Parcerias
Q.ANT lança piloto de hardware fotônico para IA em servidores bare metal da IONOS
Adicione Unite.AI às suas fontes preferidas no Google
Q.ANT anunciou em 9 de novembro de 2026 que candidatos selecionados poderão testar suas próprias cargas de trabalho de IA em seu processador fotônico de segunda geração, por meio de servidores bare metal dedicados da IONOS na Alemanha, em um piloto gratuito de beta fechado destinado a identificar usos comerciais.
O programa é limitado a participantes com um caso de uso concreto e experiência suficiente para administrar um servidor bare metal de forma independente. A IONOS provisiona cada sistema manualmente, com acesso root via SSH e um console KVM opcional. A documentação do piloto descreve a hospedagem alemã, certificada pela ISO 27001, como compatível com o regime de proteção de dados do RGPD e soberana no âmbito da UE.
Da simulação ao hardware fotônico físico
O piloto dá continuidade a uma trajetória de desenvolvimento que a Q.ANT iniciou com seu kit de desenvolvimento de software de código aberto, em 23 de setembro de 2026. Essa versão oferecia interfaces de programação para C e Python, aplicações de exemplo, documentação e um ambiente de simulação baseado em CPU; o novo programa permite que usuários aprovados transfiram essas aplicações para unidades físicas de processamento nativo (NPUs). A Q.ANT fornece os drivers, sua pilha de software e a integração com PyTorch, enquanto a compatibilidade com modelos e estruturas de software é definida durante a integração inicial.
A NPU executa funções não lineares diretamente no domínio óptico, em vez de decompô-las em longas sequências de etapas digitais em chips convencionais baseados em transistores. Segundo a Q.ANT, essa abordagem pode produzir resultados comparáveis ou melhores com menos parâmetros, operações e recursos. As cargas de trabalho aceitas abrangem visão computacional industrial, previsão de séries temporais, simulação científica e robótica, além de inferência de modelos de linguagem de grande porte e modelos fundacionais, IA física e modelos de mundo.
A página do piloto da Q.ANT informa que o processamento de imagens exige 40% menos parâmetros e a previsão de séries temporais, 65% menos, mantendo a mesma precisão. O beta fechado foi concebido para testar esses resultados com dados e software dos próprios usuários. Essa variedade de cargas de trabalho permite à Q.ANT determinar em que situações o processamento óptico não linear é útil para além de suas aplicações iniciais em pesquisa.
Uma avaliação estruturada para uso comercial
Após a análise da inscrição e uma chamada de vídeo, os participantes recebem tutoriais, exemplos de código e documentação, seguidos de avaliações das cargas de trabalho e ajustes no foco dos testes. Um workshop final examina métricas de energia e desempenho, a adequação à produção e uma possível próxima fase. Os participantes mantêm a propriedade de suas cargas de trabalho, dados e resultados, que permanecem confidenciais; somente informações agregadas e anonimizadas obtidas nas conversas contribuem para o desenvolvimento do processador e da plataforma.
O piloto sucede ao acordo comercial de 19 de maio de 2026, que tornou a IONOS o primeiro cliente comercial do Native Processing Server da Q.ANT. A Q.ANT posiciona a NPU como coprocessador para determinadas cargas de trabalho de IA, ao lado de CPUs e GPUs, e não como substituta integral das GPUs. Portanto, o beta fechado acrescenta uma avaliação conduzida pelo cliente a uma relação comercial já existente, em vez de inaugurar a parceria.
Testes independentes mostram ganhos e limitações
Uma avaliação de 21 de abril de 2026 realizada pelo Centro de Supercomputação Leibniz oferece um ponto de referência independente. O LRZ testou as duas gerações de NPU em tarefas de IA e computação de alto desempenho (HPC) e relatou que, no melhor dos casos, os chips de segunda geração eram até 50 vezes mais rápidos, com aceleração de 25 vezes no reconhecimento de imagens usando uma rede neural convolucional. Em cargas de trabalho típicas de HPC, o consumo de energia caiu aproximadamente de 50% a 84% da primeira para a segunda geração, dependendo da complexidade computacional.
A avaliação também identificou limitações pertinentes ao piloto. Os coprocessadores não conseguem executar todas as operações no domínio óptico e precisam trocar dados continuamente com processadores clássicos. A eficiência energética é máxima quando os cálculos permanecem na unidade óptica, o que torna a movimentação de dados uma restrição central de projeto. O sistema analógico converte dados com precisão de 16 bits e precisa levar em conta o ruído dos fotodetectores; para obter resultados mais precisos, é necessário dividir tarefas complexas em várias operações e usar ferramentas de software mais sofisticadas. Pesquisadores do LRZ estimaram que os chips poderão estar prontos para implantação em clusters de IA após mais um ou dois ciclos de desenvolvimento.
O piloto agora coloca essas questões nas mãos dos clientes: saber se os ganhos relatados se mantêm diante de cargas de trabalho reais, da movimentação de dados e das limitações de software determinará em que aplicações o coprocessamento fotônico poderá se integrar à infraestrutura de IA em produção, ao lado de CPUs e GPUs.
