వాలెన్సియాకు చెందిన స్టార్టప్ iPronics, Nvidia వంటి సంస్థల మద్దతుతో $125 మిలియన్ల నిధులను సేకరించింది. ఈ నిధులను కంపెనీ తన ప్రోగ్రామబుల్ ఆప్టికల్ స్విచ్‌ల (programmable optical switches) విస్తరణను వేగవంతం చేయడానికి ఉపయోగిస్తుంది. పెద్ద డేటా సెంటర్లలో AI శిక్షణను (AI training) మందగించే బ్యాండ్‌విడ్త్ అడ్డంకులను (bandwidth choke points) ఇవి తొలగించగలవని కంపెనీ పేర్కొంది.

నేటి AI వెనుక ఉన్న బ్యాండ్‌విడ్త్ సమస్య

ఆధునిక లాంగ్వేజ్ మోడల్స్ లేదా విజన్ సిస్టమ్స్‌కు శిక్షణ ఇచ్చేటప్పుడు, సర్వర్ల మధ్య పెటాబైట్ల డేటా ప్రవహిస్తుంది. ఈ వేగాన్ని ఎలక్ట్రికల్ కాపర్ ఇంటర్‌కనెక్ట్‌లు (electrical copper interconnects) తట్టుకోలేవు. GPUs మరియు కస్టమ్ AI చిప్‌లు వేగవంతం అవుతున్న కొద్దీ, వాటిని అనుసంధానించే నెట్‌వర్క్ ఒక పరిమితిగా మారుతోంది. ఒకే AI వర్క్‌లోడ్‌ను విస్తరించడానికి డేటా సెంటర్ ఆపరేటర్లు మరిన్ని స్విచ్‌లను జోడించాల్సి వస్తుందని, దీనివల్ల ఫ్లోర్ స్పేస్, విద్యుత్ మరియు కూలింగ్ సామర్థ్యం ఖర్చవుతాయని వారు చెబుతున్నారు. దీని ఫలితంగా ఖరీదైన మరియు అసమర్థమైన వ్యవస్థ ఏర్పడి, మోడల్ యొక్క వాస్తవ పరిమాణాన్ని పరిమితం చేస్తోంది.

పరిష్కారంగా కాంతి ఆధారిత నెట్‌వర్కింగ్

iPronics ఈ సమస్యను ఎలక్ట్రానిక్ స్విచ్చింగ్‌తో కాకుండా, ఫోటోనిక్ (photonic) స్విచ్చింగ్‌తో పరిష్కరిస్తుంది. ఎలక్ట్రికల్ సిగ్నల్స్ మెటల్ ట్రేస్‌ల ద్వారా ప్రయాణించడానికి బదులుగా, దీని పరికరాలు సిలికాన్ ఆధారిత వేవ్‌గైడ్స్ (waveguides) ద్వారా కాంతిని పంపిస్తాయి. దీని ప్రధాన ఉత్పత్తి అయిన iPronics ONE, సాధారణ పరికరాల కంటే సుమారు ఇరవై రెట్లు చిన్నదిగా ఉంటుంది. పరిమాణాన్ని తగ్గించడం ద్వారా, ఈ వ్యవస్థ రాక్ స్పేస్‌ను ఆదా చేస్తుంది మరియు కూలింగ్‌కు అవసరమైన విద్యుత్తును తగ్గిస్తుంది. కాంతి, కాపర్ ఎదుర్కొనే నష్టాన్ని (attenuation) లేకుండా ఎక్కువ దూరం, ఎక్కువ వేగంతో డేటాను మోసుకెళ్తుంది, కాబట్టి ఈ స్విచ్‌లు తక్కువ లాటెన్సీ (latency) మరియు అధిక త్రూపుట్‌ను (throughput) అందిస్తాయి. అదనపు సాఫ్ట్‌వేర్ లేయర్ కనెక్షన్‌లను స్వయంచాలకంగా రీకాన్ఫిగర్ చేస్తుంది, తద్వారా రాక్ ఫెయిల్యూర్స్ రాకుండా నిరోధిస్తుంది.

Nvidia పెట్టుబడి ఎందుకు ముఖ్యం

Nvidia భాగస్వామ్యం అంటే కేవలం పెట్టుబడి మాత్రమే కాదు. తన AI యాక్సిలరేటర్ల వేగానికి అనుగుణంగా ఉండే "డేటా-సెంటర్-రెడీ" నెట్‌వర్కింగ్ కోసం చిప్‌మేకర్ పదేపదే పిలుపునిస్తోంది. iPronicsకు మద్దతు ఇవ్వడం ద్వారా, ఫోటోనిక్ స్విచ్చింగ్ తన GPUsకు ఒక ప్రామాణిక అనుబంధంగా మారుతుందని Nvidia నమ్మకాన్ని వ్యక్తం చేస్తోంది. ఇది ఇప్పటికే Nvidia హార్డ్‌వేర్‌ను కొనుగోలు చేసే కస్టమర్ల కోసం సప్లై చైన్‌ను సులభతరం చేస్తుంది. ఈ నిధుల సేకరణలో టెలికాం మరియు సెమీకండక్టర్ ఇన్‌ఫ్రాస్ట్రక్చర్ అనుభవం ఉన్న పెట్టుబడిదారులు కూడా ఆకర్షితులయ్యారు, ఇది ఆప్టికల్ పరిష్కారాల వైపు పరిశ్రమ విస్తరిస్తోందని సూచిస్తోంది.

