Snowcap Compute uruchamia się z 23 milionami dolarów, aby wprowadzić erę nadprzewodzącą w AI i HPC

Globalne wydatki na chmurę obliczeniową mają osiągnąć 1,3 biliona dolarów do 2025 roku, kwotę, która odzwierciedla nadzwyczajny popyt na skalowalną i wydajną infrastrukturę obliczeniową. Wśród tego wzrostu Snowcap Compute ogłosił dziś swoje publiczne uruchomienie i rundę finansowania w wysokości 23 milionów dolarów, którą poprowadził Playground Global. Jest to pierwsza inwestycja byłego CEO Intela Pata Gelsingera od momentu dołączenia do firmy. Dodatkowe udziały objęli Cambium Capital i Vsquared Ventures, co sygnalizuje rosnące zaufanie inwestorów do alternatywnych architektur obliczeniowych. (INTC )

Misją Snowcap jest komercjalizacja obliczeń nadprzewodzących – konkretnie platformy, która zastępuje tradycyjne tranzystory krzemowe bramkami logicznymi nadprzewodzącymi, obiecując znaczne zyski w wydajności i efektywności energetycznej. To śmiała próba przedefiniowania sposobu, w jaki centra danych zasilają szybko rozwijające się dziedziny sztucznej inteligencji (AI), obliczeń o wysokiej wydajności (HPC) i hybrydowych systemów kwantowo-klasycznych.

Granice CMOS i przypadek dla zmiany

Przez ostatnie pięć dekad przemysł półprzewodnikowy opierał się na technologii CMOS (complementary metal-oxide-semiconductor) do produkcji niemal każdego układu – od procesorów i kart graficznych po smartfony i systemy osadzone. CMOS wykorzystuje pary tranzystorów p-type i n-type do zarządzania operacjami logicznymi, zużywając energię głównie podczas przełączania stanów. Jego dominacja była możliwa dzięki prawu Moore’a: zdolności do ciągłego zmniejszania rozmiarów tranzystorów, umieszczania ich w większej ilości na układzie i osiągania lepszej wydajności przy niższych kosztach.

Jednak ten postęp znacznie zwolnił. Współczesne układy napotykają na ograniczenia termiczne i kwantowe. Zmniejszanie rozmiarów tranzystorów powoduje przecieki prądu i zwiększa zużycie mocy statycznej. Nawet z zaawansowaną litografią producenci mają teraz do czynienia z prawem malejących zysków. W rezultacie efektywność energetyczna, a nie liczba tranzystorów, jest teraz najpilniejszym wąskim gardłem w architekturze obliczeniowej.

Jest to szczególnie problematyczne dla obciążeń AI. Trenowanie dużych modeli może wymagać dziesiątek megawatogodzin prądu. Wykonywanie inferencji na miliardach zapytań dziennie powoduje zwiększenie tego kosztu. Symulacje o wysokiej wydajności w medycynie, modelowaniu klimatu i nauce o materiałach są podobnie ograniczone. Świat potrzebuje nowej klasy platform obliczeniowych – tych, które mogą skalować bez równoległego wzrostu ciepła, kosztów i emisji dwutlenku węgla.

Co sprawia, że obliczenia nadprzewodzące są inne?

Obliczenia nadprzewodzące oferują fundamentalnie odmienny podejście. Zamiast tranzystorów, które tracone energię w postaci ciepła, wykorzystują złącza Józefsona – maleńkie urządzenia kwantowe, które pozwalają na tunelowanie prądu między nadprzewodnikami bez oporu. Kiedy schłodzone do 4,5 Kelvina za pomocą standardowych systemów kriogenicznych, te obwody mogą przełączać się w pikosekundach i zużywać niewiarygodnie małą ilość energii na operację – nawet do 100 000 razy mniej niż CMOS.

To nie jest komputacja kwantowa, która opiera się na splątaniu i stanach probabilistycznych. Podejście Snowcap wykorzystuje materiały nadprzewodzące do wykonywania deterministycznej logiki cyfrowej – co oznacza, że może uruchamiać tradycyjne oprogramowanie i obciążenia. Zaletą jest możliwość dostarczania klasycznej wydajności obliczeniowej przy znacznie większej efektywności, z połączeniami o zerowym oporze i minimalnymi stratami przełączania.

Pomimo swojego potencjału, logika nadprzewodząca historycznie pozostawała ograniczona do laboratoriów badawczych ze względu na wyzwania inżynieryjne i produkcyjne. Integracja tych obwodów do współczesnych projektów układów wymagała rozwiązania problemów, takich jak skalowalność, chłodzenie i kompatybilność z narzędziami projektowymi. Snowcap twierdzi, że poczynił postępy we wszystkich tych dziedzinach.

