Resolight.ai diluncurkan untuk mengubah permainan interkoneksi AI

Ada narasi yang terbentuk dalam infrastruktur kecerdasan buatan — dan sebagian besar orang masih melihat ke arah yang salah. Semua orang fokus pada unit pemrosesan grafis. Lebih banyak komputasi. Cluster yang lebih besar. Chip lebih cepat. Di situlah berita utama berada.

Namun kendala sebenarnya di pabrik AI bukanlah komputasi. Itu gerakan.

Di dalam setiap sistem AI modern, data terus berpindah — antar GPU, antar rak, antar cluster. Dan saat ini, gerakan itu menemui jalan buntu. Bukan karena kekurangan bandwidth di atas kertas, namun karena arsitektur yang menggerakkan data tersebut pada dasarnya rusak.

Di sinilah Resolight.ai Ltd. berperan. Startup siluman ini bertujuan untuk mengatasi hambatan tersembunyi dalam infrastruktur AI, dan berjanji untuk mengubah persamaan fisik dan ekonomi pabrik AI. Pemain saat ini seperti Nvidia Corp., Broadcom Inc., Marvell Technology Inc., Cisco Systems Inc. dan Advanced Micro Devices Inc. semuanya bekerja sama dengan vendor optik yang dikemas bersama seperti Ayer Labs dan Celestial AI – yang baru-baru ini diakuisisi oleh Marvell senilai hingga $3,25 miliar – untuk mengatasi tantangan interkoneksi. Resolight mengatakan prosesor fotoniknya dapat mengungguli pendekatan ini dalam beberapa kali lipat.

Saya duduk bersama salah satu pendiri dan Kepala Eksekutif Ofer Shapiro di studio CUBE di Palo Alto untuk diskusi eksklusif yang bersifat rahasia. Apa yang dia gambarkan bukanlah perbaikan bertahap – ini adalah arsitektur ulang jaringan AI yang dapat mengubah perekonomian pabrik AI generasi berikutnya.

Inti permasalahannya: Cahaya yang berhenti pada listrik

Industri AI telah melakukan perubahan besar: beralih dari tembaga ke optik. Optik yang dikemas bersama, atau CPO, dan optik yang dapat dicolokkan linier, atau LPO, kini menjadi standar untuk memindahkan data dalam jumlah besar ke seluruh kluster AI.

Namun bahkan setelah data berpindah dalam bentuk cahaya, data tersebut diubah kembali menjadi sinyal listrik untuk diproses dan dirutekan. Konversi tersebut adalah hambatannya.

“Anda membangun jalan raya optik berkecepatan tinggi… dan kemudian memasang lampu lalu lintas di tengahnya,” jelas Shapiro. Lampu lalu lintas itu adalah saklar listrik yang membatasi throughput, menambah latensi, dan menghabiskan daya.

Lompatannya: Pemrosesan fotonik

Jawaban Resolight itulah yang disebut Shapiro pemrosesan fotonik: menyimpan data dalam domain optik di seluruh jaringan, menghilangkan kebutuhan konversi optik-ke-listrik-ke-optik.

Daripada memproses bit individual secara elektronik, sistem ini memanipulasi data secara massal, langsung dalam bentuk ringan. Menurut Shapiro, pendekatan ini menghasilkan:

• Bandwidth 10× lebih tinggi
• ~90% pengurangan daya jaringan
• Diperlukan 10× lebih sedikit sakelar
• Latensi tingkat mikrodetik
• Lebih sedikit transceiver dan titik kegagalan

Ini bukan sekadar peralihan yang lebih cepat. Ini adalah penghapusan paradigma peralihan yang tradisional.

