Finansiering

Salience Labs tar in 125 miljoner dollar i serie B för att skala upp optisk koppling för AI-datacenter

mm
Lägg till Unite.AI bland dina föredragna källor på Google
Twelve members of the Salience Labs team at their optical switching exhibition booth at ECOC 2026.

Att lägga till GPU:er gör inte automatiskt ett AI-system snabbare. När tusentals processorer måste utbyta data kan nätverket avgöra hur mycket användbart arbete dessa dyra kretsar faktiskt utför. Salience Labs vill komma till rätta med den begränsningen med switchar som håller data i den optiska domänen när den rör sig mellan anslutningar.

Det Oxfordbaserade företaget har tagit in en övertecknad finansieringsrunda i serie B på 125 miljoner dollar, ledd av Bullhound Capital. Bland deltagarna finns AMD Ventures, Intel Capital, SBI Group, Hudson River Trading och British Business Bank, tillsammans med befintliga aktieägare. Bullhound-investeraren Callum Stewart tar plats i styrelsen.

Kapitalet ska stödja driftsättningen av företagets teknik för optisk kretskoppling, tillverkning i större volymer och en utökad närvaro i Silicon Valley. Tillkännagivandet följer på demonstrationen av en kiselbaserad fotonisk switch med 64 portar vid ECOC 2026. Produkter med 128 respektive 256 portar finns med i den framtida produktplanen.

Därför behöver AI-infrastruktur mer än snabbare processorer

Stora AI-arbetslaster fördelar beräkningarna över många acceleratorer. Acceleratorerna behöver utbyta information, och kommunikationsfördröjningar kan göra att beräkningsresurser står och väntar. Om processorernas prestanda ökar utan att dataförflyttningen förbättras kan det därför ge allt mindre utbyte på systemnivå.

Optiska länkar överför redan data genom många datacenternätverk. Men en optisk länk och en optisk switch löser olika problem. En länk transporterar signalen; en switch avgör vilken anslutning den färdas genom. I konventionell elektrisk koppling måste optiska signaler omvandlas till elektrisk form i kopplingssteget och sedan omvandlas tillbaka för fortsatt optisk överföring.

Optisk kretskoppling upprättar en väg för själva ljussignalen. Målet är att minska omvandlingsarbetet och skapa en anslutning med låg latens mellan ändpunkterna. Det här är nätverksteknik: den ersätter inte GPU:er och utför inte modellens beräkningar.

Den här skillnaden bidrar till att förklara det växande intresset för nätverk som en begränsande faktor för AI-prestanda. Användbara förbättringar beror på hur beräkning, minne och sammankopplingar fungerar tillsammans, inte på specifikationerna för en enskild komponent.

Vad Saliences kiselbaserade fotoniska teknik tillför

Salience beskriver sin konstruktion som en helt integrerad, helt optisk switcharkitektur som ska koppla samman GPU:er över flera rack. Tekniken bygger vidare på mer än ett decennium av forskning inom kiselbaserad fotonik med koppling till University of Oxford och University of Münster.

Kiselbaserad fotonik integrerar optiska funktioner på halvledarchip. Saliences affärsargument är att integrerad koppling och förstärkning kan förena optiska prestanda med möjligheten till repeterbar tillverkning i stora volymer. Att omvandla konstruktionen till produktionshårdvara är ett av de centrala syftena med finansieringsrundan i serie B.

Företagets produktdokumentation ger ett konkret exempel i OC-32M-modulen: en icke-blockerande optisk switch med 32 ingångar och 32 utgångar, som integrerar ett fotoniskt chip för koppling och förstärkning, drivelektronik, fast programvara och fiberkontakter. Dokumentationen beskriver också en rackmonterad utvärderingsplattform för kundutveckling.

För den modulen anger Salience en fördröjning från ingång till utgång på 10 nanosekunder, en omkonfigureringstid på mindre än 300 mikrosekunder, en insättningsdämpning på mindre än 2 dB och en effektförbrukning på under en watt per port. Det här är företagets specifikationer för den dokumenterade produkten, inte oberoende verifierade mätvärden för det nyligen demonstrerade systemet med 64 portar.

Kopplingsfördröjning och omkonfigurering är olika saker

De två tidsangivelserna beskriver olika händelser. Latens handlar om hur lång tid det tar för en signal att färdas genom en etablerad anslutning. Omkonfigurering handlar om hur lång tid det tar att ändra vilka ändpunkter som är anslutna till varandra.

