VolantisのフォトニックAIインターコネクト、メモリウォール攻略に向けて8800万ドルを調達
Volantisは、推論コンピューティングにおける最も厳しい制約の一つ、すなわちモデルデータを十分な速度で移動させる課題に取り組むフォトニックAIインターコネクトの開発に向け、8800万ドルを調達した。このSeries Aにより、半導体スタートアップはA-1システムに向けた大規模な支援を得る。ただし、このシステムに付随する性能目標は、独立して再現された結果ではなく、あくまで同社の主張にとどまる。
この資金調達が重要なのは、Volantisが単にサーバー間を結ぶ別の光ケーブルを提案しているわけではないためだ。その設計はアクセラレータパッケージ内部に光リンクを配置し、はるかに広い物理的領域にわたってコンピュートとメモリを接続する。同社は、このアーキテクチャにより、大規模メモリプールの容量と、より高速で小規模なメモリシステムに近い帯域幅を両立できるとしている。
これによりVolantisは、Ayar Labs、Lightmatter、MarvellのCelestial AI事業を含む、存在感を増しているフォトニクス企業群と肩を並べることになる。同時に、このスタートアップは実証済みの既存アーキテクチャとも競合する。高帯域幅メモリに接続されたGPUには、すでに確立されたソフトウェア、製造、導入の仕組みがある。Volantisは、自社の光ファブリックが、そのスタックを変更するに足る価値を生み出すことを示さなければならない。
Volantisの資金調達ラウンドは完全な推論システムを支援する
Volantisは今回の資金を、単体の光学部品を販売するためではなく、推論アーキテクチャの構築に投入する。
Volantisは2026年10月1日にSeries Aを発表した。同社の資金調達発表によると、Lachy GroomとAbstract Venturesがこのラウンドを共同主導した。ほかの参加者にはJohn Doerr、VXI Capital、Triatomic、Susa Venturesが含まれる。
同社はまた、エンジェル投資家としてDwarkesh Patel、Naveen Rao、Sholto Douglasの名前を挙げた。Volantisによれば、この資金調達により累計調達額は9700万ドルに達する。
この投資家リストは、ラウンドの規模以上の意味を持つ。Raoは以前IntelのAI製品グループを率い、Doerrは複数世代にわたるコンピューティング企業を支援してきた。両者の参加はVolantisの技術主張を裏付けるものではないが、従来型の推論ハードウェアに代わる選択肢への本格的な関心を示している。
同社の創業チームには、Nvidia、AMD、Broadcom、Ayar Labsの出身者が含まれる。Volantisによれば、チームメンバーは以前、商用CoWoSパッケージングおよびシリコンフォトニクスシステムに貢献した。CoWoSは、複数のチップと高帯域幅メモリを近接配置する先端パッケージング手法だ。
A-1は、Volantisが初めて計画するシステムである。同社はこれを、20兆パラメータを超えるモデル向けの推論プラットフォームとして説明している。また、ユーザー1人当たり毎秒最大1万トークンのスループットも目標に掲げる。
これらは極めて野心的な目標だ。顧客、独立した研究機関、またはシステムパートナーが比較可能な測定値を公表するまで、設計目標として扱うべきである。発表では、標準化されたベンチマーク結果、顧客導入データ、外部検証に十分な詳細を備えた量産スケジュールは示されなかった。
同社の公開資料では、10兆パラメータ超という以前の基準も示されている。この差異は、進化中の製品仕様を反映している可能性がある。これは、アーキテクチャ上の意図と、固定された出荷構成を区別する必要性を強める。
VolantisはA-1を、モデル学習ではなく対話型推論を軸に位置づけている。推論とは、訓練済みモデルがプロンプトを処理し、出力を生成する段階だ。より高速な推論は、タスクを完了する間にモデルを繰り返し呼び出すコーディングエージェント、リサーチシステム、その他のアプリケーションを改善し得る。
同社は、既存ハードウェアが運用者に対し、高速だが容量の限られたメモリと、大容量だが低速なメモリの選択を強いていると主張する。A-1は、多数のメモリチップレットを光ファブリックで接続することで、このトレードオフを緩和するよう設計されている。
これにより、Volantisの資金調達ラウンドをめぐる中心的な問いが変わる。問題は光リンクがデータを運べるかどうかではない。フォトニクスはすでに現代のデータセンター全体で稼働している。問題は、Volantisがメモリとコンピュートの近傍に十分な光接続性を統合し、推論の経済性を変えられるかどうかだ。