Mengapa hal ini penting: Jaringan adalah hambatan baru

Pabrik AI berkembang dengan kecepatan yang belum dapat didukung oleh jaringan. Arsitektur masa kini mengalami tekanan karena:

• Peralihan multi-tingkat hanya untuk menghubungkan GPU di seluruh rak
• Melonjaknya jumlah koneksi optik
• Kendala daya yang mendominasi pilihan desain
• Memperbaiki infrastruktur yang mengunci GPU ke dalam beban kerja tertentu

Shapiro mengatakan bahwa setelah Anda memodelkan jutaan GPU, jumlah sakelar dan koneksi yang diperlukan akan melonjak — menciptakan hambatan yang sulit untuk penskalaan.

Dari peningkatan skala, perluasan skala… hingga 'penskalaan di mana saja'

Secara historis, infrastruktur AI telah mengalami trade-off antara:

• Peningkatan skala: kinerja tinggi, latensi rendah dalam rak
• Peningkatan skala: efisiensi lebih rendah di seluruh rak

Arsitektur Resolight meruntuhkan perbedaan itu. Visi “berskala di mana pun” memungkinkan:

• Bandwidth seragam di dalam dan di luar rak
• GPU dikelompokkan secara dinamis di seluruh pusat data
• Infrastruktur yang menyesuaikan dengan jenis beban kerja — pelatihan, inferensi, atau sesuatu yang baru

Jaringan tidak lagi menentukan cara komputasi digunakan. Perangkat lunak melakukannya. Hal ini merupakan peluang mendasar bagi perekonomian pabrik AI.

Efisiensi tingkat sistem

Mengurangi kompleksitas jaringan berdasarkan urutan besarnya akan memberikan manfaat yang luas:

• Lebih sedikit rak yang didedikasikan untuk peralihan → lebih banyak ruang untuk GPU
• Menurunkan konsumsi daya total
• Penerapan dan pengoperasian yang lebih sederhana
• Mengurangi ketergantungan pada rantai pasokan yang terbatas

Desain pusat data pada akhirnya dapat memprioritaskan kepadatan dan fleksibilitas komputasi dibandingkan rekayasa berlebihan karena kendala jaringan.

Mengapa startup mempunyai keuntungan

Petahana dioptimalkan untuk keuntungan tambahan — port yang lebih cepat, sirkuit terintegrasi spesifik aplikasi yang lebih baik, efisiensi yang sedikit lebih baik. Resolight melakukan sesuatu yang berbeda: mematahkan model yang menjadi dasar sistem tersebut dibangun.

Shapiro menekankan, lompatan semacam ini tidak datang dari optimalisasi desain yang sudah ada. Hal ini berasal dari pemikiran ulang bagaimana informasi berpindah ke seluruh pusat data. Itu adalah wilayah startup klasik.

Sinyal pasar awal: Gambaran besarnya

Di depan umum, hanya ada sedikit kebisingan. Secara pribadi, percakapan dengan tim infrastruktur AI terkemuka bergerak cepat mulai dari perkenalan hingga rencana pengujian. Tantangannya sudah dipahami dengan baik – jalur maju yang kredibel baru saja tiba.

Pada konferensi GTC Nvidia, pesannya jelas: AI tidak sabar menunggu. Lebih banyak komputasi akan mendorong lebih banyak kecerdasan, sehingga mendorong lebih banyak pendapatan — namun hanya jika sistem dapat memenuhi kebutuhan komputasi tersebut. Jaringan tidak lagi menjadi fungsi pendukung. Ini adalah transmisi mesin.

Dan saat ini, transmisi tersebut berada di bawah tekanan.

Intinya

Pabrik AI sedang memasuki fase baru, dan kendalanya pun mulai berubah. Komputasi tidak lagi menjadi hambatan. Jaringannya adalah.

Resolight yakin bahwa gelombang berikutnya dari infrastruktur AI tidak akan ditentukan oleh chip yang lebih cepat saja — namun oleh cara yang secara fundamental baru untuk memindahkan dan memproses data.

Jika perusahaan berhasil, ini bukan hanya komponen yang lebih baik. Ini adalah arsitektur baru. Bagi investor dan ahli teknologi yang membangun pabrik AI generasi berikutnya, di sinilah letak pengaruh sebenarnya.

Gambar: Sorot ulang