Η Nvidia στοιχηματίζει σιωπηλά 7 δισ. $ σε φωτονική για την επόμενη φάση της AI

Η Nvidia NASDAQ:NVDA εμβαθύνει την ώθησή της στη φωτονική, την τεχνολογία βασισμένη στο φως που μπορεί να γίνει το επόμενο μεγάλο πεδίο μάχης στην υποδομή τεχνητής νοημοσύνης.

Τους τελευταίους δύο μήνες η εταιρεία έκλεισε συμφωνίες με προμηθευτές που κατασκευάζουν τους λέιζερ, τα οπτικά εξαρτήματα και τις οπτικές ίνες που χρειάζονται για τη μεταφορά δεδομένων μέσα σε τεράστια κέντρα δεδομένων AI.

Ο αριθμός-τίτλος ξεκίνησε με 4 billion USD (approx. 3,5 billion €) από επενδύσεις σε Lumentum και Coherent. Αλλά όταν συμπεριληφθεί η νέα συνεργασία της Nvidia με την Corning, η δέσμευση φαίνεται πολύ μεγαλύτερη.

Το μήνυμα είναι σαφές: η Nvidia δεν πουλάει μόνο τις GPU που εκπαιδεύουν και τρέχουν μοντέλα AI. Θέλει μεγαλύτερο έλεγχο στους διαύλους που τα συνδέουν.

Από 4 δισ. $ σε πάνω από 7 δισ. $ μέσα σε δύο μήνες

Η ώθηση της Nvidia στη φωτονική ξεκίνησε στις 2 Μαρτίου, όταν ανακοίνωσε ξεχωριστές επενδύσεις ύψους 2 billion USD (approx. 1,7 billion €) σε Lumentum και Coherent. Και οι δύο εταιρείες κατασκευάζουν οπτικά και φωτονικά προϊόντα που χρησιμοποιούνται στη μεταφορά δεδομένων υψηλής ταχύτητας.

Οι συμφωνίες δεν ήταν παθητικά χρηματοοικονομικά στοιχήματα· η Nvidia εξασφάλισε επίσης πολυετείς δεσμεύσεις αγοράς και πρόσβαση σε μελλοντική δυναμικότητα για προηγμένα προϊόντα λέιζερ και οπτικής δικτύωσης.

Αυτό έχει σημασία επειδή τα συστήματα AI δεν περιορίζονται πλέον μόνο από τα chips. Καθώς τα μοντέλα μεγαλώνουν, το σημείο συμφόρησης μετατοπίζεται όλο και περισσότερο στο πόσο γρήγορα χιλιάδες επεξεργαστές μπορούν να επικοινωνούν μεταξύ τους.

Έπειτα ήρθε η Corning. Στις 6 Μαΐου, η Nvidia και ο 175 ετών κατασκευαστής γυαλιού ανακοίνωσαν μια μακροπρόθεσμη συνεργασία για την επέκταση της παραγωγής οπτικών συνδέσεων στις ΗΠΑ.

Η Corning δήλωσε ότι θα αυξήσει τη δυνατότητα παραγωγής οπτικών συνδέσεων στις ΗΠΑ κατά δέκα φορές, θα ενισχύσει τη δυναμικότητα παραγωγής ινών κατά πάνω από 50%, θα κατασκευάσει τρία νέα εργοστάσια στη Βόρεια Καρολίνα και το Τέξας και θα δημιουργήσει περισσότερες από 3.000 θέσεις εργασίας.

Το μετοχικό σκέλος δίνει στην Nvidia την επιλογή να αποκτήσει συμμετοχή αξίας περίπου 3 billion USD (approx. 2,6 billion €).

Αυτό ανεβάζει την κλίμακα της στρατηγικής φωτονικής πολύ πέρα από το ποσό των 4 billion USD (approx. 3,5 billion €) που κυριάρχησε στην αρχική κάλυψη.

Ο Jensen Huang παρουσίασε την κίνηση ως μέρος της «μεγαλύτερης ανάπτυξης υποδομών» της εποχής της AI. Με απλά λόγια, η Nvidia θεωρεί την οπτική τεχνολογία απαραίτητη για να διατηρήσει τα εργοστάσια AI γρήγορα, αποδοτικά και επεκτάσιμα.

Γιατί το φως υπερτερεί του χαλκού

Τα σημερινά κέντρα δεδομένων AI εξακολουθούν να βασίζονται σε μεγάλο βαθμό σε συνδέσεις χαλκού, επειδή ο χαλκός είναι γνωστός, φθηνός και αξιόπιστος σε μικρές αποστάσεις.

Αλλά έχει όρια. Καθώς τα δεδομένα κινούνται πιο γρήγορα και τα συστήματα μεγαλώνουν, ο χαλκός δημιουργεί περισσότερη θερμότητα, καταναλώνει περισσότερη ενέργεια και γίνεται πιο δύσκολος στη διαχείριση σε κλίμακα.

Η φωτονική αλλάζει το μέσο. Αντί να ωθούνται ηλεκτρικά σήματα μέσω μεταλλικών αγωγών, χρησιμοποιεί το φως για να μεταφέρει δεδομένα μέσω οπτικών εξαρτημάτων και ινών.

Το αποτέλεσμα είναι ταχύτερη μετάδοση, μικρότερες απώλειες σήματος και καλύτερη ενεργειακή αποδοτικότητα σε μεγάλες συστοιχίες.

Η απλούστερη σύγκριση είναι ένα οδικό σύστημα. Ο χαλκός είναι μια γεμάτη επαρχιακή διπλής κατεύθυνσης οδό, ενώ η φωτονική είναι μια ευρύτερη ταχεία αρτηρία που μπορεί να μεταφέρει περισσότερη κίνηση καίγοντας λιγότερο καύσιμο.

Για αυτό το λόγο τα co‑packaged optics, ή CPO, έχουν γίνει τόσο σημαντικά. Τα CPO φέρνουν κινητήρες οπτικού σήματος πιο κοντά στο τσιπ δικτύωσης, μειώνοντας την ανάγκη για ξεχωριστούς απλικατιβίσιμους πομποδέκτες και μεγάλες ηλεκτρικές διαδρομές.

Η Nvidia λέει ότι οι διακόπτες Spectrum‑X Ethernet Photonics ενσωματώνουν τα CPO απευθείας στο τσιπ του switch και είναι σχεδιασμένοι για συστοιχίες AI με εκατομμύρια GPU.

Δεν πρόκειται μόνο για εξοικονόμηση ρεύματος. Οι ταχύτερες συνδέσεις μπορούν να βελτιώσουν το πόσο γρήγορα ανταποκρίνονται τα συστήματα AI, ειδικά κατά τη φάση inference, όταν οι χρήστες περιμένουν σχεδόν άμεσες απαντήσεις.

Με αυτή την έννοια, η φωτονική αφορά τόσο την εξοικονόμηση ενέργειας όσο και την αύξηση της ταχύτητας.