Photonische Rechner verwenden Lichtstrahlen zur Verarbeitung von Daten und erlauben native optische Operationen, bei denen komplexe nichtlineare Funktionen in einem Schritt ausgeführt werden. Auf Siliziumchips müssten hierfür tausende Transistoren verbaut werden, was zu hohem Energieverbrauch und Wärmeentwicklung führt. Die NPU 2 von Q.ANT nutzt Photonik, um diese Aufgaben äußerst effizient zu bewältigen: Sie senkt den Strombedarf um bis zu den Faktor 30 und erhöht die Rechengeschwindigkeit um das 50-Fache in KI- und HPC-Szenarien.
Inhaltsverzeichnis: Das erwartet Sie in diesem Artikel
Integrierter 19-Zoll-Server ermöglicht sofortige skalierbare Einbindung in bestehende Rechenzentren
Die schlüsselfertige NPU 2 von Q.ANT (Bild links) (Foto: Q.ant GmbH)
Die photonische Architektur der NPU 2 von Q.ANT ermöglicht nichtlineare Operationen direkt per Licht, wodurch klassische CMOS-Ansätze obsolet werden. Ohne großen Kühlaufwand bleibt der Energieverbrauch extrem niedrig, während die Rechenleistung für KI- und HPC-Workloads massiv ansteigt. Neue Einsatzfelder entstehen in der physikalischen KI, der fortschrittlichen Robotik, der Bildverarbeitung der nächsten Generation, in skalierbaren physikbasierten Simulationen und in robusten Systemen zur automatischen Erkennung komplexer Muster in Echtzeit.
Q.ANT NPS kombiniert photonische Rechenleistung mit CPU- und GPU-Umgebungen
Der schlüsselfertige Native Processing Server NPS kombiniert die NPU 2 mit mehreren photonischen Chips, einem x86-Hostprozessor und einem Linux-Betriebssystem in einem 19-Zoll-Rackgehäuse. Über PCIe-Anschlüsse und APIs in C/C++ und Python lässt sich der Server direkt in vorhandene CPU-/GPU-Rechenzentren integrieren. Anwender erweitern so ihre Infrastruktur um photonische Beschleunigung und können KI- sowie HPC-Workloads mit minimalem Integrationsaufwand ausführen.
Durch den Einsatz photonischer Module können komplexe neuronale Netzwerke wesentlich energieeffizienter ausgeführt werden. Gegenüber herkömmlichen Prozessorarchitekturen sinkt der Stromverbrauch um den Faktor Dreißig, während die Datenverarbeitung laut Benchmark um das Fünfzigfache beschleunigt wird. Die Technologie nutzt interferometrische Lichtleitungen, um nichtlineare Funktionen in Echtzeit zu realisieren. Dies reduziert Kühlanforderungen, verkleinert Hardware-Footprints und ermöglicht kostengünstige Beschleunigerlösungen für Forschungsrechenzentren, Edge-Computing-Standorte und datenzentrische Industrieanwendungen gleichermaßen und bietet flexible Schnittstellen für standardisierte Software-Stacks cloudfähige Integration.
Die schlüsselfertige NPU 2 von Q.ANT (Bild links) (Foto: Q.ant GmbH)
Photonische Architektur vermeidet thermische Verluste, die bei herkömmlichen CMOS-Chips unvermeidlich sind, und erspart somit energieintensive Kühlsysteme. In einem einzigen optischen Prozessschritt lassen sich multifunktionale Berechnungen durchführen, die auf Siliziumbasis den Einsatz von Tausenden Transistoren erfordern würden. Q.ANTs Native Processing Unit nutzt dieses Prinzip und erzielt bis zu 30-mal niedrigeren Stromverbrauch sowie eine 50-fach höhere Verarbeitungskapazität für anspruchsvolle KI- und High Performance-Computing-Anwendungen und bietet nachhaltige, skalierbare Leistung für weltweite Rechenzentren.
Photonic Algorithm Q.PAL erzielt präzise KI-Ergebnisse mit weniger Operationen
Q.ANT lädt auf der Supercomputing Show 2025 in St. Louis (17. bis 21. November) Besucher zum Stand 535 des Leibniz-Rechenzentrums ein, wo eine bildbasierte KI-Lernaufgabe präsentiert wird. Mit der Photonic Algorithm Library Q.PAL demonstrieren die Entwickler, wie optische Verarbeitung native nichtlineare Operationen ermöglicht, die herkömmliche CPUs übertreffen. Die Live-Demo macht deutliche Fortschritte bei Präzision, Energiebedarf und Rechenzeit sichtbar und bietet praktische Einblicke in photonisch beschleunigte KI-Trainingsvorgänge und innovative anschauliche Anwendungsbeispiele.