この課題は、単なる半導体資金調達の発表を超えるものだ。このスタートアップは、モデル重み、コンテキスト、中間データが、それらを利用するプロセッサに到達する方法をシステムレベルで変えることを約束している。
AI推論が繰り返しメモリウォールに直面する理由
Volantisが狙う制約は、単純な演算性能の不足ではなく、データ移動に起因する。
大規模AIモデルには、数値化された重みの膨大な配列が含まれる。推論中、プロセッサはそれらの重みを繰り返し取得し、ほかの作業データをメモリ階層内で移動させる。メモリが必要な速度で情報を供給できない場合、プロセッサは十分に活用されないままになることがある。
この不一致は一般にメモリウォールと呼ばれる。コンピュート能力は、実用的なメモリ帯域幅や容量より速く向上し得る。演算ユニットを増やしても、それらがデータ待ちに時間を費やすなら問題は解決しない。
高帯域幅メモリ、すなわちHBMは、この制約の一部に対処する。HBMは積層メモリをアクセラレータの近くに配置し、非常に幅広いインターフェースで接続する。この構成は、従来のサーバーメモリよりはるかに大きい帯域幅を支える。
しかし、物理的なパッケージ空間によって、プロセッサの隣に配置できるHBMの量は制限される。また、電気接続は距離とデータレートの上昇に伴い信号品質が低下し、より多くのエネルギーを消費する。こうした影響により、レイテンシや帯域幅を犠牲にせず大規模プールを構築する取り組みは複雑になる。
この問題は、低バッチの対話型推論でより顕著になる。1件のリクエストを処理するサービスは、効率化のために多数のユーザーを常にまとめてバッチ処理できるとは限らない。生成される各トークンで、モデル重みとアクティブなコンテキストデータを再び移動させる必要が生じ得る。
より長いコンテキストウィンドウも、別の圧力源となる。モデルは、会話やタスクの先行部分を表すキーと値のデータを保持しなければならない。このキャッシュはコンテキストの拡大に伴って増大し、基盤となるモデルが変わらなくてもメモリ要件を引き上げる。
コーディングエージェントは具体例を示す。このエージェントには、モデル重み、大規模リポジトリ、コマンド出力、ドキュメント、長い行動履歴が必要になる可能性がある。システムがそれらの情報の到着を絶えず待つなら、より高速なプロセッサによる利点は限られる。
現在のシステムでは複数の対応策が使われている。運用者はモデルを複数のアクセラレータに分割し、重みを量子化し、繰り返し利用するデータをキャッシュし、または選択した情報を低速なメモリ階層へ移す。それぞれの手法は有効だが、精度、レイテンシ、プログラミングの複雑さ、利用率に関する制約ももたらす。
ソフトウェアの改善は今後も重要であり続ける。より優れたスケジューリングとモデル圧縮は、新たなパッケージアーキテクチャを必要とせずに圧力を軽減できる。したがってVolantisは、固定された世代のGPUシステムではなく、進化し続けるベースラインを上回る必要がある。
それでも、より広い業界はデータ移動を主要なスケーリング課題として認識している。2025年のフォトニクスレビューでは、成熟したHBMと電子ネットワーキングに加え、光I/Oと光インターポーザが新たなアプローチとして説明された。
Nvidiaも、ネットワーキング製品にフォトニクスをより深く取り入れている。同社の光システムは、大規模AI導入向けにプラガブル光学部品とコパッケージド光スイッチを組み合わせている。この投資は、電気接続性が限界の高まりに直面しているというVolantisの前提を支持する。
ただし、Nvidiaのアプローチは違いも浮き彫りにする。商用の光導入の多くは、スイッチ、ラック、アクセラレータパッケージ間の通信に集中している。Volantisは、光を推論システム内部の極めて高密度な配線に近いものとして機能させようとしている。
これはより困難な統合課題だ。一方で、メモリトラフィックはモデル応答時間のクリティカルパスに直接位置するため、より大きな潜在的な見返りもある。
VolantisのフォトニックAIインターコネクトの仕組み
Volantisは、短い電気経路を、インターポーザ上でコンピュートとメモリチップレットを接続する高密度な光導波路に置き換えることを提案している。
インターポーザは、1つのパッケージ内で複数のチップを接続する基板である。従来のインターポーザは電気配線を使用し、短距離では十分に機能する。しかし、エンジニアが帯域幅、接続数、パッケージサイズを拡大すると、その到達範囲はより制約的になる。
