Американський стартап Volantis залучив $88 млн венчурного фінансування для розробки технології, яка має пришвидшити обмін даними між AI-прискорювачами та памʼяттю. Компанія пропонує замінити частину коротких електричних зʼєднань на передачу даних за допомогою лазерного світла.
Проблема, яку намагається вирішити Volantis, стає дедалі важливішою: сучасні AI-моделі потребують не тільки потужних графічних процесорів, а й дуже швидкого доступу до великих обсягів памʼяті.
Вузьким місцем стає не тільки обчислення, а й передача даних
Nvidia та AMD використовують високошвидкісну памʼять HBM, яку розміщують максимально близько до GPU. Але електричні зʼєднання мають фізичні обмеження за дальністю та щільністю.
За даними Volantis, у найпотужніших сучасних системах навколо одного GPU зазвичай можна розмістити лише обмежену кількість HBM-чипів. Стартап вважає, що оптичний звʼязок дасть змогу значно збільшити цей масштаб.
Компанія хоче використовувати знайомі VCSEL-лазери
Volantis працює з вертикально-випромінювальними лазерами VCSEL. Це не експериментальна технологія з нульовою виробничою базою: подібні компоненти вже давно використовуються, зокрема, у системах розпізнавання обличчя в споживчій електроніці.
Саме це може спростити масштабування. Компанії не потрібно створювати абсолютно новий ланцюг постачання для кожного компонента.
Мета — підключати значно більше памʼяті до одного прискорювача
Volantis заявляє, що її підхід теоретично дозволить розміщувати до 220 мікросхем памʼяті навколо одного GPU. Це значно більше, ніж у сучасних стандартних конфігураціях.
Якщо концепція спрацює, виграш буде не лише в обсязі памʼяті, а й у пропускній здатності між памʼяттю та обчислювальними блоками.
Перший продукт компанія планує показати наступного року
Volantis розраховує вивести перший чип на ринок у 2027 році. Одним із сценаріїв використання називають AI-задачі з великим контекстом, зокрема генерацію та аналіз коду.
Раунд фінансування очолили інвестори Lachy Groom та Abstract Ventures. До нього також долучилися John Doerr, VXI Capital, Triatomic, Susa Ventures та низка приватних інвесторів.
Для ринку AI-обладнання ця історія важлива тому, що наступний стрибок продуктивності може залежати не стільки від самого GPU, скільки від того, наскільки швидко йому вдається отримувати дані з памʼяті.