Q.ANT öppnar pilotprogram för fotonisk AI-hårdvara på IONOS-servrar av typen bare metal

Q.ANT meddelade den 9 november 2026 att utvalda sökande kan testa sina egna AI-arbetsbelastningar på företagets andra generationens fotoniska processor via dedikerade IONOS-servrar av typen bare metal i Tyskland. Testerna ingår i ett kostnadsfritt, slutet betaprogram som ska identifiera kommersiella användningsområden.

Programmet är begränsat till deltagare med ett konkret användningsfall och tillräcklig kompetens för att själva administrera en bare metal-server. IONOS konfigurerar varje system manuellt och tillhandahåller SSH-åtkomst med root-behörighet samt en KVM-konsol som tillval. I dokumentationen för pilotprogrammet beskrivs det ISO 27001-certifierade tyska värdtjänsterbjudandet som förenligt med dataskyddsförordningen (GDPR) och suveränt inom EU.

Från simulering till fysisk fotonisk hårdvara

Pilotprogrammet bygger vidare på den utvecklingsväg som Q.ANT inledde med sitt SDK för programvaruutveckling med öppen källkod den 23 september 2026. Den versionen innehöll programmeringsgränssnitt för C och Python, exempelprogram, dokumentation och en simuleringslösning baserad på CPU. Det nya programmet låter godkända användare köra dessa program på fysiska Native Processing Units (NPU:er). Q.ANT tillhandahåller drivrutiner, sin programvarustack och integration med PyTorch. Kompatibilitet med modeller och ramverk fastställs under introduktionsprocessen.

NPU:n utför icke-linjära funktioner direkt i den optiska domänen, i stället för att dela upp dem i långa sekvenser av digitala steg på konventionella transistorbaserade chip. Q.ANT uppger att metoden kan ge jämförbara eller bättre resultat med färre parametrar, operationer och resurser. Godkända arbetsbelastningar omfattar industriell bildanalys, tidsserieprognoser, vetenskapliga simuleringar och robotik, liksom inferens med stora språkmodeller och grundmodeller, fysisk AI och världsmodeller.

På Q.ANT:s sida för pilotprogrammet anges att bildbehandling kräver 40 % färre parametrar och tidsserieprognoser 65 % färre vid samma noggrannhet. Det slutna betaprogrammet är utformat för att pröva resultaten med användarnas egna data och programvara. Den här bredden av arbetsbelastningar ger Q.ANT möjlighet att fastställa var optisk icke-linjär bearbetning är användbar utöver företagets inledande forskningsprojekt.

En strukturerad utvärdering för kommersiell användning

Efter granskning av ansökan och ett videosamtal får deltagarna handledningar, kodexempel och dokumentation. Därefter granskas arbetsbelastningarna och testernas fokus justeras. I en avslutande workshop undersöks energi- och prestandamått, lämplighet för produktion och ett eventuellt nästa steg. Deltagarna behåller äganderätten till sina arbetsbelastningar, data och resultat, som förblir konfidentiella. Endast sammanställda, anonymiserade insikter från diskussionerna används i utvecklingen av processorn och plattformen.

Pilotprogrammet följer på det kommersiella avtalet från den 19 maj 2026, som gjorde IONOS till den första kommersiella kunden för Q.ANT:s Native Processing Server. Q.ANT positionerar NPU:n som en medprocessor för specifika AI-arbetsbelastningar, som används tillsammans med CPU:er och GPU:er, snarare än som en fullständig ersättare för GPU:er. Betaprogrammet med sluten åtkomst innebär därför att kunder nu själva kan utvärdera tekniken inom ramen för en befintlig kommersiell relation, i stället för att ett nytt partnerskap inleds.

Oberoende tester visar både fördelar och begränsningar

En utvärdering från Leibniz Supercomputing Centre den 21 april 2026 ger en separat jämförelsepunkt. LRZ testade båda NPU-generationerna för AI- och HPC-arbetsuppgifter och rapporterade att chippen av andra generationen i bästa fall var upp till 50 gånger snabbare. Vid bildigenkänning med ett konvolutionellt neuralt nätverk uppmättes en 25-faldig hastighetsökning. För typiska HPC-arbetsuppgifter minskade strömförbrukningen med ungefär 50–84 % från den första till den andra generationen, beroende på beräkningarnas komplexitet.

Utvärderingen identifierade också begränsningar som är relevanta för pilotprogrammet. Medprocessorerna kan inte utföra alla operationer optiskt och måste kontinuerligt utbyta data med konventionella processorer. Energieffektiviteten är som högst när beräkningarna utförs på den optiska enheten, vilket gör dataöverföring till en central begränsning vid utformningen. Det analoga systemet omvandlar data med 16-bitars precision och måste hantera fotodetektorbrus. För mer precisa resultat måste komplexa uppgifter delas upp i flera operationer och hanteras med mer avancerade programvaruverktyg. LRZ:s forskare uppskattade att chippen skulle kunna vara redo för användning i AI-kluster efter ytterligare en eller två utvecklingscykler.

Pilotprogrammet låter nu kunderna själva undersöka frågorna: Var de rapporterade prestandavinsterna består när tekniken används med verkliga arbetsbelastningar, dataöverföring och programvarubegränsningar avgör var fotonisk medprocessning passar in tillsammans med CPU:er och GPU:er i produktionsmiljöer för AI-infrastruktur.