Q.ANT avvia un progetto pilota di hardware fotonico per l’IA su server bare metal IONOS

Q.ANT ha annunciato il 9 novembre 2026 che i candidati selezionati potranno testare i propri carichi di lavoro di IA sul suo processore fotonico di seconda generazione, tramite server bare metal IONOS dedicati in Germania, nell’ambito di un progetto pilota gratuito a beta chiusa volto a individuare applicazioni commerciali.

Il programma è riservato a partecipanti con un caso d’uso concreto e competenze sufficienti per amministrare autonomamente un server bare metal. IONOS configura manualmente ogni sistema, fornendo l’accesso root tramite SSH e, facoltativamente, una console KVM. La documentazione del progetto pilota descrive l’hosting tedesco, certificato ISO 27001, come conforme al regime di protezione dei dati del GDPR e sovrano all’interno dell’UE.

Dalla simulazione all’hardware fotonico fisico

Il progetto pilota amplia un percorso di sviluppo avviato da Q.ANT con il suo kit di sviluppo software open source il 23 settembre 2026. Quella versione includeva interfacce di programmazione per C e Python, applicazioni di esempio, documentazione e un backend di simulazione basato su CPU; il nuovo programma consente agli utenti approvati di eseguire tali applicazioni su unità fisiche di elaborazione nativa (NPU). Q.ANT fornisce driver, il proprio stack software e l’integrazione con PyTorch; la compatibilità con modelli e framework viene definita durante la procedura di onboarding.

La NPU esegue le funzioni non lineari direttamente nel dominio ottico, invece di scomporle in lunghe sequenze di passaggi digitali su chip convenzionali basati su transistor. Secondo Q.ANT, questo approccio può offrire risultati comparabili o migliori con un numero inferiore di parametri e operazioni e un minore impiego di risorse. I carichi di lavoro ammessi includono visione artificiale industriale, previsioni su serie temporali, simulazioni scientifiche e robotica, oltre all’inferenza di modelli linguistici di grandi dimensioni e modelli fondazionali, all’IA fisica e ai modelli del mondo.

La pagina del progetto pilota di Q.ANT riporta il 40% in meno di parametri per l’elaborazione delle immagini e il 65% in meno per le previsioni su serie temporali, a parità di accuratezza. La beta chiusa è concepita per verificare questi risultati con i dati e i software degli utenti. Questa varietà di carichi di lavoro offre a Q.ANT un modo per stabilire in quali ambiti l’elaborazione non lineare ottica sia utile, al di là delle sue prime applicazioni di ricerca.

Una valutazione strutturata per l’uso commerciale

Dopo l’esame della candidatura e una videochiamata, i partecipanti ricevono tutorial, esempi di codice e documentazione; seguono poi verifiche dei carichi di lavoro e adeguamenti dell’ambito dei test. Un workshop conclusivo valuta le metriche di consumo energetico e prestazioni, l’idoneità alla produzione e un’eventuale fase successiva. I partecipanti mantengono la proprietà dei propri carichi di lavoro, dati e risultati, che restano riservati; nello sviluppo del processore e della piattaforma confluiscono soltanto informazioni aggregate e anonimizzate ricavate dalle discussioni.

Il progetto pilota fa seguito all’accordo commerciale del 19 maggio 2026, che ha reso IONOS il primo cliente commerciale del Native Processing Server di Q.ANT. Q.ANT presenta la NPU come coprocessore destinato a specifici carichi di lavoro di IA, da affiancare a CPU e GPU, e non come sostituto generalizzato delle GPU. La beta chiusa aggiunge quindi una valutazione condotta dai clienti a un rapporto commerciale già esistente, anziché inaugurare la collaborazione.

I test indipendenti evidenziano vantaggi e limiti

Una valutazione del 21 aprile 2026 condotta dal Centro di supercalcolo Leibniz offre un termine di confronto indipendente. LRZ ha testato entrambe le generazioni di NPU su attività di IA e di calcolo ad alte prestazioni (HPC), segnalando che, nel migliore dei casi, i chip di seconda generazione raggiungevano una velocità fino a 50 volte superiore, con un’accelerazione di 25 volte nel riconoscimento delle immagini mediante una rete neurale convoluzionale. Nei carichi di lavoro HPC tipici, il consumo energetico è diminuito di circa il 50-84% passando dalla prima alla seconda generazione, a seconda della complessità computazionale.

La valutazione ha inoltre individuato limiti pertinenti al progetto pilota. I coprocessori non possono eseguire ogni operazione in modo ottico e devono scambiare continuamente dati con i processori classici. L’efficienza energetica è massima quando i calcoli restano sull’unità ottica, per cui il trasferimento dei dati costituisce un vincolo progettuale centrale. Il sistema analogico converte i dati con una precisione di 16 bit e deve tenere conto del rumore dei fotorivelatori; per ottenere risultati più precisi, le attività complesse devono essere suddivise in più operazioni e richiedono strumenti software più sofisticati. I ricercatori di LRZ hanno stimato che i chip potrebbero essere pronti per l’impiego nei cluster di IA dopo uno o due ulteriori cicli di sviluppo.

Il progetto pilota mette ora queste questioni alla prova dei clienti: la possibilità che i vantaggi segnalati si confermino con carichi di lavoro reali, tenendo conto dei vincoli legati al trasferimento dei dati e al software, determinerà il ruolo del coprocessore fotonico accanto a CPU e GPU nelle infrastrutture di IA di produzione.