Mit der Präsentation der photonischen Native Processing Unit NPU 2 setzt Q.ANT neue Maßstäbe: Die Hardware führt nichtlineare Berechnungen direkt im optischen Bereich aus und reduziert den Energieverbrauch um bis bis zu das 30-Fache. Gleichzeitig steigert sie die Rechenleistung für anspruchsvolle KI- und HPC-Workloads um das 50-Fache. Die NPU 2 wird in einem schlüsselfertigen 19-Zoll-Rackserver mit integriertem x86-Host und Linux ausgeliefert. API-Schnittstellen ermöglichen Integration in bestehende Rechenzentrumsumgebungen.
Inhaltsverzeichnis: Das erwartet Sie in diesem Artikel
Q.ANT NPU 2 führt native optische Nichtlineare Matheoperationen durch
Die schlüsselfertige NPU 2 von Q.ANT (Bild links) (Foto: Q.ant GmbH)
Die NPU 2 von Q.ANT verarbeitet nichtlineare mathematische Funktionen direkt im optischen Bereich und setzt damit neue Maßstäbe in Energieeffizienz und Rechenleistung. Durch photonische Bauelemente entfallen aufwendige Kühlsysteme, während komplexe Algorithmen in einem einzigen Lichtschritt realisiert werden. Diese Technologie eröffnet Anwendungsfelder wie physikalische Künstliche Intelligenz, fortgeschrittene Robotik, Computer Vision der nächsten Generation, physikbasierte Simulationen sowie automatisierte Mustererkennung in Industrie und Forschung sowie neue Chancen in Materialdesign, adaptiver Optimierung von Prozessen.
Q.ANT NPS mit NPU 2: 19-Zoll-Server optimiert photonische Rechenprozesse
Die NPU 2 von Q.ANT wird in einem schlüsselfertigen 19-Zoll-Rackserver (Native Processing Server NPS) geliefert, der mehrere photonische Prozessoren, einen integrierten x86-Hostprozessor und ein Linux-Betriebssystem umfasst. Über standardisierte PCIe-Schnittstellen sowie C/C++- und Python-APIs lässt sich der Server problemlos in bestehende CPU-, GPU- und Rechenzentrumsumgebungen einbinden. So profitieren Anwender sofort von photonisch beschleunigten KI- und HPC-Workloads, ohne ihre Infrastruktur anzupassen.
Durch den Einsatz optischer Signalverarbeitung lassen sich komplexe Rechenaufgaben mit minimalem Energiebedarf durchführen. Im Vergleich zu konventionellen elektronischen Systemen senkt photonische Datenverarbeitung den Stromverbrauch um das bis zu Dreißigfache und erreicht gleichzeitig eine um 50-fachen Leistungszuwachs. Diese Technologie nutzt die nahezu verlustfreie Ausbreitung von Licht sowie parallele Inferenzoperationen in optischen Netzwerken. Dadurch können Data-Center und KI-Infrastrukturen effizienter arbeiten und Betriebskosten signifikant reduziert werden ohne zusätzliche Kühlsysteme.
Die schlüsselfertige NPU 2 von Q.ANT (Bild links) (Foto: Q.ant GmbH)
Im Gegensatz zu CMOS-basierten Halbleitern erzeugt photonenbasierte Verarbeitung durch Licht praktisch keine Abwärme, wodurch aufwendige Kühlsysteme entfallen. Optische Rechenschritte übernehmen komplexe Funktionen, für die siliziumbasierte Prozessoren Tausende Transistoren benötigen würden. Die NPU von Q.ANT nutzt dieses Prinzip und erzielt dadurch einen um bis zu dreißigfach reduzierten Energieverbrauch sowie eine um das Fünfzigfache gesteigerte Rechenleistung bei anspruchsvollen Workloads in den Bereichen künstliche Intelligenz und High Performance Computing und deutlich reduzierte Kosten.
Q.ANT demonstriert Q.PAL für bildbasiertes KI-Lernen auf Supercomputing 2025
Auf der Supercomputing Show 2025 in St. Louis vom 17. bis 21. November zeigt Q.ANT am Stand des Leibniz-Rechenzentrums Nr. 535 eine bildbasierte KI-Lernaufgabe. Dabei nutzt das Unternehmen die Photonic Algorithm Library Q.PAL, um anhand optischer Berechnungen mit geringerem Parameter- und Rechenaufwand eine höhere Präzision zu erreichen als traditionelle CPU-Systeme und verdeutlicht so das Potenzial photonischer Algorithmen. Durch die Live-Demonstration werden Effizienzgewinne sichtbar und Anwender gewinnen Einblick in photonische Methoden.
Zweite NPU-Generation optimiert analoges Rechnen erhöht Genauigkeit und Robustheit
Die zweite Generation der NPU integriert speziell optimierte analoge Schaltkreise, die auf die effiziente Verarbeitung nichtlinearer Netzwerkarchitekturen ausgelegt sind. Dadurch verringert sich die notwendige Anzahl der Modellparameter erheblich, während die erforderliche Trainingsintensität signifikant reduziert wird. Gleichzeitig verbessert sich die Genauigkeit bei visuellen Lernverfahren sowie die Stabilität in Klassifizierungsaufgaben und Physiksimulationen. Das Ergebnis ist ein schnelleres Training mit höherer Robustheit und präziseren Vorhersagen in komplexen Anwendungsfällen. Zusätzlich sinkt der Energieverbrauch deutlich.
Der kompakte 19-Zoll-Rackserver integriert mehrere photonische Native Processing Units der zweiten Generation mit einem x86-Host sowie einem vorinstallierten Linux-Betriebssystem. Dank standardisierter PCIe-Schnittstellen und umfassender C/C++- und Python-APIs lässt er sich ohne Anpassungen in bestehende Rechenzentren und HPC-Infrastrukturen einbinden. Die schlüsselfertige Lösung unterstützt Entwickler dabei, photonische Beschleunigung für KI- und HPC-Workloads direkt verfügbar zu machen und auf bestehende CPU- und GPU-Umgebungen abzustimmen. Automatisierte Konfigurationswerkzeuge vereinfachen den Betrieb und reduzieren Integrationsaufwand im Echtzeitbetrieb.
Der Native Processing Server NPS ist eine schlüsselfertige 19-Zoll-Racklösung, die mehrere Generation-2-NPUs integriert. Er bietet über PCIe-Schnittstellen sowie durchgängige C/C++- und Python-APIs unmittelbaren Zugriff auf photonische Beschleunigung. Die modulare Architektur erlaubt eine nahtlose Einbindung in bestehende HPC- und Rechenzentrumsumgebungen, ohne spezielle Anpassungen am Host vorzunehmen. Entwickler profitieren von optimierten Workflows, reduzierten Latenzen und höherer Energieeffizienz bei anspruchsvollen KI- und HPC-Workloads. Die standardisierten APIs vereinfachen Integration, Verwaltung und Automatisierung photonischer Rechenprozesse.
Photonische Prozessoren optimieren nichtlineare KI-Modelle für industrielle Anwendungen effizient
Photonische Prozessoren ermöglichen in Fertigung, Logistik und Inspektion eine deutlich effizientere Ausführung nichtlinearer neuronaler Netze. Durch bildbasierte KI lassen sich Produktionsfehler zuverlässig identifizieren, Objekte automatisiert verfolgen und Lagerbestände präzise optimieren. Dabei reduzieren sich benötigte Parameter drastisch, was den Energieverbrauch erheblich senkt und bisher rechenintensive Computer-Vision-Anwendungen wirtschaftlich rentabel macht. Zudem eröffnen Hybridmodelle aus statistischer Logik und physikalischer Simulation neue Anwendungsfelder in der Arzneimittelforschung, Materialentwicklung und adaptiven Optimierung sowie Prozessautomatisierung und Sicherheit.
Q.ANT NPU2-Server jetzt bestellbar, Auslieferung ab erstem Halbjahr 2026
Q.ANT bietet ab sofort schlüsselfertige Server mit der zweiten Generation der photonischen Native Processing Unit an, die Entwickler per Bestellung erhalten können. Die Auslieferung beginnt im ersten Halbjahr 2026. Dank standardisierter Schnittstellen und PCIe-Integration lassen sich die Rackserver reibungslos in bestehende Rechenzentren einbinden. Nutzer profitieren von einer sofort verfügbaren photonischen Beschleunigung, die hohe Energieeffizienz und maximale Performance für anspruchsvolle KI- und HPC-Workloads ermöglicht. Sie ist modular aufgebaut und wartungsfreundlich.
Zweite Generation Q.ANT NPU senkt Energieverbrauch und steigert Performance
Die zweite Generation der Q.ANT Native Processing Unit bietet erstmals native photonische Verarbeitung nichtlinearer Algorithmen und reduziert Energiebedarf um ein Vielfaches. Durch Licht-basierte Berechnungen entstehen kaum Wärmeverluste, was den Betrieb effizienter gestaltet. Der schlüsselfertige 19-Zoll-Native Processing Server NPS kombiniert x86-Host, Photon-Prozessoren und Linux und ermöglicht über Q.PAL sowie C/C++- und Python-APIs unmittelbar den Einsatz neuer KI- und HPC-Anwendungen. Eine Live-Demo auf der Supercomputing 2025 demonstriert Praxisreife und beeindruckende Ergebnisse in Echtzeit sichtbar.
