Volantis ha raccolto 88 milioni di dollari per un’architettura di inferenza particolarmente ambiziosa: collegare tramite la luce, all’interno del package dell’acceleratore, il calcolo a un pool di memoria molto più grande. Il sistema A-1 previsto punta a modelli con oltre 20.000 miliardi di parametri e fino a 10.000 token al secondo per utente. Nessuno dei due obiettivi è un risultato di produzione dimostrato indipendentemente.
Il finanziamento sostiene un sistema completo, non semplicemente un altro cavo ottico tra server. Volantis vuole modificare i limiti fisici che mantengono la memoria veloce vicino ai processori e quella più capiente lontano. Un successo potrebbe cambiare il numero di acceleratori necessario per ospitare un grande modello; il capitale raccolto, da solo, non dimostra questa convenienza economica.
Capitale per un sistema ancora in definizione
L’azienda ha annunciato il round Series A il 1° ottobre 2026. Secondo il suo annuncio, Lachy Groom e Abstract Ventures hanno guidato il round, con la partecipazione di John Doerr, VXI Capital, Triatomic e Susa Ventures. Gli investitori angel citati comprendono Dwarkesh Patel, Naveen Rao e Sholto Douglas. Volantis dichiara una raccolta complessiva di 97 milioni di dollari.
Rao guidava in precedenza i prodotti AI di Intel; Doerr ha finanziato diverse generazioni di aziende informatiche. La partecipazione indica interesse per alternative all’hardware convenzionale, non una verifica tecnica indipendente. Il gruppo fondatore include ex dipendenti di Nvidia, AMD, Broadcom e Ayar Labs. L’azienda afferma che alcuni hanno contribuito a sistemi commerciali CoWoS e di fotonica del silicio. CoWoS avvicina più chip e memoria ad alta larghezza di banda.
A-1 è destinato all’inferenza interattiva, non all’addestramento. I materiali pubblici contengono anche una precedente soglia di oltre 10.000 miliardi di parametri, oltre alla descrizione più recente superiore a 20.000 miliardi. La differenza può riflettere specifiche in evoluzione, ma non identifica una configurazione fissa pronta alla consegna. L’annuncio non offre benchmark standardizzati, prove di installazioni presso clienti o un calendario produttivo sufficientemente dettagliato.
Perché più calcolo non elimina il limite della memoria
L’inferenza trasferisce ripetutamente ai processori i pesi numerici del modello e i dati di lavoro. Se la memoria non li fornisce abbastanza rapidamente, anche unità aritmetiche aggiuntive rimangono in attesa. La HBM aiuta collocando memoria impilata vicino all’acceleratore, con un’interfaccia larga, ma l’area del package limita gli stack. Collegamenti elettrici più lunghi e veloci penalizzano inoltre qualità del segnale ed energia.
I servizi interattivi accentuano il compromesso perché non possono sempre raggruppare molti utenti in un batch. Ogni token può richiedere un nuovo trasferimento di pesi e contesto attivo. Conversazioni più lunghe espandono la cache chiave-valore anche senza cambiare modello. Un agente di programmazione che gestisce repository, output dei comandi, documentazione e cronologia estesa mostra perché accelerare soltanto il calcolo può non velocizzare la risposta.
Distribuzione fra acceleratori, quantizzazione, cache e livelli di memoria più lenti affrontano già queste pressioni, con compromessi in precisione, latenza, complessità o utilizzo. Scheduling e compressione migliorano continuamente la base di confronto. Una rassegna sulla fotonica del 2025 colloca I/O e interposer ottici tra le soluzioni emergenti accanto a HBM e reti elettroniche mature; non convalida A-1.
Portata ottica, corsie parallele e laser integrati
Volantis propone guide d’onda ottiche attraverso un interposer, il substrato che collega chip nello stesso package. I suoi “fili” ottici sono percorsi microscopici integrati, non fibre convenzionali posate singolarmente fra componenti. Estenderli potrebbe distribuire la memoria su un’area maggiore, anziché concentrare ogni chiplet accanto al die di calcolo.
Le specifiche tecniche dichiarano 24 gigabit al secondo per corsia, latenza di collegamento inferiore a cinque nanosecondi ed energia inferiore a un picojoule per bit. Decine di migliaia di corsie dovrebbero fornire oltre 200 terabyte al secondo aggregati. La portata dichiarata supera 200 millimetri, contro i circa due-cinque millimetri elettrici utili che Volantis descrive per questo contesto.
