Die zweite Generation der NPU 2 begründet einen Paradigmenwechsel im Computing: Native nichtlineare Fotoberechnungen werden ohne konversionsbedingte Verluste direkt im optischen Bereich ausgeführt. Damit verbindet Q.ANT dramatisch reduzierte Energieverbrauchswerte – bis zu 30 Mal weniger – mit einer bis zu 50 Mal höheren Rechenleistung bei KI- und HPC-Workloads. Der schlüsselfertige Native Processing Server NPS integriert NPUs, einen x86-Host und Linux und ist sofort einsatzbereit. Er revolutioniert Rechenzentren mit neuen Physik-basierten KI-Anwendungen.
Inhaltsverzeichnis: Das erwartet Sie in diesem Artikel
Nichtlineare Netze laufen auf Photonikchips mit drastisch reduzierten Parameteranforderungen
Die schlüsselfertige NPU 2 von Q.ANT (Bild links) (Foto: Q.ant GmbH)
In Q.ANTs NPU 2 laufen nichtlineare Rechenprozesse nativ im photonischen Bereich ab, wodurch CMOS-basierte Grenzen aufgehoben werden. Lichtinterferenzen berechnen Algorithmen mit minimalem Stromverbrauch und ohne aufwändige Kühlung. Dies steigert die Effizienz und Rechengeschwindigkeit in KI- und HPC-Umgebungen erheblich. Physikalische KI, Robotik der Spitzenklasse, Computer Vision der nächsten Generation, dynamische Simulationen und automatische Mustererkennung in Forschung, Logistik und industrieller Fertigung profitieren gleichermaßen von dieser Durchbruchstechnologie.
Energieeffiziente Photonik trifft x86-Host: Q.ANT NPS optimiert Rechenzentrumsbetrieb nachhaltig
In einem 19-Zoll-Rackgehäuse liefert Q.ANT die NPU 2 als Native Processing Server NPS aus, in dem photonische Prozessoren, ein x86-Host und Linux zusammenarbeiten. Über PCIe-Schnittstellen sowie C/C++- und Python-APIs lässt sich der Server problemlos in bestehende CPU-/GPU-Infrastrukturen integrieren. So entsteht eine hybride Architektur, die klassische Rechenzentren um native photonische Beschleunigung ergänzt und KI-Workloads effizienter verarbeitet.
Die photonische Verarbeitungseinheit ermöglicht es, komplexe neuronale Netzschichten in einem einzigen optischen Schritt zu berechnen. Im Vergleich zu herkömmlichen Siliziumprozessoren sinkt der Energieverbrauch um das bis zu Dreißigfache, während die Netto-Rechenleistung um das Fünfzigfache steigt. Dank der geringen Wärmeentwicklung entfallen aufwändige Kühllösungen, sodass HPC-Cluster kompakter aufgebaut werden können. Dadurch reduzieren sich Infrastrukturkosten, Platzbedarf und ökologischer Fußabdruck, während gleichzeitig hohe Datenraten und Echtzeitinferenzen für KI-Anwendungen zuverlässig bleiben bei minimaler Latenz.
Die schlüsselfertige NPU 2 von Q.ANT (Bild links) (Foto: Q.ant GmbH)
Durch die Verwendung von Licht als Informationsträger entfallen bei photonischen Schaltungen typische Wärmeprobleme, die bei elektrischen CMOS-Chips Sofortkühlung erfordern. In einem einzigen optischen Vorgang lassen sich nichtlineare Operationen abbilden, die auf herkömmlichen Siliziumplattformen Tausende Transistoren benötigen würden. Q.ANTs optische NPU realisiert dadurch eine bis zu 30-fach verbesserte Energieeffizienz und eine um das 50-fache gesteigerte Prozessorgeschwindigkeit für komplexe KI- und HPC-Workloads und eröffnet Forschern Potenziale in Simulationen, Echtzeitverarbeitung und datenintensiven Analysen.
Reduzierte Rechenoperationen ermöglichen präziseres Bildlernen mit Q.PAL-Demo live jetzt
Vom 17. bis 21. November 2025 präsentiert Q.ANT auf der Supercomputing Show in St. Louis am Leibniz-Rechenzentrum-Stand Nr. 535 eine KI-Lernaufgabe, die auf Bilddaten basiert. Mit der Photonic Algorithm Library Q.PAL werden optische Berechnungen genutzt, um die Anzahl der Parameter und Rechenoperationen im Vergleich zu klassischen CPU-Architekturen drastisch zu verringern. Die Live-Demonstration zeigt anschaulich und überzeugend, wie photonische Verfahren höhere Präzision und Energieeffizienz erzielen. Interessierte gewinnen Einblicke in zukunftsweisende Technologien.
