Nvidia ხელოვნური ინტელექტის (AI) სფეროში არსებული მთავარი ტექნოლოგიური ბარიერის დასაძლევად ფოტონიკაში მასშტაბურ ინვესტიციებს იწყებს. კომპანიამ ბოლო სამი თვის განმავლობაში 6.5 მილიარდი დოლარი მიმართა იმ სტარტაპებისა და კორპორაციების დასაფინანსებლად, რომლებიც მონაცემთა შუქის საშუალებით გადაცემის ტექნოლოგიაზე მუშაობენ.

რატომ არის ფოტონიკა გადამწყვეტი?

დღეს მონაცემთა გადაცემა ძირითადად ელექტრული სიგნალებით ხდება, რაც დიდ ენერგიას მოითხოვს და AI-ის სწრაფი განვითარების გზაზე ერთ-ერთ მთავარ დაბრკოლებად იქცა. ფოტონიკა, რომელიც ინფორმაციის გადასაცემად სინათლეს იყენებს, მონაცემთა გაცვლის უფრო ეფექტურ და ენერგოეფექტურ ალტერნატივას გვთავაზობს.

Forrester-ის უფროსი ანალიტიკოსის, ელვინ ნგუენის თქმით, ეს ინვესტიცია Nvidia-ს საშუალებას აძლევს, AI ინფრასტრუქტურა ისე გააფართოოს, რომ თავიდან აიცილოს სპილენძისა და ელექტროგაყვანილობისთვის დამახასიათებელი ენერგეტიკული დანახარჯები.

სტრატეგიული ინვესტიციები და პარტნიორები

Nvidia-ს ფინანსური აქტივობა საკმაოდ ფართო სპექტრს მოიცავს. მარტის თვიდან მოყოლებული, კომპანიამ 2 მილიარდი დოლარი გამოყო Lumentum-ის, Coherent-ისა და Marvell-ისთვის. გარდა ამისა, 500 მილიონი დოლარი მიმართულია Corning-ისკენ ოპტიკური კავშირების გასავითარებლად, ხოლო Ayer Labs-ის 500-მილიონიან საინვესტიციო რაუნდში თავად Nvidia-მაც მიიღო მონაწილეობა.

Nvidia-ს აღმასრულებელმა დირექტორმა, ჯენსენ ჰუანგმა, მარტში გამართულ GTC კონფერენციაზე აღნიშნა, რომ კომპანია უკვე იწყებს სილიციუმის ფოტონიკის ტექნოლოგიების მასშტაბირებას და მათ დანერგვას GPU-დან GPU-ზე გადაცემის ინტერკონექტებში. მისი თქმით, მსოფლიოს ამჟამად არსებული შესაძლებლობები გაცილებით ნაკლებია, ვიდრე ის მოცულობა, რომელსაც AI ინდუსტრია მოითხოვს.

პოტენციური გამოწვევები

მიუხედავად ტექნოლოგიური უპირატესობისა, მასობრივი დანერგვა მარტივი არ იქნება. Futurum Group-ის ექსპერტი ნიკ პეიშენსი აღნიშნავს, რომ წარმოების მასშტაბირება რთული პროცესია. ოპტიკური და სილიციუმის კომპონენტების ზუსტი აწყობა მოითხოვს უკიდურეს სიზუსტეს, ხოლო შეცდომის შემთხვევაში ასამბლეის ხელახლა დამუშავება თითქმის შეუძლებელია.

ექსპერტების პროგნოზით, მიუხედავად იმისა, რომ ტრანზიცია დაწყებულია, ფოტონიკის ფართომასშტაბიანი გამოყენება AI ინფრასტრუქტურაში 2028 წლიდან გახდება შესამჩნევი.