OLIX ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ $312 ਮਿਲੀਅਨ ਦਾ Series B ਰਾਊਂਡ ਪੂਰਾ ਕੀਤਾ ਹੈ, ਜਿਸ ਨਾਲ ਇਸਦੀ ਵੈਲੂਏਸ਼ਨ $3.3 ਬਿਲੀਅਨ ਤੱਕ ਪਹੁੰਚ ਗਈ ਹੈ। ਇਹ ਪੈਸਾ ਇਸਦੇ inference chip ਦੀਆਂ ਪਹਿਲੀਆਂ Shipments ਲਈ ਵਰਤਿਆ ਜਾਵੇਗਾ, ਜੋ High Bandwidth Memory (HBM) ਨੂੰ ਖਤਮ ਕਰ ਦਿੰਦਾ ਹੈ ਅਤੇ AI-hardware ਦੀ ਆਰਥਿਕਤਾ ਨੂੰ ਬਦਲ ਸਕਦਾ ਹੈ।

ਇਹ ਚਿੱਪ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

Inference chips ਚੈਟਬੋਟਸ (chatbots), ਰੈਕਮੈਂਡੇਸ਼ਨ ਇੰਜਣਾਂ (recommendation engines) ਅਤੇ ਵੀਡੀਓ ਐਨਾਲਿਟਿਕਸ (video analytics) ਦੇ ਪਿੱਛੇ ਕੰਮ ਕਰਨ ਵਾਲੇ ਮਾਡਲਾਂ ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ। ਅੱਜ ਦੇ ਜ਼ਿਆਦਾਤਰ ਚਿੱਪਸ HBM 'ਤੇ ਨਿਰਭਰ ਕਰਦੇ ਹਨ—ਜੋ ਕਿ ਪ੍ਰੋਸੈਸਰ ਦੇ ਨਾਲ ਰੱਖਿਆ ਗਿਆ ਇੱਕ ਤੇਜ਼ ਪਰ ਮਹਿੰਗਾ ਅਤੇ ਜ਼ਿਆਦਾ ਬਿਜਲੀ ਦੀ ਖਪਤ ਕਰਨ ਵਾਲਾ ਮੈਮੋਰੀ ਸਟੈਕ ਹੈ। OLIX ਦਾ ਡਿਜ਼ਾਈਨ HBM ਨੂੰ ਹਟਾ ਦਿੰਦਾ ਹੈ, ਅਤੇ ਡਾਟਾ ਨੂੰ on-chip ਸਰੋਤਾਂ ਅਤੇ ਸਸਤੀ ਮੈਮੋਰੀ ਰਾਹੀਂ ਭੇਜਦਾ ਹੈ। ਜੇਕਰ ਇਹ ਆਰਕੀਟੈਕਚਰ ਆਪਣੇ ਦਾਅਵਿਆਂ 'ਤੇ ਖਰਾ ਉਤਰਦਾ ਹੈ, ਤਾਂ AI ਸੇਵਾ ਪ੍ਰਦਾਤਾ ਥਰੂਪੁੱਟ (throughput) ਨੂੰ ਸਥਿਰ ਰੱਖਦੇ ਹੋਏ ਪੂੰਜੀ ਖਰਚੇ ਅਤੇ ਬਿਜਲੀ ਦੇ ਬਿੱਲਾਂ ਦੋਵਾਂ ਵਿੱਚ ਵੱਡੀ ਕਟੌਤੀ ਕਰ ਸਕਦੇ ਹਨ।

ਫੰਡਿੰਗ ਦਾ ਪਿਛੋਕੜ

  • ਮੁੱਖ ਨਿਵੇਸ਼ਕ (Lead investor): Fundomo (ਨਿਊਯਾਰਕ)
  • ਹੋਰ ਸਮਰਥਕ: Arm, Hudson River Trading, ਯੂਕੇ ਸਰਕਾਰ ਦਾ Sovereign AI venture fund
  • ਮਹੱਤਵਪੂਰਨ ਭਾਗੀਦਾਰ: Reed Hastings, Netflix ਦੇ ਸਹਿ-ਸੰਸਥਾਪਕ
  • ਬੋਰਡ ਵਿੱਚ ਸ਼ਾਮਲ: ਸਟੈਨਫੋਰਡ ਪ੍ਰੋਫੈਸਰ Nick McKeown

ਇਹ ਰਾਊਂਡ ਯੂਰਪ ਦੇ ਸਭ ਤੋਂ ਵੱਡੇ ਸੈਮੀਕੰਡਕਟਰ ਫੰਡਿੰਗ ਰਾਊਂਡਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਅਤੇ ਇਹ ਲੰਡਨ ਵਿੱਚ OLIX ਦੇ 2024 ਦੇ ਲਾਂਚ ਤੋਂ ਬਾਅਦ ਹੋਇਆ ਹੈ। ਕੰਪਨੀ ਦਾ ਟੀਚਾ 2027 ਦੀ ਦੂਜੀ ਅੱਧੀ ਸਾਲ ਵਿੱਚ ਆਪਣੇ ਪਹਿਲੇ ਗਾਹਕ ਯੂਨਿਟ ਭੇਜਣਾ ਹੈ।

