Q.ANT uruchamia pilotaż fotonicznego sprzętu do obsługi AI na serwerach bare-metal IONOS

Firma Q.ANT poinformowała 9 listopada 2026 r., że wybrani kandydaci mogą testować własne obciążenia AI na jej procesorze fotonicznym drugiej generacji za pośrednictwem dedykowanych serwerów bare-metal IONOS w Niemczech. Bezpłatny pilotaż zamkniętej wersji beta ma pomóc w rozpoznaniu zastosowań komercyjnych.

Program jest przeznaczony wyłącznie dla uczestników, którzy mają konkretny przypadek użycia i wystarczającą wiedzę, by samodzielnie administrować serwerem bare-metal. IONOS ręcznie przygotowuje każdy system, zapewniając dostęp root przez SSH oraz opcjonalną konsolę KVM. Dokumentacja pilotażu opisuje hosting w Niemczech, certyfikowany zgodnie z normą ISO 27001, jako zgodny z unijnymi przepisami o ochronie danych (RODO) i suwerenny w obrębie UE.

Od symulacji do fizycznego sprzętu fotonicznego

Pilotaż rozwija ścieżkę, którą Q.ANT rozpoczęła 23 września 2026 r., udostępniając zestaw narzędzi programistycznych o otwartym kodzie źródłowym. W jego ramach udostępniono interfejsy programistyczne dla języków C i Python, przykładowe aplikacje, dokumentację oraz zaplecze symulacyjne oparte na CPU; nowy program umożliwia zatwierdzonym użytkownikom przeniesienie tych aplikacji na fizyczne jednostki przetwarzania natywnego (NPU). Q.ANT zapewnia sterowniki, swój stos oprogramowania oraz integrację z PyTorch, a zgodność modeli i frameworków ustalana jest podczas wdrożenia.

NPU wykonuje funkcje nieliniowe bezpośrednio w domenie optycznej, zamiast rozkładać je na długie sekwencje operacji cyfrowych realizowanych na konwencjonalnych układach opartych na tranzystorach. Według Q.ANT takie podejście może zapewnić porównywalne lub lepsze wyniki przy mniejszej liczbie parametrów i operacji oraz mniejszym zużyciu zasobów. Do akceptowanych obciążeń należą systemy wizyjne dla przemysłu, prognozowanie szeregów czasowych, symulacje naukowe i robotyka, a także wnioskowanie z użyciem dużych modeli językowych i modeli bazowych, fizyczna AI oraz modele świata.

Na stronie pilotażu Q.ANT podaje, że przetwarzanie obrazów wymaga o 40% mniej parametrów, a prognozowanie szeregów czasowych — o 65% mniej, przy zachowaniu tej samej dokładności. Zamknięty pilotaż beta ma zweryfikować te wyniki na własnych danych i oprogramowaniu użytkowników. Tak szeroki zakres obciążeń pozwala Q.ANT ustalić, gdzie nieliniowe przetwarzanie optyczne sprawdza się poza początkowymi wdrożeniami badawczymi.

Ustrukturyzowana ocena pod kątem zastosowań komercyjnych

Po rozpatrzeniu zgłoszenia i rozmowie wideo uczestnicy otrzymują samouczki, przykładowy kod i dokumentację, a następnie odbywają się przeglądy obciążeń oraz dostosowanie zakresu testów. Podczas końcowych warsztatów omawiane są wskaźniki zużycia energii i wydajności, przydatność do wdrożenia produkcyjnego oraz możliwy kolejny etap. Uczestnicy zachowują prawa do swoich obciążeń, danych i wyników, które pozostają poufne; do rozwoju procesora i platformy wykorzystywane są wyłącznie zagregowane, zanonimizowane wnioski z rozmów.

Pilotaż jest następstwem umowy handlowej z 19 maja 2026 r., na mocy której IONOS został pierwszym klientem komercyjnym serwera Native Processing Server firmy Q.ANT. Q.ANT przedstawia NPU jako koprocesor do określonych obciążeń AI, współpracujący z CPU i GPU, a nie jako pełny zamiennik GPU. Zamknięty pilotaż beta uzupełnia więc istniejącą relację handlową o testy prowadzone przez klienta, zamiast inicjować samo partnerstwo.

Niezależne testy ujawniają korzyści i ograniczenia

Ocena z 21 kwietnia 2026 r. przeprowadzona przez Leibniz Supercomputing Centre stanowi odrębny punkt odniesienia. LRZ przetestowało obie generacje NPU w zadaniach związanych z AI i obliczeniami wielkiej skali (HPC). Poinformowało, że w najlepszym przypadku układy drugiej generacji działały nawet 50 razy szybciej, a w rozpoznawaniu obrazów z użyciem konwolucyjnej sieci neuronowej odnotowano 25-krotne przyspieszenie. W typowych zadaniach HPC zużycie energii spadło między pierwszą a drugą generacją o około 50–84%, zależnie od złożoności obliczeniowej.

W ocenie wskazano również ograniczenia istotne dla pilotażu. Koprocesory nie mogą wykonywać wszystkich operacji optycznie i muszą stale wymieniać dane z klasycznymi procesorami. Efektywność energetyczna jest najwyższa, gdy obliczenia pozostają w jednostce optycznej, dlatego przenoszenie danych stanowi istotne ograniczenie projektowe. System analogowy konwertuje dane z 16-bitową precyzją i wymaga uwzględnienia szumu fotodetektora; uzyskanie dokładniejszych wyników wymaga podziału złożonych zadań na wiele operacji oraz zastosowania bardziej zaawansowanych narzędzi programowych. Naukowcy LRZ ocenili, że układy mogą być gotowe do wdrożenia w klastrach AI po jednym lub dwóch kolejnych cyklach rozwoju.

Pilotaż pozwala teraz klientom samodzielnie sprawdzić, czy deklarowane korzyści utrzymują się w przypadku rzeczywistych obciążeń, przesyłania danych i ograniczeń oprogramowania. Wyniki tych testów pokażą, w jakim zakresie koprocesory fotoniczne mogą współpracować z CPU i GPU w produkcyjnej infrastrukturze AI.