Q.ANT запускает пилотный проект по тестированию фотонного оборудования для ИИ на выделенных серверах IONOS

Q.ANT объявила 9 ноября 2026 года, что отобранные участники смогут бесплатно протестировать собственные рабочие нагрузки ИИ на фотонном процессоре второго поколения через выделенные серверы IONOS в Германии. Закрытый бета-тест призван выявить коммерческие варианты применения.

Программа доступна только участникам с конкретным вариантом применения и достаточной квалификацией для самостоятельного администрирования выделенного сервера. IONOS настраивает каждую систему вручную, предоставляя root-доступ по SSH и, при желании, консоль KVM. В документации к пилотному проекту указано, что немецкий хостинг с сертификацией ISO 27001 соответствует требованиям режима защиты данных GDPR и обеспечивает суверенитет в пределах ЕС.

От моделирования к физическому фотонному оборудованию

Пилотный проект продолжает начатую Q.ANT разработку: 23 сентября 2026 года компания выпустила набор средств разработки программного обеспечения с открытым исходным кодом. В него вошли программные интерфейсы для C и Python, примеры приложений, документация и серверная часть для моделирования на базе CPU; новая программа позволяет одобренным пользователям запускать эти приложения на физических блоках нативной обработки (NPU). Q.ANT предоставляет драйверы, свой программный стек и интеграцию с PyTorch; совместимость с моделями и фреймворками согласуется на этапе подключения.

NPU выполняет нелинейные функции непосредственно в оптической области, а не разбивает их на длинные последовательности цифровых операций, выполняемых на обычных чипах с транзисторами. По словам Q.ANT, такой подход позволяет получать сопоставимые или более высокие результаты, используя меньше параметров, операций и ресурсов. Допустимые рабочие нагрузки охватывают промышленное компьютерное зрение, прогнозирование временных рядов, научное моделирование и робототехнику, а также инференс больших языковых и базовых моделей, физический ИИ и модели мира.

На странице пилотного проекта Q.ANT указано, что при одинаковой точности обработка изображений требует на 40% меньше параметров, а прогнозирование временных рядов — на 65% меньше. В рамках закрытого бета-тестирования эти результаты проверят на собственных данных и программном обеспечении участников. Такой широкий спектр рабочих нагрузок позволит Q.ANT определить, где нелинейная оптическая обработка полезна за пределами первоначальных исследовательских проектов.

Структурированная оценка коммерческого применения

После рассмотрения заявки и видеозвонка участники получают учебные материалы, примеры кода и документацию; затем проводятся анализ рабочих нагрузок и корректировка фокуса тестирования. На заключительном семинаре оцениваются показатели энергопотребления и производительности, пригодность для промышленной эксплуатации и возможные дальнейшие этапы. Участники сохраняют права на свои рабочие нагрузки, данные и результаты, которые остаются конфиденциальными; для разработки процессора и платформы используются только обобщённые и обезличенные выводы из обсуждений.

Пилотный проект последовал за коммерческим соглашением от 19 мая 2026 года, по которому IONOS стала первым коммерческим заказчиком Native Processing Server от Q.ANT. Компания позиционирует NPU как сопроцессор для отдельных задач ИИ, работающий вместе с CPU и GPU, а не как полноценную замену GPU. Таким образом, закрытый бета-тест дополняет уже существующие коммерческие отношения оценкой технологии силами заказчиков, а не служит началом самого партнёрства.

Независимые испытания выявили преимущества и ограничения

Оценка от 21 апреля 2026 года, проведённая Центром высокопроизводительных вычислений имени Лейбница, служит отдельным ориентиром. LRZ протестировал оба поколения NPU на задачах ИИ и высокопроизводительных вычислений (HPC) и сообщил, что чипы второго поколения в лучшем случае работали до 50 раз быстрее; при распознавании изображений с помощью свёрточной нейронной сети ускорение составило 25 раз. В зависимости от вычислительной сложности типичных задач HPC энергопотребление снизилось примерно на 50–84% при переходе от первого поколения ко второму.

В оценке также отмечены ограничения, важные для пилотного проекта. Сопроцессоры не могут выполнять все операции в оптической области и должны постоянно обмениваться данными с классическими процессорами. Энергоэффективность максимальна, когда вычисления остаются на оптическом модуле, поэтому перемещение данных становится ключевым ограничением при проектировании. Аналоговая система преобразует данные с точностью 16 бит и должна учитывать шум фотодетекторов; для получения более точных результатов сложные задачи приходится разбивать на несколько операций и использовать более совершенные программные инструменты. Исследователи LRZ оценили, что чипы могут быть готовы к внедрению в кластеры ИИ после ещё одного или двух циклов разработки.

Теперь пилотный проект позволяет клиентам проверить эти вопросы на практике: от того, сохраняются ли заявленные преимущества при реальных рабочих нагрузках и с учётом ограничений, связанных с перемещением данных и программным обеспечением, будет зависеть, в каких случаях фотонные сопроцессоры смогут применяться в промышленной инфраструктуре ИИ наряду с CPU и GPU.