Podejście i technologia Snowcap

To, co odróżnia Snowcap, to nacisk na praktyczne wdrożenie. W przeciwieństwie do poprzednich wysiłków nadprzewodzących, które wymagały egzotycznych materiałów lub niestandardowej produkcji, platforma Snowcap jest zaprojektowana tak, aby być kompatybilna z procesami produkcji półprzewodników 300mm. Wykorzystuje materiały i metody już udowodnione w systemach kwantowych, takich jak infrastruktura kriogeniczna oparta na helu.

Platforma jest również zbudowana tak, aby wspierać istniejące projekty logiki cyfrowej. Zamiast wymagać od deweloperów przepisywania oprogramowania lub nauki nowych paradygmatów, Snowcap zapewnia ścieżkę do przeniesienia tradycyjnych procesorów, kart graficznych i akceleratorów AI na swoją architekturę nadprzewodzącą. Firma opisuje swoją ofertę jako mnożnik wydajności i efektywności, który może zostać wstawiony do przyszłych centrów danych z minimalnymi zakłóceniami.

CEO Mike Lafferty, weteran działy inżynierii nadprzewodzącej i kwantowej Cadence, kieruje zespołem, w skład którego wchodzą Chief Science Officer Dr Anna Herr i Chief Technology Officer Dr Quentin Herr, którzy są powszechnie uznawani za swoje wkład w projektowanie systemów nadprzewodzących. Rada doradcza obejmuje byłego wiceprezesa ds. GPU w NVIDIA Briana Kellehera i Phila Carmacka, wcześniej wiceprezesa ds. inżynierii krzemowej w Google.

Lafferty przedstawia misję firmy w prosty sposób: „Budujemy systemy obliczeniowe dla granic tego, co jest fizycznie możliwe. Logika nadprzewodząca pozwala nam przekroczyć granice CMOS, aby spełnić wymagania następnej generacji AI i hybrydowych aplikacji kwantowych.”

Szeroki obraz: energia, AI i centra danych

Wnioski sięgają poza wydajność układu. Centra danych już teraz odpowiadają za rosnący udział globalnego zużycia energii elektrycznej, a przyspieszanie AI tylko powoduje zwiększenie tego problemu. W miarę jak kraje zaostrzają normy emisji i sieci energetyczne są narażone na obciążenia, zrównoważoność infrastruktury obliczeniowej staje się kluczową troską – nie tylko dla dostawców technologii, ale także dla rządów i przedsiębiorstw.

Podejście nadprzewodzące Snowcap bezpośrednio rozwiązuje ten problem. Poprzez redukcję energii przełączania i eliminację strat oporowych w połączeniach, ta technologia ma potencjał znacznie obniżyć zużycie energii. W środowiskach kriogenicznych już wdrożonych dla systemów kwantowych, marginalny koszt uruchamiania obciążeń klasycznych obok kwantowych mógłby spaść dramatycznie.

To zbieżenie obliczeń kwantowych i klasycznych w tym samym otoczeniu chłodzącym otwiera interesujące możliwości: przetwarzanie danych w czasie rzeczywistym dla eksperymentów kwantowych, hybrydowe algorytmy AI/kwantowe i wiele więcej.

Droga do przodu dla obliczeń

W miarę jak sztuczna inteligencja, modelowanie naukowe i badania kwantowe pushują granice obecnej infrastruktury, branża stoi przed decydującym momentem. Tradycyjne skalowanie CMOS nie jest już wystarczające, aby spełnić rosnące wymagania obliczeniowe, zwłaszcza gdy zużycie energii staje się podstawowym ograniczeniem. Nowe paradygmaty – od obliczeń optycznych i chipów neuromorficznych po systemy kriogeniczne i nadprzewodzące – zyskują na popularności, gdy badacze i inżynierowie szukają architektur, które mogą dostarczyć więcej wydajności przy mniejszym zużyciu energii.

Obliczenia nadprzewodzące, które wcześniej były uważane za zbyt egzotyczne do użycia komercyjnego, pojawiają się jako jeden z bardziej pragmatycznych wyborów – zwłaszcza gdy infrastruktura kriogeniczna staje się bardziej powszechna w środowiskach kwantowych. Chociaż pozostają wyzwania związane z integracją pamięci, projektem systemu i dojrzałością ekosystemu, potencjalne zyski efektywności są zbyt duże, aby je zignorować.

Snowcap Compute jest jedną z niewielu firm, które liczą na tę zmianę. Poprzez wyrównanie logiki nadprzewodzącej z ustaloną produkcją i praktykami centrów danych, oferuje jeden z możliwych ścieżek do przodu w świecie po-CMOS – tym, w którym wydajność nie jest już związana z ciepłem, a skala nie jest już ograniczona przez krzem.