Volantisはそのアプローチを、光ケーブルではなく光ワイヤと呼ぶ。この表現は、パッケージに統合された微小な光ベースのリンクを指す。これらのリンクは、各コンポーネント間に従来型のファイバーを配線せずにチップレットを接続することを目的としている。
同社の技術仕様によると、個別レーンは毎秒24ギガビットで動作する。Volantisは、レイテンシが5ナノ秒未満、エネルギー消費が1ビット当たり1ピコジュール未満だと主張している。
同社によれば、数万本のレーンにより、合計で毎秒200テラバイト超の帯域幅を実現できる。また、光導波路はインターポーザ上を200ミリメートル超にわたって伝送できるとしている。
比較として、Volantisはこの環境で有用な電気的到達距離をおよそ2〜5ミリメートルと説明している。より長い光経路により、すべてのコンポーネントをプロセッサのすぐ隣に置かなくても、メモリがはるかに広いパッケージ面積を占められるようになる。
この物理的な到達範囲は、アーキテクチャの中核だ。典型的なHBM構成では、限られた数のスタックがコンピュートダイを囲む。より大きなインターポーザに接続性を広げれば、さらに多くのメモリチップレットを収容できる可能性がある。
Volantisは、その設計により、1つのプールで220個超のメモリチップレットを接続できるとしている。このプールは、目に見えて分離した複数のメモリ階層のように振る舞うのではなく、一貫したアクセス特性を提供することを意図している。
このアーキテクチャは、統合型のマイクロVCSELアレイを使用する。垂直共振器面発光レーザー、すなわちVCSELは、その表面に対して垂直に光を放射する。VCSELはすでにセンシングおよび通信製品に採用されているが、Volantisは特殊なパッケージレベル実装を提案している。
多くのシリコンフォトニクスシステムは外部レーザーに依存する。これに対しVolantisは、レーザーが光ファブリックに統合されているとしている。外部レーザーアセンブリを取り除くことで、パッケージングの複雑さを減らし、接続密度を高められる可能性がある。
同社はパッケージ内で従来のファイバーも使用しない。代わりに、インターポーザを横断して光信号を導く統合導波路を通じて光を配線する。Volantisによれば、これらの導波路は光ファイバーより大幅に少ない空間で済む。
この組み合わせは、同社が「wide and slow signaling」と呼ぶ方式を支える。各レーンは比較的穏やかなデータレートで動作する一方、システムは非常に多くの並列レーンを展開する。並列化により、各接続にかかる電力と信号処理の負荷を減らせる可能性がある。
この戦略は、少数のリンクを極端な速度へ引き上げる方法とは異なる。低速レーンでは、要求の厳しくない電子回路と低い動作エネルギーで済む可能性がある。しかし、数千本の信頼性の高い光経路を製造することには、独自の歩留まりと試験上の課題が伴う。
Volantisは、ウェハースケールのリンクで、送信1兆ビット当たりのエラーが1件未満というビット誤り率を報告している。また、リンクは摂氏95度超で動作するとしている。いずれの特性も、光学部品が高性能プロセッサ周辺の熱環境に耐えなければならないため重要である。
これらの数値は、出荷されるA-1システムでまだ確認されていない。クリーンなリンクのデモンストレーションは、完全なメモリファブリックを自動的に検証するものではない。プラットフォーム全体では、コンピュート、メモリコントローラー、光リンク、パッケージング、冷却、ソフトウェアを連携させる必要がある。
メモリプーリングは、さらに複雑さを加える。ハードウェアには、多数のチップレットにまたがるデータを一貫した形でアドレッシングする仕組みが必要だ。またシステムは、光ファブリックの帯域幅という利点を相殺する遅延を生まないよう、障害、競合、配置も管理しなければならない。
Volantisは、このアーキテクチャが非常に大きな容量とSRAM並みの速度を両立できるとしている。SRAMは通常、プロセッサ上に直接配置される高速メモリだが、物理的な密度の制約から容量には限界がある。大規模なプール全体で同等の実効性能を実現できれば、高度なシステム設計上の成果となる。
それでも、このスタートアップの仕組みには一貫性がある。光の到達距離により利用可能なパッケージ面積が拡大し、並列レーンによって総帯域幅が増加する。統合レーザーと導波路は、メモリトラフィックに対応できるほど設計を高密度に保つことを目指している。
未解決の問いは、これらの要素が商用規模で協調動作できるかどうかだ。プロトタイプのリンクは、デバイスのコンセプトを証明する。推論システムには、持続的なワークロードで信頼性の高い結果を出し、現実的な消費電力の範囲内で動作することが求められる。
