iPronics, व्हॅलेन्सियास्थित एक स्टार्टअप, ने $125 दशलक्षचा निधी उभारला आहे, ज्यामध्ये Nvidia चा देखील समावेश आहे. या निधीमुळे त्यांच्या प्रोग्रामेबल ऑप्टिकल स्विचेसच्या (programmable optical switches) विस्तारामध्ये वेग येईल, ज्यामुळे मोठ्या डेटा सेंटर्समधील AI ट्रेनिंगचा वेग मंदावणारे बँडविड्थचे अडथळे दूर होतील, असे कंपनीने म्हटले आहे.

आजच्या AI मधील बँडविड्थची समस्या

आधुनिक लँग्वेज मॉडेल्स किंवा व्हिजन सिस्टम्सना ट्रेन करण्यासाठी सर्व्हरमध्ये पेटॅबाइट्स डेटा इतक्या वेगाने हलवावा लागतो की तांब्याच्या (copper) इलेक्ट्रिकल इंटरकनेक्ट्सना ते पेलणे कठीण जाते. जसे GPUs आणि कस्टम AI चिप्स अधिक वेगवान होत आहेत, तसे त्यांना जोडणारे नेटवर्क हे मर्यादित घटक ठरत आहे. डेटा-सेंटर ऑपरेटर्सचे म्हणणे आहे की, एकाच AI वर्कलोडचे स्केलिंग करण्यासाठी त्यांना अनेकदा अधिक स्विचेस जोडावे लागतात, ज्यामुळे फ्लोअर स्पेस, वीज आणि कूलिंग क्षमतेवर ताण येतो. परिणामी, एक खर्चिक आणि अकार्यक्षम प्रणाली तयार होते, जी मॉडेलच्या व्यावहारिक आकारावर मर्यादा आणते.

प्रकाशावर आधारित नेटवर्किंग हा एक उपाय

iPronics या समस्येवर इलेक्ट्रॉनिक ऐवजी फोटोनिक (photonic) स्विचिंगद्वारे उपाय शोधत आहे. इलेक्ट्रिकल सिग्नल धातूच्या वायर्समधून प्रवास करण्याऐवजी, त्यांची उपकरणे सिलिकॉन-आधारित वेव्हगाइड्सद्वारे (waveguides) प्रकाश प्रवाहित करतात. त्यांचे प्रमुख उत्पादन, iPronics ONE, हे तुलनेत असलेल्या पारंपारिक उपकरणांपेक्षा साधारण वीस पटीने लहान आहे. याचा आकार कमी केल्यामुळे रॅक स्पेस मोकळी होते आणि कूलिंगसाठी लागणारी वीज कमी होते. तांब्याच्या तुलनेत प्रकाश जास्त अंतरापर्यंत आणि अधिक वेगाने डेटा वाहून नेऊ शकतो, ज्यामुळे स्विचेस कमी लॅटन्सी (latency) आणि उच्च थ्रूपुट (throughput) देण्याचे आश्वासन देतात. एक अतिरिक्त सॉफ्टवेअर लेअर आपोआप कनेक्शन्स पुन्हा कॉन्फिगर करते, ज्यामुळे रॅक बंद पडू शकणारे तांत्रिक बिघाड टाळता येतात.

Nvidia च्या गुंतवणुकीचे महत्त्व का आहे?

Nvidia च्या सहभागाचा अर्थ केवळ भांडवल नाही. या चिपमेकरने वारंवार "डेटा-सेंटर-रेडी" नेटवर्किंगची मागणी केली आहे, जे त्यांच्या AI अ‍ॅक्सिलरेटर्सच्या वेगाशी जुळवून घेऊ शकेल. iPronics ला पाठबळ देऊन, Nvidia ने असा संकेत दिला आहे की फोटोनिक स्विचिंग हे त्यांच्या GPUs साठी एक मानक पूरक घटक बनू शकते, ज्यामुळे Nvidia हार्डवेअर खरेदी करणाऱ्या ग्राहकांसाठी सप्लाय चेन सुलभ होईल. या राउंडमध्ये टेलिकॉम आणि सेमीकंडक्टर इन्फ्रास्ट्रक्चरमधील अनुभव असलेल्या गुंतवणूकदारांनी देखील रस दाखवला आहे, जे ऑप्टिकल सोल्यूशन्सकडे उद्योगाचा व्यापक कल असल्याचे सूचित करते.

