OLIX நிறுவனம் தனது Series B நிதிச் சுற்று மூலம் $312 மில்லியன் தொகையைத் திரட்டியுள்ளது, இதன் மூலம் அதன் மதிப்பீடு $3.3 பில்லியனாக உயர்ந்துள்ளது. இந்தத் தொகை அதன் inference chip-ன் முதல் விநியோகங்களுக்காகப் பயன்படுத்தப்படும். இந்தச் சிப் High Bandwidth Memory (HBM)-ஐ நீக்குகிறது மற்றும் AI-hardware பொருளாதாரத்தையே மாற்றியமைக்கக்கூடும்.

இந்தச் சிப் ஏன் முக்கியமானது

Inference chips என்பவை சாட்பாட்கள் (chatbots), பரிந்துரை இயந்திரங்கள் (recommendation engines) மற்றும் வீடியோ பகுப்பாய்வு (video analytics) ஆகியவற்றின் பின்னணியில் உள்ள மாடல்களை இயக்குகின்றன. இன்றைய பெரும்பாலான சிப்கள் HBM-ஐச் சார்ந்தே உள்ளன—இது செயலிக்கு (processor) அருகாமையில் வைக்கப்படும் ஒரு வேகமான ஆனால் விலை உயர்ந்த மற்றும் அதிக மின்சாரத்தைப் பயன்படுத்தும் மெமரி ஸ்டேக் (memory stack) ஆகும். OLIX-ன் வடிவமைப்பு HBM-ஐத் தவிர்த்து, தரவுகளை ஆன்-சிப் வளங்கள் (on-chip resources) மற்றும் மலிவான மெமரி மூலம் வழிநடத்துகிறது. இந்த கட்டமைப்பு அதன் வாக்குறுதிகளை நிறைவேற்றினால், AI சேவை வழங்குநர்கள் தங்களின் உற்பத்தித் திறனை (throughput) நிலையாக வைத்திருக்கும் அதே வேளையில், மூலதனச் செலவு மற்றும் மின்சாரக் கட்டணங்களைக் குறைக்க முடியும்.

நிதித் திரட்டலின் பின்னணி

  • முதன்மைக் முதலீட்டாளர்: Fundomo (நியூயார்க்)
  • மற்ற ஆதரவாளர்கள்: Arm, Hudson River Trading, இங்கிலாந்து அரசாங்கத்தின் Sovereign AI venture fund
  • குறிப்பிடத்தக்க பங்கேற்பாளர்: Reed Hastings, Netflix-ன் இணை நிறுவனர்
  • இயக்குனர் குழுவில் இணைந்தவர்: ஸ்டான்போர்ட் பேராசிரியர் Nick McKeown

இந்த நிதிச் சுற்று ஐரோப்பாவின் மிகப்பெரிய செமிகண்டக்டர் (semiconductor) நிதித் திரட்டல்களில் ஒன்றாகத் திகழ்கிறது மற்றும் லண்டனில் OLIX-ன் 2024 தொடக்கத்தைத் தொடர்ந்து இது நிகழ்ந்துள்ளது. நிறுவனம் தனது முதல் வாடிக்கையாளர் யூனிட்களை 2027-ஆம் ஆண்டின் இரண்டாம் பாதியில் விநியோகிக்க இலக்கு வைத்துள்ளது.

AI ஹார்டுவேர் சந்தையில் உள்ள முக்கியத்துவம்

  • சாத்தியமான வெற்றியாளர்கள்: HBM கொண்ட ஆக்சிலரேட்டர்களுக்கு (accelerators) பதிலாக மலிவான மற்றும் குறைந்த மின்சாரத்தைப் பயன்படுத்தும் மாற்றுகளைப் பயன்படுத்தும் கிளவுட் வழங்குநர்கள் (Cloud providers) மற்றும் எட்ஜ் ஆபரேட்டர்கள் (edge operators).
  • அபாயங்கள்: அதிகப்படியான உற்பத்தித் திறன் (highest-throughput) தேவைப்படும் பணிகளில் HBM இப்போதும் ஆதிக்கம் செலுத்துகிறது. அதைத் தவிர்ப்பது செயல்திறனைக் குறைக்கக்கூடும், இதனால் OLIX ஒரு குறிப்பிட்ட பயன்பாட்டுத் தேவைகளில் மட்டுமே கவனம் செலுத்த வேண்டிய கட்டாயம் ஏற்படலாம்.
  • செலவு தாக்கங்கள்: HBM-ஐத் தவிர்ப்பது bill-of-materials மற்றும் குளிர்விக்கும் தேவைகளை (cooling needs) பெருமளவு குறைக்கக்கூடும், இது AI பணிகளுக்கான மொத்த உரிமைச் செலவை (total-cost-of-ownership) குறைக்கும்.

இன்னும் தெளிவற்றவை

எந்தவொரு பெஞ்ச்மார்க் (benchmark) தரவுகளும் வெளியிடப்படவில்லை, எனவே நிஜ உலக வேக-மின் பயன்பாடு (speed-per-watt) மற்றும் லேட்டன்சி (latency) எண்கள் யூகங்களாகவே உள்ளன. போட்டியாளர்கள் தங்களது சொந்த மெமரி-குறைந்த (memory-light) கட்டமைப்புகளை அறிமுகப்படுத்தலாம், மேலும் விநியோகச் சங்கிலித் தடைகள் (supply-chain constraints) பெருமளவிலான உற்பத்தியைத் தாமதப்படுத்தலாம்.

கவனிக்க வேண்டியவை

  • செயல்திறன் சரிபார்ப்பு: சிப்பின் inference வேகம் மற்றும் மின் நுகர்வு குறித்த சுதந்திரமான சோதனை.
  • வாடிக்கையாளர் ஏற்பு: 2027 விநியோக காலத்திற்கு முன்னதாக எந்த AI சேவை வழங்குநர்கள் ஒப்பந்தம் செய்கிறார்கள் என்பது.
  • சூழல் ஆதரவு (Ecosystem support): தற்போதுள்ள AI கட்டமைப்புகளுடன் (frameworks) கருவிகள் மற்றும் மென்பொருள் அடுக்குகளின் (software stacks) இணக்கத்தன்மை.

HBM இல்லாத சிப் நவீன மாடல் செயல்திறன் தேவைகளைப் பூர்த்தி செய்யும் என்பதை OLIX நிரூபித்தால், அது AI ஆக்சிலரேட்டர் வடிவமைப்பை மறுபரிசீலனை செய்யத் தூண்டும் மற்றும் தொழில்துறை முழுவதும் செலவு கட்டமைப்புகளை மாற்றியமைக்கும். இந்த வாக்குறுதி அதற்குப் பின்னால் உள்ள பெரும் மதிப்பீட்டிற்கு இணையாக இருக்குமா என்பதை அடுத்த சில மாத காலத் தரவுகள் வெளிப்படுத்தும்.