्षता को कम विलंबता और ऊर्जा खपत में बदलने के लिए ऐसी प्रणाली चाहिए जो इससे पैदा होने वाले सूक्ष्म स्तर के काम को संभाल सके।

Google DeepMind के पूर्व शोधकर्ता और Sparxity के रणनीतिक सलाहकार He ने कहा कि मॉडल, डिस्टिलेशन पाइपलाइन और हार्डवेयर को विरलता के अनुरूप साथ मिलकर डिज़ाइन करने से कंप्यूटिंग दक्षता और बढ़ सकती है। नई फंडिंग का उद्देश्य इसी कड़ी को विकसित करना है: ऐसे मॉडल जो अधिक चुनिंदा ढंग से काम करें, और ऐसा हार्डवेयर जो उन विकल्पों को निष्पादित कर सके।

अगली चिप से पहले व्यावसायिक आधार

Sparxity के मुताबिक, उसकी नींव में चिप के तीन टेप-आउट, 70,000 से अधिक निर्मित चिप और लगाए गए 12 रैक शामिल हैं। कंपनी के अनुसार, दुनिया भर में उसके 30 से अधिक ग्राहक हैं और 2024 से 2025 के बीच उसका राजस्व चार गुना हो गया। 2026 में भी यह गति बनी हुई है।

कंपनी की मौजूदा प्रणालियाँ उच्च-प्रदर्शन कंप्यूटिंग और एआई, दोनों के लिए काम करती हैं। कंपनी के अनुसार, चुनिंदा कार्यभार में विरल सॉल्वर 10 गुना तेज़ हैं, घटना-आधारित मशीन लर्निंग में ऊर्जा की खपत 18 गुना कम है और अनुकूलन का रनटाइम 20 गुना कम है। ये नतीजे उसकी मौजूदा प्रणालियों पर कुछ विशेष अनुप्रयोगों से जुड़े हैं; अत्यधिक विरल मॉडल में अनुमान की गति 44 गुना तक बढ़ाने का आँकड़ा अगली पीढ़ी की तकनीक के लिए एक लक्ष्य है।

वित्तपोषण की कहानी में यह अंतर अहम है। Sparxity पहले से ही प्रणालियाँ बनाती और तैनात करती है, जबकि सीरीज़ ए से एआई अनुमान में गतिशील विरलता के लिए विशेष रूप से डिज़ाइन किए गए हार्डवेयर की दिशा में अगला कदम उठाने में मदद मिलेगी।

Jülich में तैनाती का ठोस उदाहरण

Jülich Supercomputing Centre ने स्वतंत्र रूप से Sparxity की दो-रैक वाली SpiNNaker2 प्रणाली का विवरण दिया है। JUBIS नाम की यह प्रणाली अप्रैल 2026 में स्थापित की गई थी। इसमें न्यूरोमॉर्फिक एक्सेलरेटर वाले 4,320 चिप और 656,640 ARM कोर हैं।

JUBIS, एआई और उससे आगे के लिए घटना-आधारित सुपरकंप्यूटर परियोजना में सहायता करता है। इस परियोजना में रीयल-टाइम एआई, तंत्रिका-विज्ञान के सिमुलेशन और क्वांटम कंप्यूटर के अनुकरण जैसे अन्य कार्यों का अध्ययन किया जाता है। व्यापक उच्च-प्रदर्शन कंप्यूटिंग परिवेश में इस प्रणाली को उपयोगी बनाने के लिए परियोजना में बेंचमार्किंग, अनुप्रयोगों के प्रोटोटाइप तैयार करना और सॉफ्टवेयर विकास भी शामिल हैं।

यह तैनाती दिखाती है कि कंप्यूटिंग आर्किटेक्चर के लिए केवल चिप का विनिर्देश पर्याप्त क्यों नहीं है। शोधकर्ताओं को उपकरणों और इंटरफ़ेसों के साथ-साथ सिस्टम को अपने मौजूदा कामकाज में एकीकृत करने का तरीका भी चाहिए। Sparxity का फुल-स्टैक दृष्टिकोण कस्टम सिलिकॉन से लेकर कई रैक वाले इंस्टॉलेशन तक की पूरी प्रक्रिया को समेटता है।

यूरोपीय डेटा केंद्रों तक पहुंचने का रास्ता

Sparxity, वाणिज्यिक डेटा केंद्रों तक पहुंचने के संभावित रास्ते पर T-Systems के साथ भी काम कर रही है। Deutsche Telekom की 3 नवंबर की घोषणा में हस्ताक्षरित आशय-पत्र का ज़िक्र है, जिसके तहत Sparxity की तकनीक को T-Systems के बुनियादी ढाँचे और संचालन संबंधी विशेषज्ञता के साथ जोड़ने की योजना है।

योजना के मुताबिक, शुरुआत मौजूदा हार्डवेयर से होगी, ताकि तकनीकी एकीकरण के तरीके विकसित किए जा सकें। इसके बाद अगली पीढ़ी के चिप तैनात किए जाएंगे, जिनकी योजना 2028 के लिए है। साझेदारों को आने वाले महीनों में आगे के विवरण पर सहमति बनने की उम्मीद है।

Sparxity के लिए, नई पूँजी विशिष्ट प्रणालियों में स्पार्स कंप्यूटिंग की क्षमता साबित करने से आगे बढ़कर एआई बुनियादी ढाँचे में बड़ी भूमिका निभाने की दिशा में कदम बढ़ाने में मदद करेगी। कंपनी का तर्क है कि भविष्य में बेहतर प्रदर्शन अनावश्यक काम को कम करने से मिलेगा—और हार्डवेयर, सॉफ़्टवेयर तथा मॉडल को साथ मिलकर इस तरह डिज़ाइन करने से, ताकि यह बचत उपयोगी प्रदर्शन में तब्दील हो सके।