主戦場は、光メモリと既存HBMシステムの競争
Volantisは、光でビットを動かせることを示すだけでなく、HBMベースのアクセラレータが持つ経済性と成熟度を上回らなければならない。
現在の主要アクセラレータは、強力なプロセッサ、HBM、高速なパッケージリンク、成熟したソフトウェアを組み合わせている。顧客は、確立されたサーバーベンダーやクラウドプロバイダーを通じて導入できる。エンジニアも、一般的なモデルワークロードにおける性能特性を理解している。
Volantisは、こうした優位性を持たずに市場へ参入する。A-1は、レイテンシ、容量、スループット、運用コストのいずれかで意味のある改善を示さなければならない。インフラ購入者にとって、小幅な改善では統合にかかる労力を正当化しにくい。
このスタートアップの最も強い主張は、容量と帯域幅を同時に高められる点にある。従来のシステムでは、多くの場合、モデルをより多くのアクセラレータに分散することで容量を増やす。この手法は通信オーバーヘッドも生み、運用者は主にメモリを保持するために必要なコンピュートに対しても費用を支払うことになる。
大規模な光メモリプールは、このバランスを変える可能性がある。より多くのモデルデータを、より少ないコンピュートエンジンからアクセス可能な状態に保てるかもしれない。利用率が上がれば、運用者は高価なプロセッサ1基あたりから、より多くの有用な処理を引き出せる。
この利点は、疎なモデルにとって特に重要になる。スパースアーキテクチャでは、入力ごとにモデルの一部のコンポーネントだけを有効化する。それでも、利用可能なパラメータのはるかに大きな集合を保存するのに十分なメモリが必要となる。
Mixture-of-expertsモデルは、その点をよく示している。こうしたモデルは、各トークンを専門化されたコンポーネントの一部へ振り分ける。アクティブな計算量は管理可能な範囲にとどまり得る一方、保存するモデル全体は1基のアクセラレータに収まる規模をはるかに超える。
長文コンテキストを扱うアプリケーションも別の機会をもたらす。リポジトリ、文書、長い対話履歴を横断して動作するエージェントは、大きなメモリ需要を生む。より大きなローカルプールがあれば、低速なストレージ階層間でコンテキストを移動する必要を減らせる可能性がある。
ただし、HBMシステムも進化している。メモリメーカーはスタック容量と帯域幅を継続的に高めている。アクセラレータベンダーは、推論ワークロード向けにラック、インターコネクト、キャッシュ、スケジューリングソフトウェアを再設計している。
AMDとNvidiaは、完全なプラットフォーム全体でハードウェアとソフトウェアを連携させられる。この統合をスタートアップが追随するのは難しい。Volantisには、メモリ、製造、パッケージング、システム、ワークロードソフトウェアを供給できるパートナーが必要になる。
フォトニクス市場には、資金力のある専門企業も存在する。Ayar Labsはプロセッサ近傍に光I/Oチップレットを配置し、外部レーザー光源を利用する。同社の技術は、より大規模なコンピューティングシステムにまたがる高帯域幅リンクを重視している。
LightmatterのPassageプラットフォームも、AIインフラ向けの光接続を対象としている。プログラマブルなフォトニックネットワークを通じて、パッケージやボードをまたいでプロセッサを接続することに焦点を当てる。
Celestial AIは、パッケージ、システム、ラックの接続にまたがる光ファブリックを開発した。Marvellは2026年2月、Celestial AI acquisitionを完了し、この技術を大手半導体サプライヤーの傘下に取り込んだ。
これらの企業がすべて同一の製品を販売しているわけではない。汎用的な光I/Oを重視する企業もあれば、コンピュートを分離されたメモリに直接接続する企業もある。それでも、その存在はVolantisに求められる商業面での水準を引き上げている。
大手既存企業は、検証済みのインターフェース、製造上の関係、顧客サポートを提供できる。また、既存の製品ロードマップにフォトニクスを組み込むことも可能だ。Volantisは、自社の専門設計が、より幅広いプラットフォームでは容易に再現できない優位性を生むことを示さなければならない。
統合VCSEL戦略は差別化の一つだ。外部レーザーを避けることで、光アセンブリの一部を簡素化できる可能性がある。また、シリコンフォトニクス設計でよく使われるレーザー部品への依存も低減し得る。
