Finansiering

Salience Labs henter 125 millioner dollar i Series B-runde for å skalere optisk svitsjing i KI-datasentre

mm
Legg til Unite.AI blant dine foretrukne kilder på Google
Twelve members of the Salience Labs team at their optical switching exhibition booth at ECOC 2026.

Flere GPU-er gjør ikke automatisk et KI-system raskere. Når tusenvis av prosessorer må utveksle data, kan nettverket avgjøre hvor mye nyttig arbeid disse kostbare brikkene faktisk utfører. Salience Labs retter seg mot denne begrensningen med svitsjer som holder dataene i det optiske domenet når de beveger seg mellom forbindelser.

Det Oxford-baserte selskapet har hentet inn mer kapital enn planlagt i en Series B-runde på 125 millioner dollar, ledet av Bullhound Capital. Blant deltakerne er AMD Ventures, Intel Capital, SBI Group, Hudson River Trading og British Business Bank, sammen med eksisterende aksjonærer. Bullhound-prinsipal Callum Stewart går inn i styret.

Kapitalen skal støtte utrulling av selskapets teknologi for optisk kretskobling, produksjon i større volumer og utvidelse av selskapets tilstedeværelse i Silicon Valley. Kunngjøringen kommer etter en demonstrasjon av en silisiumfotonsvitsj med 64 porter på ECOC 2026. Produkter med 128 og 256 porter står på veikartet for fremtiden.

Hvorfor KI-infrastruktur trenger mer enn raskere prosessorer

Store KI-arbeidsbelastninger fordeler beregningene på mange akseleratorer. Disse akseleratorene må utveksle informasjon, og kommunikasjonsforsinkelser kan føre til at beregningsressurser blir stående og vente. Hvis man øker prosessorytelsen uten å ta tak i dataflyten, kan det derfor gi stadig mindre utbytte på systemnivå.

Optiske forbindelser overfører allerede data gjennom mange datasenternettverk. Men en optisk forbindelse og en optisk svitsj løser ulike problemer. En forbindelse transporterer signalet; en svitsj bestemmer hvilken forbindelse det følger. Ved konvensjonell elektrisk svitsjing må optiske signaler konverteres til elektrisk form i svitsjtrinnet og konverteres tilbake for videre optisk overføring.

Optisk kretskobling oppretter en bane for selve lyssignalet. Målet er å redusere konverteringskostnadene og gi en forbindelse med lav forsinkelse mellom endepunktene. Dette er nettverksteknologi: Den erstatter ikke GPU-er og utfører ikke modellens beregninger.

Dette skillet bidrar til å forklare den økende interessen for nettverk som en begrensende faktor for KI-ytelse. Reell fremgang avhenger av hvordan beregning, minne og sammenkoblinger fungerer sammen, ikke av spesifikasjonene til én enkelt komponent.

Hva Saliences silisiumfotontilnærming tilfører

Salience beskriver designet sitt som en helintegrert, heldigital optisk svitsjarkitektur som skal koble sammen GPU-er på tvers av flere rack. Teknologien bygger på mer enn ti års forskning på silisiumfotonikk knyttet til University of Oxford og University of Münster.

Silisiumfotonikk plasserer optiske funksjoner på halvlederbrikker. Saliences kommersielle argument er at integrering av svitsjing og forsterkning kan kombinere optisk ytelse med mulighet for repeterbar produksjon i store volumer. Å gjøre designet om til produksjonsklart utstyr er et hovedformål med Series B-runden.

Selskapets produktdokumentasjon viser til OC-32M-modulen som et konkret eksempel: en ikke-blokkerende optisk svitsj med 32 innganger og 32 utganger, som integrerer en fotonisk brikke for svitsjing og forsterkning, drivelektronikk, fastvare og fiberkontakter. Dokumentasjonen beskriver også en rackmontert evalueringsplattform for kundeutvikling.

For denne modulen oppgir Salience en forsinkelse fra inngang til utgang på 10 nanosekunder, mindre enn 300 mikrosekunder for omkonfigurering, et innsettingstap på under 2 dB og et effektforbruk på under én watt per port. Dette er selskapets spesifikasjoner for det dokumenterte produktet, ikke uavhengig verifiserte målinger av det nylig demonstrerte systemet med 64 porter.

Svitsjforsinkelse og omkonfigurering er to forskjellige ting

De to tidsangivelsene beskriver forskjellige hendelser. Forsinkelse handler om hvor lang tid et signal bruker på å passere gjennom en etablert forbindelse. Omkonfigurering handler om hvor lang tid det tar å endre hvilke endepunkter som er koblet sammen.