La portata sostiene un pool previsto di oltre 220 chiplet di memoria con accessi coerenti, anziché livelli veloci e lenti chiaramente separati. Volantis dice di poter combinare grande capacità e velocità simile alla SRAM. Questa memoria rapida si trova normalmente sul processore, ma la densità ne limita la capacità; riprodurne il comportamento effettivo su un grande pool resta un’affermazione di sistema impegnativa.
La luce arriva da array micro-VCSEL integrati. Questi laser a cavità verticale emettono perpendicolarmente alla superficie e sono già usati in sensori e comunicazioni, ma questa implementazione nel package è specializzata. Volantis evidenzia VCSEL in arseniuro di gallio, anziché tecnologie basate su altri semiconduttori composti. Le sorgenti integrate eliminerebbero assemblaggi laser esterni, mentre le guide d’onda occuperebbero molto meno spazio delle fibre.
Il principio è “largo e lento”: numerose corsie parallele a velocità moderate, invece di poche portate all’estremo. Può ridurre l’onere elettronico e di elaborazione del segnale per corsia, ma richiede di fabbricare e testare migliaia di percorsi affidabili. Volantis riporta meno di un errore per mille miliardi di bit trasmessi nei collegamenti su scala wafer e funzionamento oltre 95°C. Sono dati sui collegamenti riportati dall’azienda, non una conferma di un A-1 completo commercializzato.
Una posizione diversa nella competizione fotonica
I sistemi di rete ottica Nvidia combinano ottiche inseribili e switch ottici co-integrati. Molta fotonica commerciale collega switch, rack o package di acceleratori. Volantis vuole invece inserire l’ottica direttamente nel percorso interno della memoria, dove il trasferimento dei dati influenza i tempi di risposta.
Ayar Labs posiziona chiplet I/O ottici vicino ai processori e usa laser esterni. Passage di Lightmatter collega processori fra package e schede tramite una rete fotonica programmabile. Celestial AI ha sviluppato una rete che copre package, sistema e rack; Marvell ne ha completato l’acquisizione nel febbraio 2026. Sono approcci correlati, non prodotti intercambiabili.
L’opportunità di Volantis è migliorare capacità e banda insieme. Gli operatori possono comprare acceleratori aggiuntivi soprattutto per la memoria, pagando poi il costo di comunicazione del modello distribuito. Un pool più ampio e accessibile potrebbe alimentare meglio meno unità di calcolo. I modelli sparsi mixture-of-experts sono un esempio: ogni token attiva solo alcuni componenti, ma tutti i parametri disponibili devono essere conservati. Un altro possibile impiego riguarda gli agenti a contesto lungo.
Le alternative consolidate continuano però a migliorare. I produttori HBM aumentano capacità e banda, mentre AMD e Nvidia coordinano processori, rack, interconnessioni, cache e software. Canali di distribuzione, interfacce e assistenza maturi offrono vantaggi che una startup specializzata deve superare.
Ciò che deve reggere all’integrazione completa
La banda aggregata di picco non equivale alla banda applicativa sostenuta. Contesa, protocolli, posizione dei dati e controller possono ridurla. Analogamente, un collegamento sotto cinque nanosecondi non offre automaticamente accesso applicativo in cinque nanosecondi: commutazione, arbitraggio e memoria aggiungono ritardo. Un pool coerente deve indirizzare dati fra chiplet e gestire guasti e concorrenza senza consumare il beneficio ottico.
Gli interposer grandi pongono problemi di costo e resa. Migliaia di corsie e centinaia di chiplet richiedono ridondanza, test e recupero; gli emettitori integrati devono tollerare variazioni termiche e produttive. Il funzionamento dichiarato oltre 95°C è rilevante, ma non risolve stabilità termica prolungata, raffreddamento e affidabilità del package. Cambiare materiali laser non elimina i rischi produttivi.
Software e forma di consegna restano incertezza altrettanto concreta. Gli stack di servizio esistenti richiedono specifici comportamenti di memoria, librerie e interfacce. Servono scheduling, profilazione, posizionamento dei modelli e recupero dai guasti. I materiali non spiegano completamente compatibilità, mercati iniziali, partner o consegna come appliance, acceleratore, rack, architettura su licenza o componente integrato. Le imprese con piccoli modelli già ospitabili hanno incentivi diversi da laboratori di frontiera e hyperscaler.
Una dimostrazione significativa dovrebbe indicare modello, precisione, lunghezze di contesto e output, batch, latenza, throughput sostenuto e potenza. Misurazioni indipendenti dei clienti su utilizzo, errori, disponibilità e costo per compito completato collegherebbero le promesse dei componenti all’economia operativa. Partner produttivi e un piano credibile di packaging fornirebbero altre prove. Gli 88 milioni consentono questo lavoro; fino ai risultati di sistema, gli obiettivi rimangono una proposta.