この選択には、独自の技術的な疑問も伴う。統合光源は、温度変化や生産時のばらつきがあっても予測可能に動作しなければならない。故障したエミッターや導波路が、多数の高価なチップレットを含むパッケージ全体を損なってはならない。
したがって、主たる競争はアーキテクチャにある。Volantisは、パッケージ内部の光接続を拡張することで、電気リンクに利用できる限られたエッジ空間であるHBMの「海岸線」を克服できると主張する。
既存のアクセラレータベンダーは、自社製品を通じて、より近接したHBM、より優れたネットワーキング、ソフトウェア最適化を継続的にスケールさせられると主張している。どちらのアプローチもフォトニクスを用いるが、システム内の異なる位置に配置している。
Volantisが勝つのは、光学技術をメモリに近づけることで測定可能なシステム上の優位性が得られる場合に限られる。高コストで事業上重要な推論フリートを運用する購入者を、光技術の新規性だけで説得することはできない。
Volantis A-1の主張がまだ証明していないこと
最大の不確実性は光リンクそのものではなく、Volantisがそれを信頼性と経済性を備えた量産システムへ転換できるかどうかにある。
同社はいくつかのデバイスレベルの目標を公表している。しかし、A-1を現在の推論プラットフォームと比較した完全な第三者ベンチマークは公開していない。この隔たりにより、アプリケーション性能について結論を出すことには限界がある。
毎秒トークン数にも、重要な変数が隠れ得る。結果は、モデルアーキテクチャ、精度、コンテキスト長、バッチサイズ、出力長、レイテンシの測定方法に依存する。こうした条件を示さない数値では、公平なプラットフォーム比較はできない。
ユーザーあたり毎秒10,000トークンという目標は、とりわけワークロードの定義に左右されやすい。小規模または強く圧縮されたモデルは、巨大な最先端システムより高速にトークンを生成できる。同じハードウェアでも、コンテキストが拡大すれば異なる性能を示す可能性がある。
Volantisは、このスループット目標を20兆パラメータを超えるモデルと結び付けている。そのような本番モデルを公に特定しておらず、再現可能なベンチマークスイートも提供していない。読者はこの組み合わせをシステム目標として捉えるべきだ。
メモリプールにも精査が必要である。ピーク総帯域幅は、すべてのワークロードで利用できる持続的な帯域幅と同義ではない。プロトコルオーバーヘッド、競合、データ配置、メモリコントローラーの挙動によって、実現される性能は低下し得る。
レイテンシにも同様の問題がある。5ナノ秒未満のリンクであっても、アプリケーションが5ナノ秒以内にデータを受け取ることを意味しない。コントローラー、スイッチ、アービトレーション、メモリアクセスはいずれも遅延を加える。
コンポーネント数が増えるほど、信頼性の確保は難しくなる。数千本の光レーンを備えるファブリックには、冗長性とエラー管理が必要だ。数百のメモリチップレットを搭載するパッケージは、製造ばらつきやコンポーネント故障に耐えなければならない。
熱特性も別の懸念材料である。フォトニックデバイスは温度によって特性が変化し得る一方、AIアクセラレータはかなりの熱を発生させる。Volantisは設計が摂氏95度超でも安定するとしているが、システムレベルの証拠は依然として限られている。
パッケージングは、このアーキテクチャが実用化できるかどうかを左右する可能性がある。大型インターポーザーは高価で、高歩留まりでの製造は難しい。光および電子インターフェースが追加されるたびに、組み立てと試験が必要な箇所が増える。
サプライチェーン戦略は、設計の差別化に役立つ可能性がある。同社は、他の化合物半導体材料に依存するレーザー技術ではなく、ガリウムヒ素製VCSELを重視している。それでも、異なる材料スタックを採用しても製造リスクがなくなるわけではない。
ソフトウェア互換性も重要である。モデルサービングプラットフォームは、特定のメモリ挙動、通信ライブラリ、アクセラレータインターフェースを想定している。Volantisは、既存の推論ソフトウェアがどのようにA-1を対象にするのかを十分には説明していない。
顧客には、スケジューリング、プロファイリング、障害復旧、モデル配置のためのツールが必要になる。こうした機能は成熟するまでに何年もかかることが多い。ソフトウェアが一貫して活用できなければ、ハードウェア性能は利用できないままになり得る。
さらに、商用ユニットに関する疑問もある。Volantisはシステムを説明しているが、潜在的な購入者には導入形態の詳細が必要だ。A-1がアプライアンス、アクセラレータ、ラック、ライセンス提供されるアーキテクチャ、あるいはパートナー統合コンポーネントとして提供されるのかを問うことになる。