ఎవరికి ప్రయోజనం కలుగుతుంది

  • క్లౌడ్ ప్రొవైడర్లు (Cloud providers): తక్కువ స్థలంలోనే ఎక్కువ కంప్యూటింగ్ సామర్థ్యాన్ని పొందుతారు, దీనివల్ల శిక్షణ ఖర్చు తగ్గుతుంది.
  • AI సేవలపై ఆధారపడే సంస్థలు (Enterprises): వేగవంతమైన ఇన్ఫరెన్స్ (inference) మరియు తక్కువ అంతరాయాలను అనుభవిస్తాయి, ఇది మెరుగైన యూజర్ ఎక్స్‌పీరియన్స్‌కు దారితీస్తుంది.
  • హార్డ్‌వేర్ వెండర్లు (Hardware vendors): ఫోటోనిక్ స్విచ్‌లను తమ సొంత చిప్‌లతో కలిపి అందించడం ద్వారా పోటీ మార్కెట్‌లో ప్రత్యేకతను చాటుకోవచ్చు.

కస్టమర్లు ఆప్టికల్ ఫ్యాబ్రిక్స్‌కు మారితే, ఎలక్ట్రికల్ Ethernet మరియు InfiniBand లలో ప్రత్యేకత కలిగిన ప్రస్తుత నెట్‌వర్కింగ్ వెండర్లు తమ మార్కెట్ వాటాను కోల్పోయే అవకాశం ఉంది. ఈ మార్పు డేటా సెంటర్ ఇంజనీర్లకు కొత్త ప్రొక్యూర్‌మెంట్ సైకిల్స్ మరియు ఇంటిగ్రేషన్ పనులను కూడా విధిస్తుంది.

అనుసరణలో ఎదురయ్యే అడ్డంకులు

ఫోటోనిక్ భాగాల ధరలు కాపర్ పరికరాల కంటే ఎక్కువగా ఉండటం మరియు ఆప్టికల్ స్విచ్‌లను నిర్వహించే ఎకోసిస్టమ్ ఇంకా అభివృద్ధి చెందకపోవడం వంటి సవాళ్లు ఉన్నాయి. iPronics హార్డ్‌వేర్‌ను ప్రస్తుతం ఉన్న డేటా సెంటర్ మేనేజ్‌మెంట్ స్టాక్స్‌లోకి అనుసంధానించడానికి సాఫ్ట్‌వేర్ అడాప్టర్లు మరియు సిబ్బంది శిక్షణ అవసరం. ప్రారంభ వినియోగదారులు ఎక్కువ ఖర్చు చేయాల్సి రావచ్చు, మరియు పైలట్ పరిసరాల వెలుపల ఈ సాంకేతికత యొక్క విశ్వసనీయత ఇంకా నిరూపించబడలేదు.

తదుపరి ఏం గమనించాలి

  • ఉత్పత్తుల విడుదల (Product rollouts): iPronics ONE భారీ ఉత్పత్తికి సంబంధించిన కాలక్రమం, సప్లై సమస్యలు లేకుండా కంపెనీ డిమాండ్‌ను తీర్చగలదో లేదో చూపుతుంది.
  • కస్టమర్ ఒప్పందాలు (Customer wins): ప్రధాన క్లౌడ్ ఆపరేటర్లు లేదా హైపర్‌స్కేలర్‌లతో ఒప్పందాలు కుదుర్చుకోవడం ఈ సాంకేతికత యొక్క సన్నద్ధతను ధృవీకరిస్తుంది.
  • మరింత నిధులు (Further funding): అదనపు నిధుల సేకరణ మార్కెట్ నమ్మకాన్ని లేదా మరింత నిధుల అవసరాన్ని సూచించవచ్చు.
  • ప్రామాణీకరణ (Standardisation): ఆప్టికల్-స్విచ్ ఇంటర్‌ఫేస్‌లను నిర్వచించే పరిశ్రమ సంస్థలు దీని విస్తరణను వేగవంతం చేయవచ్చు లేదా అడ్డుకోవచ్చు.

Nvidia మద్దతుతో వచ్చిన ఈ $125 మిలియన్ల నిధులు, AI ఆధారిత క్లౌడ్ సేవలపై ఆధారపడే ప్రతి ఒక్కరి దృష్టిని ఫోటోనిక్ నెట్‌వర్కింగ్ వైపు మళ్ళించాయి. వేగవంతమైన, చిన్నవి మరియు మరింత సమర్థవంతమైన డేటా సెంటర్ లింక్‌ల వాగ్దానం నిజంగా రోజువారీ పనితీరు మెరుగుదలకు దారితీస్తుందా అనేది, దీనిని ఎంత వేగంగా స్వీకరిస్తారు మరియు కాంతి ఆధారిత హార్డ్‌వేర్‌ను విస్తరించడంలో ఆర్థిక అంశాలు ఎలా ఉంటాయి అనే దానిపై ఆధారపడి ఉంటుంది.