Zweite Generation NPU verbessert Genauigkeit und Effizienz nichtlinearer Modelle
Die neue NPU-Generation umfasst verbesserte analoge Recheneinheiten, die speziell auf nichtlineare neuronale Netze zugeschnitten sind. Durch deren native optische Verarbeitung sinkt die Anzahl der erforderlichen Modellparameter erheblich, und Trainingsläufe werden um ein Vielfaches effizienter. Bildbasierte Lernalgorithmen profitieren von höherer Treffsicherheit, während Klassifizierungsdienste und physikbasierte Simulationen in ihrer Stabilität optimiert werden. Das Ergebnis sind schnellere Modelliterationen, sinkende Energieanforderungen und erhöhte Robustheit bei anspruchsvollen KI-Workloads und ermöglichen effizientere Ressourcennutzung sowie signifikante Kosteneinsparungen.
Mit seinem 19-Zoll-Design lässt sich der Native Processing Server problemlos in Hochleistungsrechenzentren montieren. Er vereint photonische Native Processing Units der zweiten Generation mit einem x86-basierten Controller und Linux-OS. Anbindung an vorhandene HPC-Server erfolgt über PCIe und offene APIs (C/C++, Python). Die Management-Software automatisiert Deployment, Monitoring und Firmware-Updates. Das Ergebnis: schnelle Integration, reduzierte Ausfall- und Entwicklungszeiten sowie sofort verfügbare photonische Beschleunigung für anspruchsvolle KI- und HPC-Workloads. Ein integriertes Ticket-System erleichtert den Support.
Gepackt in ein standardisiertes 19-Zoll-Rackmodul bietet der NPS Server mehrere leistungsstarke Generation-2-NPUs, die über PCIe mit x86-Hosts kommunizieren. Entwickler nutzen C/C++- und Python-Schnittstellen, um photonische Beschleunigung nahtlos in vorhandene Anwendungen zu integrieren. Das schlüsselfertige System liefert sofort messbare Performance- und Effizienzgewinne für KI- und HPC-Workloads, reduziert den Energiebedarf drastisch und eliminiert zeitintensive Optimierungs- und Installationsprozesse in Rechenzentren. Wahlweise lassen sich mehrere Server parallel betreiben, wodurch Skalierung und Ausfallsicherheit intelligent orchestriert.
Integrierte Photonik-Server beschleunigen neuronale Netze modular effizient in Rechenzentren
Photonische Prozessoren reduzieren den Bedarf an Modellparametern für nichtlineare neuronale Netze in Fertigung, Logistik und Inspektion drastisch, da komplexe mathematische Funktionen direkt im optischen Bereich berechnet werden. Bildbasierte KI erkennt präzise Defekte, verfolgt Transportgüter automatisch und optimiert Lagerbestände dynamisch. Dank signifikant geringerem Energieverbrauch und reduzierten Betriebskosten werden zuvor zu rechenintensive Computer-Vision-Aufgaben wirtschaftlich interessant. Hybride Ansätze aus statistischer Logik und physikalischer Modellierung steigern die Genauigkeit in Pharmaentwicklung, Materialforschung und adaptiver Systemsteuerung.
HPC-Umgebungen erhalten ab 2026 photonische Beschleunigung dank Q.ANT NPU2
Q.ANT eröffnet ab sofort den Verkauf seiner schlüsselfertigen Photonik-Server mit der NPU 2. Die Auslieferung startet voraussichtlich im ersten Halbjahr 2026. Die Komplettlösung im 19-Zoll-Format enthält x86-Host, vorinstalliertes Linux und mehrere photonische Recheneinheiten. Eine nahtlose Anbindung erfolgt per PCIe und frei wählbaren C/C++- oder Python-APIs. Kunden erhalten sofort verfügbare Beschleunigung für rechenintensive KI- und HPC-Anwendungen sowie signifikant reduzierte Energie- und Betriebskosten. Die Systeme sind modular erweiterbar und sorgen für Ausfallsicherheit.
Photonische Datenverarbeitung reduziert Kühlbedarf, minimiert Energieverbrauch in Rechenzentren erheblich
Speziell für High-Performance-Computing entwickelt, nutzt die NPU 2 photonische Hardware, um native nichtlineare Operationen optisch auszuführen und dadurch Energiebedarf um ein Vielfaches zu reduzieren. Rechenzentren profitieren von bis zu 50-fach höherer Performance und minimalem Kühlaufwand. Der integrierte 19-Zoll-Server NPS vereint x86-Host, Linux, Q.PAL und APIs für C/C++ sowie Python. Mit dieser Lösung lassen sich anspruchsvolle HPC-Workloads und physikbasierte Simulationen schneller und effizienter realisieren. Sie eröffnet neue Standards in Wissenschaft Industrie.