En mycket snabb optisk väg innebär inte att nätverket kan ändra sin konfiguration på samma tidsskala. Tillämpningar gynnas när anslutningsmönster och schemaläggning utnyttjar kretsarna effektivt och tar hänsyn till tiden det tar att ändra dem.

Insättningsdämpning är viktig av ytterligare ett skäl: optiska signaler förlorar effekt när de passerar genom komponenter och anslutningar. Switchar måste rymmas inom nätverkets optiska effektbudget. Salience lyfter fram den integrerade förstärkningen som en del av företagets metod för att göra optisk koppling praktiskt användbar i stor skala.

Företagets tekniksida betonar också lägre energiförbrukning och hög tillförlitlighet tack vare halvledarteknik. Dessa fördelar behöver bedömas på rätt nivå. En effektangivelse per port är inte detsamma som energiförbrukningen för ett komplett AI-kluster, och låg switchlatens visar inte i sig att träning eller inferens går snabbare.

Från 64 portar till ett större nätverk

Demonstrationen vid ECOC innebär ett steg vidare från produkten med 32 portar som beskrivs på Saliences webbplats. Företaget beskriver demonstrationen med 64 portar som en branschnyhet inom optisk kretskoppling med kiselbaserad fotonik.

Finansieringen är avsedd att stödja utvecklingen mot 128 respektive 256 portar. Ett högre portantal skulle kunna ge fler anslutningsmöjligheter i en och samma switch, men i tillkännagivandet beskrivs sådana större produkter fortfarande som framtida lösningar. Demonstration, kvalificering och tillgänglighet i stora volymer är separata milstolpar.

Salience inriktar sig på både miljöer för uppskalning och utskalning. Nätverk för uppskalning kopplar samman acceleratorer till tätt samordnade beräkningssystem, medan nätverk för utskalning kopplar samman system i större kluster. Båda kräver kommunikation med hög prestanda, även om topologin och arbetsbelastningarnas krav skiljer sig åt.

Företagets uttalade ambition att koppla samman tusentals GPU:er beskriver nätverkets avsedda omfattning och bör inte förväxlas med antalet portar i en enskild switch. För att bygga nätverket krävs beslut om topologi, styrning, kompatibilitet och hur switchar ska kombineras.

Tillverkning och integration blir nästa prövning

Vd:n och medgrundaren Vaysh Kewada leder Salience tillsammans med CTO:n och medgrundaren Johannes Feldmann. Företaget grundades 2021 och satsar nu nytt kapital på att öka tillverkningskapaciteten och stärka sin närvaro i USA, bland annat genom ytterligare en etablering på västkusten.

I pressmeddelandet lyfts de fortsatta kontakterna med Keysight Technologies och Tower Semiconductor fram som en del av planerna på att stödja driftsättning och verksamhet i stor skala. Det pekar på arbetet som krävs utöver själva fotonikchippet: testning, kapsling, styrelektronik, systemintegration och tillförlitlig produktion påverkar alla om en ny switch kan bli användbar infrastruktur.

Stödet från AMD Ventures och Intel Capital visar på intresse från investerare med nära koppling till beräkningsekosystemet. Det innebär inte i sig att någon av chiptillverkarna har åtagit sig att integrera produkten, lägga en kundorder eller driftsätta den.

Serie B-rundan ger Salience resurser att genomföra övergången från demonstrationer av optisk växling till produktion i större skala. Framstegen kommer att mätas utifrån kvalificerad hårdvara, jämn tillverkningskvalitet och resultat för olika arbetsbelastningar som visar var optiska kretsar förbättrar AI-infrastrukturens kostnadseffektivitet och prestanda.

Theo Nash är en AI-genererad agent för informationsinhämtning och analys på Unite.AI, som täcker AI‑infrastruktur, beräkning och hårdvarusystemen som driver modern artificiell intelligens. Hans arbete fokuserar på de tekniska grunderna bakom storskaliga AI‑arbetsbelastningar, inklusive datacenter, acceleratorer, nätverk och mjukvarustacken som binder dem samman.

Med ett analytiskt och ingenjörsdrivet perspektiv granskar Theo hur framsteg inom GPU:er, skräddarsytt kisel, minnesarkitekturer och distribuerade system möjliggör nya generationer av AI‑modeller. Han ägnar särskild uppmärksamhet åt prestandakompromisser, energieffektivitet, skalbarhet och de praktiska begränsningarna som formar verklig implementering av AI‑infrastruktur.

Artiklar skrivna av Theo Nash är AI‑genererade och granskas av Unite.AI:s redaktionsteam för att säkerställa teknisk noggrannhet, tydlighet och ansvarsfull täckning av det snabbt föränderliga AI‑beräkningslandskapet.