NPU-Generation zwei vereinfacht Trainingstiefe und senkt Parameterbedarf drastisch erheblich
Mit der NPU-Generation zwei kommen speziell abgestimmte analoge Bausteine zum Einsatz, die nichtlineare Netzwerke direkt im optischen Bereich realisieren. Dadurch reduziert sich die Zahl der Lernparameter spürbar, und die Trainingszyklen werden deutlich kürzer. Zugleich erreichen Bildanalysesysteme höhere Trefferquoten, während Klassifizierer und physikbasierte Simulationsmodelle deutlich robuster agieren. Diese Effizienzsteigerung senkt Laufzeiten, minimiert Energieverbrauch und ermöglicht neue Einsatzszenarien in anspruchsvollen KI-Anwendungen. Das führt zu erheblicher reduzierten Betriebskosten, verbesserter Skalierbarkeit und schnellerer Markteinführung.
Der 19-Zoll-Native Processing Server bietet eine komplett integrierte Plattform mit photonischer Rechenleistung, x86-Host und Linux. Über standardisierte PCIe-Ports sowie C/C++- und Python-Schnittstellen lässt sich das System ohne Zusatzaufwand in bestehende HPC-Architekturen einbinden. Grafische und CLI-basierte Werkzeuge ermöglichen eine einfache Konfiguration, während ein Performance-Dashboard Echtzeit-Analysen liefert. Die modulare Bauweise und Remote-Management-Funktionen reduzieren Ausfallzeiten und erhöhen die Effizienz bei KI- und HPC-Workloads. Automatische Updates und self-healing-Mechanismen sorgen zusätzlich für hohe Systemstabilität.
Q.ANTs Native Processing Server NPS bietet eine voll integrierte 19-Zoll-Infrastruktur, die mehrere zweite Generation Photonikprozessoren in einem kompakten Gehäuse vereint. Dank standardisierter PCIe-Schnittstellen lässt sich der Server nahtlos an vorhandene Hostrechner anbinden. Entwickler greifen über C/C++- und Python-APIs direkt auf die photonische Hardware zu, um anspruchsvolle KI- und HPC-Workloads zu beschleunigen. Die schlüsselfertige Lösung ermöglicht eine rasche Inbetriebnahme und maximale Skalierbarkeit ohne komplexe Installationsschritte. Gleichzeitig sinkt der Energieverbrauch und Betriebskosten.
Photonische Hardware ermöglicht präzisere Mustererkennung mit signifikant weniger Parametern
Photonische Prozessoren optimieren die Interaktion zwischen Robotern und Produktionsumgebung, indem sie nichtlineare neuronale Netze in Fertigung, Logistik und Inspektion hocheffizient abbilden. Bildbasierte KI-Lösungen erkennen Hindernisse und Objekte in Echtzeit, ermöglichen adaptive Greifstrategien und steuern autonome Fahrzeuge präzise. Dank reduziertem Parameterbedarf sinkt der Energieverbrauch erheblich, wodurch vormals rechenintensive Computer-Vision-Aufgaben wirtschaftlich nutzbar werden. Hybridmodelle aus statistischer Logik und physikalischer Simulation fördern innovative Entwicklungen in Medizinrobotik, Materialforschung und selbstlernenden Automatisierungssystemen. Prozessoptimierung, Supply-Chain branchenweit.
Erstmals verfügbar: Photonik-gestützte NPU2-Server bereits lieferbar ab Mitte 2026
Mit der Veröffentlichung der NPU 2-Server richtet sich Q.ANT gezielt an anspruchsvolle KI- und HPC-Anwender. Ab sofort akzeptiert das Unternehmen Bestellungen, die ab dem ersten Halbjahr 2026 ausgeliefert werden. Die Komplettlösung in 19 Zoll kombiniert photonische Recheneinheiten mit einem x86-Host und Linux-Betriebssystem. Eine nahtlose Integration erfolgt über PCIe-Anschluss und APIs für C, C++ und Python. Anwender profitieren unmittelbar von höherer Performance bei deutlich reduziertem Energiebedarf. Server unterstützen Echtzeitverarbeitung und Skalierbarkeit.
Photonische Architektur ersetzt tausende Transistoren, komplexe Funktionen im Lichtschritt
Auf der Supercomputing 2025 demonstriert Q.ANT live die Fähigkeiten der neuen Native Processing Unit, die native nichtlineare Berechnungen mit photonischer Hardware durchführt. Im schlüsselfertigen 19-Zoll-NPS vereint sie x86-Host, Linux, C/C++- und Python-APIs sowie die Q.PAL-Bibliothek. Mit Lichtbasierter Datenverarbeitung senkt sie Energieverbrauch um den Faktor 30 und steigert Performance um den Faktor 50. Während der Präsentation werden komplexe Bildlernaufgaben in Echtzeit mit hoher Präzision gelöst und belegt technische Machbarkeit gegenüber klassischen Systemen.