कोणाला फायदा होऊ शकतो

  • क्लाउड प्रोव्हायडर्स एकाच जागेत अधिक कॉम्प्युट क्षमता साठवू शकतात, ज्यामुळे प्रत्येक ट्रेनिंग रनचा खर्च कमी होईल.
  • AI सेवांवर अवलंबून असलेल्या कंपन्यांना जलद इन्फरन्स (inference) आणि कमी आउटेज पाहायला मिळू शकतात, ज्यामुळे वापरकर्त्यांचा अनुभव अधिक सुलभ होईल.
  • हार्डवेअर विक्रेते जे फोटोनिक स्विचेस त्यांच्या स्वतःच्या चिप्ससोबत जोडतील, ते गर्दीच्या बाजारपेठेत आपली वेगळी ओळख निर्माण करू शकतील.

इलेक्ट्रिकल इथरनेट (Ethernet) आणि इन्फिनीबँड (InfiniBand) मध्ये तज्ज्ञ असलेल्या सध्याच्या नेटवर्किंग विक्रेत्यांचा मार्केट शेअर कमी होऊ शकतो, जर ग्राहक ऑप्टिकल फॅब्रिक्सकडे वळले तर. या बदलामुळे डेटा-सेंटर इंजिनिअर्सना नवीन खरेदी प्रक्रिया आणि इंटिग्रेशनचे कामही करावे लागेल.

स्वीकारण्याच्या मार्गातील अडथळे

फोटोनिक घटकांची किंमत अजूनही तांब्याच्या पर्यायांपेक्षा जास्त आहे आणि ऑप्टिकल स्विचेस व्यवस्थापित करण्यासाठी इकोसिस्टम अजूनही विकसित झालेली नाही. iPronics चे हार्डवेअर सध्याच्या डेटा-सेंटर मॅनेजमेंट स्टॅक्समध्ये समाविष्ट करण्यासाठी सॉफ्टवेअर अडॅप्टर्स आणि कर्मचारी प्रशिक्षणाची आवश्यकता असेल. सुरुवातीच्या वापरकर्त्यांना उच्च सुरुवातीचा खर्च सोसावा लागू शकतो आणि पायलट वातावरणाबाहेर या तंत्रज्ञानाची मोठ्या प्रमाणावरील विश्वासार्हता अद्याप सिद्ध झालेली नाही.

पुढे काय पाहावे?

  • उत्पादन रोलआउट्स: iPronics ONE च्या मोठ्या प्रमाणावरील उत्पादनाचा कालावधी हे दर्शवेल की कंपनी पुरवठा साखळीतील अडथळे न येता मागणी पूर्ण करू शकते का.
  • ग्राहक यश: प्रमुख क्लाउड ऑपरेटर्स किंवा हायपरस्केलर्ससोबतचे करार या तंत्रज्ञानाची सज्जता सिद्ध करतील.
  • पुढील निधी: अतिरिक्त निधीचे फेरे बाजारामधील विश्वास दर्शवू शकतात किंवा पर्यायाने, अधिक रनवेची (runway) गरज सूचित करू शकतात.
  • मानकीकरण (Standardisation): ऑप्टिकल-स्विच इंटरफेस परिभाषित करणारी उद्योग संस्था या तंत्रज्ञानाचा स्वीकार जलद किंवा मंद करू शकते.

Nvidia च्या पाठिंब्यासह $125 दशलक्षचा निधी मिळणे, यामुळे फोटोनिक नेटवर्किंग आता AI-आधारित क्लाउड सेवांवर अवलंबून असलेल्या प्रत्येकाच्या नजरेत आले आहे. जलद, लहान आणि अधिक कार्यक्षम डेटा-सेंटर लिंक्सचे आश्वासन दैनंदिन कामगिरीमध्ये सुधारणा आणेल की नाही, हे या तंत्रज्ञानाचा स्वीकार करण्याच्या वेगावर आणि लाइट-आधारित हार्डवेअरच्या स्केलिंगच्या अर्थशास्त्रावर अवलंबून असेल.