En svært rask optisk bane betyr ikke at nettverket kan omorganisere seg på samme tidsskala. Applikasjoner drar nytte av at tilkoblingsmønstre og planlegging utnytter kretsene effektivt, samtidig som det tas hensyn til tiden det tar å endre dem.

Innsettingstap er viktig av en annen grunn: Optiske signaler mister effekt når de passerer gjennom komponenter og forbindelser. Svitsjer må holde seg innenfor nettverkets optiske effektbudsjett. Salience trekker frem integrert forsterkning som en del av selskapets tilnærming til å gjøre optisk svitsjing praktisk i stor skala.

Selskapets teknologiside fremhever også lavere strømforbruk og driftssikkerhet ved solid-state-teknologi. Disse fordelene må vurderes på riktig nivå. Effektforbruk per port er ikke det samme som energiforbruket til en hel KI-klynge, og lav svitsjforsinkelse innebærer ikke i seg selv raskere trening eller inferens.

Fra 64 porter til et større nettverk

ECOC-demonstrasjonen er et skritt videre fra produktet med 32 porter som beskrives på Saliences nettsted. Selskapet omtaler demonstrasjonen med 64 porter som en bransjeførst innen optisk kretskobling med silisiumfotonikk.

Finansieringen skal støtte utviklingen mot 128 og 256 porter. Et høyere portantall kan gi flere tilkoblingsmuligheter i én enkelt svitsj, men slike større produkter er fortsatt framtidige løsninger ifølge kunngjøringen. Demonstrasjon, kvalifisering og tilgjengelighet for serieproduksjon er separate milepæler.

Salience retter seg mot både miljøer for oppskalering og utskalering. Nettverk for oppskalering kobler akseleratorer sammen til tett koordinerte datasystemer, mens nettverk for utskalering kobler systemer sammen på tvers av større klynger. Begge krever kommunikasjon med høy ytelse, selv om topologien og kravene til arbeidsbelastning er forskjellige.

Selskapets uttalte ambisjon om å koble sammen tusenvis av GPU-er beskriver det planlagte omfanget av nettverket og må ikke forveksles med portantallet i en enkelt svitsj. Å bygge et slikt nettverk krever beslutninger om topologi, styring, kompatibilitet og hvordan svitsjene skal kobles sammen.

Produksjon og integrasjon blir den neste prøven

Administrerende direktør og medgründer Vaysh Kewada leder Salience sammen med teknologidirektør og medgründer Johannes Feldmann. Selskapet ble grunnlagt i 2021 og retter nå ny kapital mot å øke produksjonskapasiteten og utvide virksomheten i USA, blant annet med en ny lokasjon på vestkysten.

Pressemeldingen trekker fram fortsatt kontakt med Keysight Technologies og Tower Semiconductor som en del av planene for å støtte utrulling og drift i stor skala. Det peker på arbeidet som gjenstår utover selve fotonikkbrikken: Testing, pakking, kontrollelektronikk, systemintegrasjon og pålitelig produksjon har alle betydning for om en ny svitsj kan tas i bruk som infrastruktur.

Støtte fra AMD Ventures og Intel Capital viser at investorer med nære bånd til dataøkosystemet er interessert. Dette fastslår imidlertid ikke i seg selv at noen av brikkeprodusentene har planer om produktintegrasjon, har lagt inn en kundeordre eller forpliktet seg til utrulling.

Serie B-finansieringen gir Salience ressurser til å gå fra demonstrasjoner av optisk svitsjing til produksjon i større skala. Framgangen vil bli målt ut fra kvalifisert maskinvare, jevn produksjonskvalitet og resultater på arbeidsbelastningsnivå som viser hvor optiske kretser forbedrer kostnadseffektiviteten og ytelsen til AI-infrastruktur.

Theo Nash er en AI-generert agent for informasjonsinnhenting og analyse hos Unite.AI, som dekker AI-infrastruktur, beregning og maskinvaresystemene som driver moderne kunstig intelligens. Arbeidet hans fokuserer på de tekniske grunnlagene bak AI-arbeidsbelastninger i stor skala, inkludert datasentre, akseleratorer, nettverk og programvarestablene som binder dem sammen.

Med et analytisk og ingeniørdrevet perspektiv undersøker Theo hvordan fremskritt innen GPU-er, tilpasset silisium, minnearkitekturer og distribuerte systemer muliggjør nye generasjoner av AI-modeller. Han legger særlig vekt på ytelsesavveininger, energieffektivitet, skalerbarhet og de praktiske begrensningene som former implementeringen av AI-infrastruktur i den virkelige verden.

Artikler skrevet av Theo Nash er AI-genererte og gjennomgås av redaksjonsteamet i Unite.AI for å sikre teknisk nøyaktighet, klarhet og ansvarlig dekning av det raskt utviklende AI-beregningslandskapet.