AI ਹਾਰਡਵੇਅਰ ਮਾਰਕੀਟ ਲਈ ਮਹੱਤਵ

  • ਸੰਭਾਵਿਤ ਜੇਤੂ: ਕਲਾਉਡ ਪ੍ਰਦਾਤਾ (cloud providers) ਅਤੇ ਐਜ ਆਪਰੇਟਰ (edge operators) ਜੋ HBM ਵਾਲੇ ਐਕਸਲਰੇਟਰਾਂ ਨੂੰ ਸਸਟੇ ਅਤੇ ਘੱਟ ਬਿਜਲੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਵਿਕਲਪਾਂ ਨਾਲ ਬਦਲ ਦਿੰਦੇ ਹਨ।
  • ਖ਼ਤਰੇ: ਸਭ ਤੋਂ ਵੱਧ ਥਰੂਪੁੱਟ ਵਾਲੇ ਕੰਮਾਂ (workloads) ਵਿੱਚ ਅਜੇ ਵੀ HBM ਦਾ ਦਬਦਬਾ ਹੈ। ਇਸ ਨੂੰ ਛੱਡਣ ਨਾਲ ਪ੍ਰਦਰਸ਼ਨ (performance) ਸੀਮਤ ਹੋ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ OLIX ਨੂੰ ਸੀਮਤ ਵਰਤੋਂ ਦੇ ਮਾਮਲਿਆਂ (use cases) 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਨ ਲਈ ਮਜਬੂਰ ਹੋਣਾ ਪੈ ਸਕਦਾ ਹੈ।
  • ਲਾਗਤ ਦੇ ਪ੍ਰਭਾਵ: HBM ਨੂੰ ਹਟਾਉਣ ਨਾਲ bill-of-materials ਅਤੇ ਕੂਲਿੰਗ ਦੀਆਂ ਲੋੜਾਂ ਵਿੱਚ ਭਾਰੀ ਕਟੌਤੀ ਹੋ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ AI ਵਰਕਲੋਡਸ ਲਈ ਕੁੱਲ ਮਾਲਕੀ ਦੀ ਲਾਗਤ (total-cost-of-ownership) ਘਟ ਸਕਦੀ ਹੈ।

ਕੀ ਅਜੇ ਵੀ ਅਸਪਸ਼ਟ ਹੈ

ਕੋਈ ਬੈਂਚਮਾਰਕ ਡਾਟਾ ਜਾਰੀ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ, ਇਸ ਲਈ ਅਸਲ ਦੁਨੀਆ ਵਿੱਚ speed-per-watt ਅਤੇ latency ਦੇ ਅੰਕੜੇ ਅਜੇ ਸਿਰਫ਼ ਅੰਦਾਜ਼ੇ ਹਨ। ਮੁਕਾਬਲੇਬਾਜ਼ ਆਪਣੇ ਮੈਮੋਰੀ-ਲਾਈਟ ਆਰਕੀਟੈਕਚਰ ਲਾਂਚ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਸਪਲਾਈ-ਚੇਨ ਦੀਆਂ ਪਾਬੰਦੀਆਂ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਉਤਪਾਦਨ ਵਿੱਚ ਦੇਰੀ ਕਰ ਸਕਦੀਆਂ ਹਨ।

ਕਿਸ ਚੀਜ਼ 'ਤੇ ਨਜ਼ਰ ਰੱਖਣੀ ਹੈ

  • ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਪੁਸ਼ਟੀ (Performance validation): ਚਿੱਪ ਦੀ inference ਸਪੀਡ ਅਤੇ ਬਿਜਲੀ ਦੀ ਖਪਤ ਦੀ ਸੁਤੰਤਰ ਜਾਂਚ।
  • ਗਾਹਕਾਂ ਦੀ ਦਿਲਚਸਪੀ: 2027 ਦੀ ਡਿਲੀਵਰੀ ਮਿਆਦ ਤੋਂ ਪਹਿਲਾਂ ਕਿਹੜੇ AI ਸੇਵਾ ਪ੍ਰਦਾਤਾ ਇਸ ਨਾਲ ਜੁੜਦੇ ਹਨ।
  • ਈਕੋਸਿਸਟਮ ਸਹਾਇਤਾ: ਮੌਜੂਦਾ AI ਫਰੇਮਵਰਕਸ ਨਾਲ ਟੂਲਿੰਗ ਅਤੇ ਸਾਫਟਵੇਅਰ ਸਟੈਕ ਦੀ ਅਨੁਕੂਲਤਾ (compatibility)।

ਜੇਕਰ OLIX ਇਹ ਸਾਬਤ ਕਰ ਦਿੰਦਾ ਹੈ ਕਿ HBM-ਮੁਕਤ ਚਿੱਪ ਆਧੁਨਿਕ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਦੀਆਂ ਮੰਗਾਂ ਨੂੰ ਪੂਰਾ ਕਰ ਸਕਦੀ ਹੈ, ਤਾਂ ਇਹ AI ਐਕਸਲਰੇਟਰ ਡਿਜ਼ਾਈਨ ਬਾਰੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਪੂਰੀ ਉਦਯੋਗ ਵਿੱਚ ਲਾਗਤ ਦੇ ਢਾਂਚੇ ਨੂੰ ਬਦਲ ਸਕਦਾ ਹੈ। ਅਗਲੇ ਕੁਝ ਮਹੀਨਿਆਂ ਦਾ ਡਾਟਾ ਇਹ ਦੱਸੇਗਾ ਕਿ ਕੀ ਇਹ ਵਾਅਦਾ ਇਸ ਦੇ ਪਿੱਛੇ ਦੀ ਭਾਰੀ ਵੈਲੂਏਸ਼ਨ 'ਤੇ ਖਰਾ ਉਤਰਦਾ ਹੈ ਜਾਂ ਨਹੀਂ।