اگر امروز یک خوشه محاسباتی عظیم را مدیریت می‌کنید، متوجه شده‌اید که سرعت پردازنده‌ها دیگر مشکل اصلی نیست، بلکه سرعت جابه‌جایی داده‌هاست که شما را متوقف می‌کند. در واقع، جابه‌جایی داده‌ها بین GPUها اکنون به گلوگاهی تنگ‌تر از سرعت خام خود پردازنده‌ها تبدیل شده است. پیکوجول (PicoJool) با جذب ۲۷.۵ میلیون دلار سرمایه در دور سری A، قصد دارد این بحران زیرساختی خاص را با مقیاس‌بندی اتصالات نوری برای مراکز داده متراکم هوش مصنوعی حل کند.
این سرمایه‌گذاری در حالی رخ می‌دهد که خوشه‌های هوش مصنوعی چنان بزرگ شده‌اند که لینک‌های الکتریکی سنتی دیگر توان پاسخگویی به نیازهای پهنای‌باند هزاران شتاب‌دهنده به‌هم‌پیوسته را ندارند. همان‌طور که در تحلیل قبلی ما درباره‌ی فشار ایالت کالیفرنیا بر مراکز داده برای پرداخت هزینه‌های ارتقای شبکه برق اشاره کردیم، صنعت اکنون با یک فشار دوگانه روبروست: نیاز به برق بیشتر و ضرورت جابه‌جایی داده‌ها با مصرف انرژی بسیار کمتر در هر بیت.
به گزارش unite.ai، این دور سرمایه‌گذاری سری A توسط Socratic Partners و با مشارکت Hudson River Trading رهبری شد. این مبلغ در کنار ۱۲ میلیون دلار سرمایه اولیه (Seed) که توسط Playground Global رهبری شده بود، مجموع بودجه این شرکت مستقر در پالو آلتو را به ۳۹.۵ میلیون دلار رساند.
گلوگاه ارتباطات در هوش مصنوعی
آموزش و اجرای مدل‌های بزرگ هوش مصنوعی نیازمند تبادل حجم عظیمی از داده بین هزاران پردازنده است. در حالی که اضافه کردن شتاب‌دهنده‌های بیشتر باعث افزایش قدرت محاسباتی تئوریک می‌شود، اما هم‌زمان فشار روی شبکه‌ای که آن‌ها را به هم وصل می‌کند، به‌شدت افزایش می‌یابد.
اگر این لینک‌ها نتوانند پهنای‌باند کافی را با تأخیر (Latency) و مصرف انرژی قابل‌قبول فراهم کنند، پردازنده‌ها زمان بیشتری را منتظر دریافت داده می‌مانند و زمان کمتری را صرف محاسبه می‌کنند. این چالش با تلاش‌های شرکت‌های دیگر برای شکستن دیوار بهره‌وری از طریق رفع محدودیت‌های پهنای باند حافظه هم‌سو است تا از اتلاف توان پردازشی جلوگیری شود. در واقع، کیفیت لینک‌های اتصال بین GPUها، عامل اصلی در تعیین این موضوع است که چه مقدار از این سخت‌افزارهای گران‌قیمت در حالت بهره‌ور باقی می‌مانند.
فناوری: لیزرهای VCSEL و MicroVCSEL
پیکوجول از لیزرهای گسیل‌کننده سطحی با حفره عمودی (VCSEL) استفاده می‌کند که نور را به‌صورت عمودی از سطح تراشه می‌فرستند. در حالی که VCSELها در حسگرهای ساده رایج هستند، پیکوجول آن‌ها را برای محیط‌های پرفشار سیستم‌های مقیاس‌بندی هوش مصنوعی بهینه کرده است.
سبد محصولات فعلی آن‌ها شامل موارد زیر است:
- محصولات VCSEL با سرعت ۱۰۰ و ۲۰۰ گیگابیت بر ثانیه (100G/200G).
- پیکربندی‌های MicroVCSEL با مصرف انرژی کمتر.
- یک محصول کلیدی VCSEL با سرعت ۲۰۰ گیگابیت بر ثانیه در هر مسیر (per-lane) که پهنای‌باند آن از ۳۷ گیگاهرتز فراتر می‌رود.
این شرکت در حال توسعه پیکربندی‌های quad-100G, quad-200G و همچنین پیکربندی‌های 32-by-50G NRZ MicroVCSEL است. این مسیرهای توسعه به طراحان سیستم اجازه می‌دهد تا به اتصالات ۱.۶ ترابیت و در نهایت لینک‌های ۳.۲ ترابیت دست یابند.
معماری‌های نوری متنوع
مراکز داده هوش مصنوعی روی یک طراحی نوری واحد هم‌گرا نشده‌اند. پیکوجول روی چندین موازنه مختلف در زمینه برد (Reach)، قابلیت سرویس‌دهی، تراکم، حرارت و مصرف انرژی تمرکز کرده است:
- فرستنده-گیرنده‌های قابل تعویض (Pluggable Transceivers): این‌ها همچنان یک استاندارد رایج در صنعت هستند.
- کابل‌های نوری فعال (Active Optical Cables): در این مدل، بخش بیشتری از مدارات الکترونیکی مستقیماً به داخل مجموعه کابل منتقل می‌شوند.
