Photon Chipset Pertama Dunia: Transmisi Data Lewat Cahaya, Konsumsi Energi Turun Hingga 85% dari CPU Konvensional

Anda memasuki babak baru komputasi di mana cahaya menjadi medium utama untuk memindahkan sinyal dan memproses informasi.

Lightelligence dan Q.ANT telah membawa teknologi ini dari laboratorium ke produk nyata. Lightelligence mempercepat operasi aljabar linier untuk AI dengan platform silikon berbasis cahaya. Q.ANT menghadirkan NPU fotonik komersial pada kartu PCIe berarsitektur LENA, siap dikirim pada Februari 2025.

Pendekatan ini menggantikan switching transistor dengan interferensi cahaya, sehingga panas berkurang dan energy yang dibutuhkan turun drastis. Anda akan merasakan bandwidth lebih lebar dan speed yang meningkat untuk beban kerja AI tanpa lonjakan konsumsi.

Untuk pusat data dan pengembang, artinya skalabilitas baru dan integrasi yang makin familiar melalui toolkit dan server native. Artikel ini menempatkan Anda di posisi strategis untuk mengevaluasi adopsi teknologi fotonics dalam lingkungan produksi.

Photon Chipset Pertama Dunia: Transmisi Data mengubah cara Anda memproses data—lebih cepat, bandwidth luas, dan konsumsi energi jauh lebih rendah

Teknologi optik mengubah medan komputasi dengan membiarkan gelombang light merambat di dalam struktur silikon untuk menyelesaikan operasi matematika secara langsung.

Lightelligence mengendalikan interaksi foton sehingga interferensi melakukan perhitungan dengan panas minimal dan latensi rendah. Q.ANT menunjukkan bahwa operasi seperti Fourier transform yang memerlukan jutaan transistor kini bisa ditangani satu elemen optik.

Hasilnya adalah peningkatan performance dan bandwidth yang nyata, plus pengurangan energy dan power consumption untuk beban AI seperti inference jaringan saraf.

• Gelombang cahaya menyelesaikan aritmetika tanpa tahap switching elektronik, sehingga computing menjadi lebih efisien.
• Bandwidth fisik yang lebih luas mengurangi bottleneck pada arsitektur data Anda.
• NPU fotonik Q.ANT menjanjikan penghematan konsumsi hingga ≥30x, relevan untuk menekan biaya listrik.

Untuk Anda yang mengelola cluster atau pusat data, ini peluang untuk menguji photonics sebagai akselerator domain-spesifik. Pada akhir hari, speed dan kepadatan komputasi meningkat tanpa menambah kompleksitas pendinginan — sebuah alasan kuat memasukkan topik ini ke dalam roadmap teknologi Anda dan membagikannya di blog tim.

Dari riset ke realitas: fondasi fotonik, latar tokoh, dan batas elektronik yang memicu lompatan teknologi

Dari laboratorium ke rack server, perjalanan riset ini menyingkap way baru untuk mempercepat operasi aljabar linier yang krusial bagi AI.

Shen Yichen merintis ide ini saat meneliti nanofotonik di kelompok Prof. Marin Soljačić di MIT. Pada 2016 timnya mengusulkan arsitektur yang mengganti elektron dengan gelombang optik, memanfaatkan interferensi multi-beam untuk operasi matriks.

Lightelligence lahir pada 2017 untuk membawa riset itu ke pasar. Mereka fokus pada chip optik berlatensi rendah yang mengakselerasi inference AI. Prinsipnya sederhana: gunakan light untuk mengurangi switching transistor, sehingga waktu eksekusi dan konsumsi turun.

Kenapa bergerak ke photonics sekarang? Karena technology elektronik mulai mencapai limit pada ukuran dan termal. Interferensi di jalur optik memungkinkan size sirkuit yang lebih efisien dan solusi nyata untuk throughput tinggi.

• Perjalanan bertahun-tahun (years) di MIT mengubah teori menjadi produk.
• Pendekatan ini menyasar titik yang paling mahal dalam computing modern.
• Untuk Anda yang membaca blog ini, latar sejarah memudahkan perencanaan adopsi di lingkungan Anda.

Ekosistem fotonik terkini: produk komersial, performa paralel, dan aplikasi yang langsung menyentuh bisnis Anda

Berbagai produk komersial telah mengubah riset fotonik menjadi solusi yang bisa Anda gunakan sekarang.

Q.ANT LENA di PCIe: NPU non-linear native berbasis cahaya

Q.ANT menghadirkan NPU pada kartu PCI-Express dengan arsitektur LENA. Kartu ini mengeksekusi operasi non-linear native menggunakan gelombang dan menawarkan efisiensi energi hingga 30x dibanding CMOS.

TFLN dan kepadatan matematis

Material TFLN on Insulator memungkinkan kontrol presisi pada jalur light di dalam chip. Satu elemen optik bisa menggantikan jutaan transistor untuk transformasi Fourier, menghemat ukuran silikon dan disipasi power.

Ketersediaan, integrasi, dan ekosistem

Q.ANT menyediakan Native Processing Server dan Toolkit yang kompatibel dengan stack AI Anda. Pengujian cloud dan demo memudahkan tim melakukan benchmark tanpa mengubah infrastructure secara besar-besaran.

Paralelisme dan performa

“Meteor-1” menunjukkan chips optik dapat mencapai 2.560 TOPS pada 50 GHz, sejajar dengan gpus unggulan untuk throughput tinggi.

• Integrasi PCIe mempermudah adopsi di pusat data.
• Hasil simulasi menunjukkan pengurangan parameter dan operasi, membuka kasus bisnis ROI yang kuat.
• Use case: LLM inference ringan, visi komputer, simulasi fisika, dan analisis graf.

Untuk konteks sejarah dan riset lebih lanjut, lihat tulisan tentang riset Shen Yichen di latihan riset Shen Yichen.

Kesimpulan

Akhirnya ada jalan praktis untuk memangkas konsumsi energi sekaligus meningkatkan throughput AI.

Q.ANT kini menerima pesanan NPU dengan pengiriman mulai Februari 2025, lengkap dengan Native Processing Server dan Toolkit. Lightelligence tetap fokus pada akselerasi aljabar linier untuk mencapai latency rendah dan energy rendah.

Hasil riset seperti Meteor-1 (2.560 TOPS pada 50 GHz) memperlihatkan potensi paralelisme optik yang nyata. Dengan platform PCIe dan server turnkey, Anda punya cara cepat menguji dan naikkan skala tanpa mengganggu operasi utama.

Langkah praktis: identifikasi beban kerja yang dominan operasi matriks, jalankan pilot pada server fotonik siap pakai, ukur power dan speed, lalu perluas secara bertahap. Untuk konteks integrasi dan strategi lebih lanjut, baca tentang platform fotonik.