同社は初期市場も特定しなければならない。最先端の研究所は極端な容量を評価するかもしれないが、広範な検証を求める。クラウドプロバイダーは規模を提供する一方、通常は予測可能な供給とサポートを要求する。
企業市場は、異なるニーズを持つより広範な市場を形成している。既存アクセラレータに収まる小規模モデルを運用する企業は多い。光プーリングが運用上の複雑さを伴わずにコストを下げない限り、従来型ハードウェアを選好する可能性がある。
したがって、公表資料から説明できるVolantis A-1は、完成した市場評価ではなく、強力なアーキテクチャ提案である。その主張は、システムが実現するよう設計されていることを示す。量産準備が整っていることを立証するものではない。
この区別は、プロジェクトが重要でないことを意味しない。半導体スタートアップは、最終シリコンや顧客導入に先立って資金を調達するのが一般的だ。これは単に、性能上の主張が受け入れられた事実となる前に、なお必要な証拠を定義するものである。
メモリへの賭けが機能しているかを示す3つのシグナル
次の段階は、再現可能なハードウェア結果、製造上の証拠、信頼できる顧客導入にかかっている。
第1のシグナルは、特定のモデルと開示された試験条件を用いる完全なA-1デモンストレーションだ。Volantisは、モデル規模、数値精度、コンテキスト長、バッチサイズ、レイテンシ、消費電力、持続スループットを明らかにすべきである。
独立した研究所または顧客による結果は、社内デモンストレーションよりも重みを持つ。フォトニックメモリファブリックが、リンク帯域幅だけでなく、アプリケーション全体の性能を向上させるかどうかを示すことになる。
モデル規模やコンテキストが増えてもA-1が高スループットを維持できれば、こうしたベンチマークは同社の主張を強める。スケーリングが弱い、あるいは試験条件が限定的であれば、アーキテクチャへの信頼は低下する。
第2のシグナルは、製造とパッケージングのロードマップだ。Volantisは、商業上の詳細の一部が機密であっても、ファウンドリー、メモリ、パッケージング、システムのパートナーを特定する必要がある。
このロードマップでは、統合レーザーと導波路を量産規模でどのようにテストするかを説明すべきだ。また、大規模な光インターポーザー全体にわたる冗長性、修復、冷却、歩留まりも扱う必要がある。
ここでの進展は、Volantisが研究室のデバイスと再現性のあるハードウェアの間にある隔たりを越えられることを示す。遅延や大幅な仕様変更があれば、統合が依然として中心的な障害であることを示すだろう。
第3のシグナルは顧客による検証である。ハイパースケーラー、モデル開発者、またはサーバーメーカーは、A-1がインフラを変更してでも対処する価値のあるワークロード上の問題を解決することを示さなければならない。
最も説得力のある導入事例は、既存のHBMシステムでは低レイテンシーで効率的に提供できないモデルに関わるものだろう。長大なコンテキストを扱うエージェントや、大規模なスパースモデルは有力な候補となる。
顧客は、ピーク時の毎秒トークン数だけでなく、運用指標も開示すべきだ。利用率、消費電力、エラー率、可用性、完了タスク当たりのコストを示せば、この設計が実際の経済性を改善するかどうかが分かる。
競合各社の対応は、これら3つのシグナルすべてにおいて重要だ。Ayar Labs、Lightmatter、Marvell、Nvidia、およびアクセラレータベンダーは、それぞれの光学およびメモリーアーキテクチャの開発を続ける。Volantisに競争のない開発期間はない。
8800万ドルのシリーズA調達により、Volantisは自社のフォトニックAIインターコネクトを本格的な規模で追求するための資金を得た。しかし、パッケージング、ソフトウェア、信頼性、顧客の運用という各面での実証が不要になるわけではない。
開発者や企業の購買担当者にとって、当面の教訓は、未公開のプラットフォームを前提にシステムを再設計することではない。実際のワークロードで、推論のボトルネックがどこに現れるかを注視することだ。
チームは、メモリー使用率、最初のトークンが出力されるまでの時間、持続的な生成速度、コンテキストの拡大、プロセッサーのアイドル時間を測定すべきである。こうした観測によって、将来の光メモリーシステムが現実の制約に対処できるかどうかが明らかになる。
VolantisのフォトニックAIインターコネクトが重要な存在となるのは、アクセラレータ数を増やすことなく、巨大モデルをインタラクティブに利用可能にした場合だ。次のベンチマーク、製造パートナーシップ、顧客導入によって、その約束が実運用に耐えられるかどうかが示される。