- نورشناسی نزدیک به بسته (Near-Packaged Optics): این فناوری اجزای نوری را در نزدیکی پردازنده قرار می‌دهد. پیکوجول به‌طور خاص روی اتصالات نوری محاسباتی 50G NRZ و پیکربندی‌های 64G NRZ/PAM4 برای نورشناسی‌های نزدیک به بسته مبتنی بر PCIe 6.0 تمرکز دارد.
- نورشناسی هم‌بسته (Co-Packaged Optics): در این سطح، اجزا حتی تنگاتنگ‌تر با خودِ تراشه ادغام می‌شوند.
حرکت به سمت تولید انبوه
در ژوئن ۲۰۲۴، این شرکت خانواده VCSEL 200G خود را رونمایی کرد و از آن زمان، علاقه مشتریان از دموهای عملکردی به استقرار واقعی تغییر کرده است. سرمایه جدید برای گسترش تیم‌ها و تأسیسات در ایالات متحده و تایوان اختصاص یافته است.
تبدیل یک نتیجه آزمایشگاهی به یک زنجیره تأمین قابل‌اتکا، هدف اصلی فعلی است. شرکت از پیش نمونه‌سازی‌های اولیه محصولات سطح تراشه خود را آغاز کرده تا آن‌ها را از مراحل تأیید صلاحیت (Qualification) مشتریان عبور دهد.
برای مدیریت انتقال به تولید انبوه، پیکوجول با WIN Semiconductor همکاری می‌کند؛ نخستین فاندری تخصصی شش‌اینچی گالیوم-آرسناید (GaAs) در جهان. این رابطه استراتژیک، رشد اپی‌تکسی، پردازش ویفر، مشخصه‌یابی دستگاه و تأیید قابلیت اطمینان مورد نیاز برای حجم‌های هایپرسکال را فراهم می‌کند.
چرخش راهبردی در سخت‌افزار
این تحول نشان‌دهنده تغییر اولویت‌ها در سخت‌افزار AI است. دیگر داشتن سریع‌ترین تراشه کافی نیست؛ «اقتصاد محاسبات» اکنون به هزینه انرژی جابه‌جایی هر بیت داده وابسته است. این رویکرد در کنار تلاش برای توسعه XPUهای اختصاصی نشان می‌دهد که صنعت به دنبال بهینه‌سازی هر لایه از سخت‌افزار برای رسیدن به کارایی حداکثری است. کاهش این انرژی مستقیماً نیاز به سیستم‌های خنک‌کننده را کم می‌کند و اجازه می‌دهد شتاب‌دهنده‌های بیشتری در یک رک (Rack) جای بگیرند.
پیکوجول با هدف قرار دادن لایه‌های مختلف — از لیزرهای سطح تراشه تا کابل‌های نوری فعال و نورشناسی‌های نزدیک به بسته — سعی دارد به‌جای یک قطعه تک، یک پلتفرم کامل ارتباطی بسازد. پلتفرم MicroVCSEL آن‌ها از بسیاری از کانال‌های نوری موازی برای ایجاد پهنای‌باند کلی استفاده می‌کند و هم‌زمان انرژی مورد نیاز برای جابه‌جایی هر بیت را کاهش می‌دهد.
رقابت و حمایت‌ها
پیکوجول وارد رقابتی شلوغ با تأمین‌کنندگان لیزر، شرکت‌های فوتونیک سیلیکونی، فروشندگان شبکه و سازندگان شتاب‌دهنده شده است. موفقیت در این میدان به میزان «توان مصرفی به ازای هر بیت»، پیچیدگی بسته‌بندی و بازده تولید (Yield) بستگی دارد.
ترکیب سرمایه‌گذاران مزایای استراتژیک ایجاد کرده است. Hudson River Trading سیستم‌های محاسباتی در مقیاس بزرگ را اداره می‌کند و پات گلسینگر، مدیرعامل سابق اینتل و شریک عمومی Playground Global، از دور اولیه همچنان یکی از حامیان برجسته است.
برای شما به عنوان کاربر یا توسعه‌دهنده، این یعنی نسل بعدی خوشه‌های AI احتمالاً به‌جای الکتریسیته، برای ارتباطات داخلی از نور استفاده خواهند کرد. این تغییر برای بقای قوانین مقیاس‌پذیری (Scaling Laws) ضروری است، زیرا گرمای حاصل از جریان الکتریکی در حال تبدیل شدن به یک دیوار غیرقابل عبور است.
نتایج مرحله تأیید صلاحیت مشتریان را دنبال کنید. آزمون واقعی این خواهد بود که آیا این لینک‌های 200G می‌توانند قابلیت اطمینان و بازده تولید خود را هنگام ارسال در مقیاس میلیونی به هایپرسکالرها حفظ کنند یا خیر.
گام بعدی شما
- اگر در حوزه زیرساخت هستید، روی استانداردهای PCIe 6.0 و نقش نورشناسی در کاهش تأخیر نظارت کنید.
- نتایج مرحله تأیید مشتریان پیکوجول را دنبال کنید تا ببینید آیا لینک‌های 200G در مقیاس میلیونی پایدار می‌مانند یا خیر.
- بررسی کنید که آیا سخت‌افزارهای آینده شما نیاز به تغییر در معماری خنک‌کننده به دلیل جایگزینی لینک‌های نوری دارند یا خیر.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو