Infrastrukturinvesteringer i kunstig intelligens (AI) har gått gjennom taket siden ankomsten av generative AI-språkmodeller som ChatGPT i 2022. Med hyperskalere som driver investeringene i AI-infrastruktur til rekordhøye nivåer i 2025, teller International Data Corp. globale investeringer til svimlende 318 milliarder dollar, og den ser ut til å fortsette å stige år etter år.
På et bakteppe av skyhøye kapitalinnsprøytinger nærmer industrien seg en fysisk «skaleringsvegg». Tradisjonell infrastruktur begynner å knirke under belastningen av datasenterkapasitetsbegrensninger og økende energibehov.
De økende energikravene for å drive AI er uholdbare, og bekymringene øker også for miljøskadene som tilførsel av slik energi kan forårsake.
Vi er nå ved et vendepunkt. Tradisjonelle metoder for elektrisk dataoverføring er i ferd med å nå sine grenser, og NVIDIA viser sin hånd ved å nylig investere 4 milliarder dollar i to fotonikkselskaper, Coherent Corp. og Lumentum. NVIDIA satser på en fremtid der data overføres via lys (fotoner) i stedet for elektrisitet.
AI energiforbruk
DeElectric Power Research Instituteanslår at datasentre kan forbruke opptil 9 % av elektrisitetsproduksjonen i USA årlig innen 2030, opp fra 4 % i 2023. Ettersom AI-modeller møter stadig-økende etterspørsel fra forbrukere og krever mer databehandling, kommer vi til å se den globale energietterspørselen øke. Dette utgjør et akutt problem for kostnadene ved å skalere AI-tjenester, gitt nylige volatilitet i energipriser. Vi ser allerede dette problemet materialisere seg, med OpenAI som siterer stigende energiregninger som en grunn til å rulle tilbake sine britiske ekspansjonsplaner.
Prosessorer nærmer seg fysiske grenser. Transistorer, de elektroniske bryterne som danner grunnlaget for elektroniske kretser, er nå bare noen få atomer brede-en størrelse der kvanteeffekter og varme blir betydelige begrensninger.
Lys i enden av tunnelen
Utover utfordringen med energimengdene som brukes til å behandle og flytte data, begrenser den fysiske avstanden mellom prosesserings- og minneelementene, både på-brikke og på systemnivå, nå hastigheten som AI-modeller kan kjøres og trenes med. Å bygge datasentre på et fotonisk fundament er det neste logiske trinnet.
Snart vil beregning innenfor den optiske databanen være mulig, og det gir muligheten til å redusere latens og skalere infrastruktur uten proporsjonale økninger i strømforbruket.
Fotonikk kan integreres direkte på silisiumbrikker for å muliggjøre skalerbarhet og effektivitetsforbedringer i forhold til elektrisitet. Kjernen til fotonikkens effektivitetsgevinst er enkel: Lys reiser raskere og bærer mer informasjon, samtidig som det produserer mindre varme enn elektroner. Dette resulterer i dramatisk høyere datatetthet, lavere strømforbruk og overlegen termisk ytelse for å overvinne grensene som pålegges av fremveksten av mørkt silisium på konvensjonelle brikker.
Fordelene med å forbedre effektiviteten på brikkenivå er tydelige i hvor raskt energisparing går sammen. En watt energi spart ved å drive en brikke reduserer også energien som går bort på strømforbruk og kjøling. Photonics åpner for en fremtid med utvikling av AI-infrastruktur, sentrert på et fundament som er raskere, renere og fundamentalt skalerbart.
Photonics datasenter implementering
Den grunnleggende flaskehalsen i-storskala AI er ikke lenger rådatabehandling, men de svimlende energikostnadene ved å flytte data med hastigheten og volumet moderne AI-arbeidsbelastninger krever. Den raske utviklingen av frontiermodeller betyr at systemene er under konstant belastning fra å koordinere tusenvis av brikker samtidig. Tradisjonell datasenterinfrastruktur kan rett og slett ikke holde tritt med etterspørselen etter konstant, svært intensiv datautveksling.
Fotonikk gir en mulighet til å løse dette problemet på et strategisk nivå, i stedet for bare å dempe de spiralende termiske kravene til en stadig mer strukket elektrisk arkitektur. Tidlige industriestimater indikerer at bruk av lys for å overføre data gir omtrent 5 ganger strømeffektiviteten og 10 ganger nettverksresiliensen til konvensjonell elektronikk.
Fordelene med silisiumfotonik strekker seg utover umiddelbare effektivitets- og bærekraftgevinster. Ved å eliminere betydelige flaskehalser for-dataoverføring, låser fotonikk også opp typer databehandling som tidligere ble ansett som upraktiske på grunn av energikostnader, for eksempel fullstendig homomorf kryptering (behandling av krypterte data uten noen gang å dekryptere dem).
Ved å eliminere grensene for tradisjonelle dataarkitekturer, har fotonikk vidtrekkende-implikasjoner for sektorer der ytelsen og datavernet som kreves av forsvars-, finans- og helsevesenet ikke er-omsettelige.
Til dags dato har AI-industriens respons på dets eskalerende energibehov vært treg og klarer ikke å løse de strukturelle feilene til tradisjonelle silisiumarkitekturer. NVIDIAs nylige investeringer på flere milliarder-dollar fungerer som et tydelig signal om at hyperskalere nå innser at dette i bunn og grunn er et infrastrukturproblem.
Vi må nå spørre oss selv om vi gjør mer av det samme-fortsetter å pløye øye-og vanne mengder inn i datasenterutbygging og kjøleinfrastruktur, eller investere i innovative løsninger som fotonikk, som kan løse viktige begrensninger ved kilden.
Fotonikk representerer en ny mulighetshorisont. I stedet for å erstatte eksisterende systemer, forsterker fotonikk moderne dataarkitekturer ved å låse opp ny datakapasitet i selve nettverket. Photonics driver brikkeindustrien mot sitt største arkitektoniske skifte siden fremkomsten av von Neumann-arkitekturen, og det gir en mulighet til å låse opp grenseløs databehandling.
