Volantis pozyskał 88 mln USD na wyjątkowo ambitną architekturę inferencji: światło wewnątrz obudowy akceleratora ma połączyć obliczenia ze znacznie większą pulą pamięci. Planowany system A-1 ma obsługiwać modele o ponad 20 bilionach parametrów i osiągać do 10 000 tokenów na sekundę na użytkownika. Żaden z tych celów nie jest niezależnie potwierdzonym wynikiem systemu produkcyjnego.
Finansowanie wspiera cały system, nie tylko kolejny kabel optyczny między serwerami. Volantis chce zmienić ograniczenia fizyczne, które utrzymują szybką pamięć przy procesorze, a większe pojemności dalej. Sukces mógłby zmienić liczbę akceleratorów potrzebnych do pomieszczenia dużego modelu; sam kapitał nie dowodzi jednak opłacalności.
Kapitał dla systemu, który nadal nabiera kształtu
Firma ogłosiła rundę serii A 1 października 2026 r. Według jej komunikatu współprowadzili ją Lachy Groom i Abstract Ventures, a uczestniczyli John Doerr, VXI Capital, Triatomic i Susa Ventures. Wśród aniołów biznesu wymieniono Dwarkesha Patela, Naveena Rao i Sholto Douglasa. Volantis podaje, że łączne finansowanie sięgnęło 97 mln USD.
Rao wcześniej kierował produktami AI Intela, a Doerr finansował kolejne generacje przedsiębiorstw komputerowych. Ich udział pokazuje zainteresowanie alternatywami dla tradycyjnego sprzętu inferencyjnego, nie stanowi niezależnej weryfikacji technicznej. Wśród założycieli są byli pracownicy Nvidia, AMD, Broadcom i Ayar Labs. Firma twierdzi, że niektórzy współtworzyli komercyjne systemy obudów CoWoS i fotoniki krzemowej. CoWoS umieszcza wiele układów i pamięć wysokiej przepustowości blisko siebie.
A-1 służy inferencji interaktywnej, nie treningowi. Publiczne materiały zawierają również wcześniejszy próg ponad 10 bilionów parametrów obok nowszego opisu przekraczającego 20 bilionów. Różnica może odzwierciedlać ewolucję specyfikacji, ale nie pozwala ustalić stałej konfiguracji dostaw. W ogłoszeniu brakuje standaryzowanych benchmarków, dowodów wdrożeń u klientów i dostatecznie szczegółowego harmonogramu produkcji.
Dlaczego więcej obliczeń nie usuwa bariery pamięci
Inferencja wielokrotnie przesyła do procesorów numeryczne wagi modelu i dane robocze. Jeśli pamięć nie dostarcza ich odpowiednio szybko, dodatkowe jednostki arytmetyczne też czekają. HBM pomaga dzięki stosom pamięci blisko akceleratora i szerokiemu interfejsowi, lecz powierzchnia obudowy ogranicza liczbę stosów. Dłuższe i szybsze połączenia elektryczne pogarszają też sygnał i zwiększają zużycie energii.
Usługi interaktywne zaostrzają ten kompromis, ponieważ nie zawsze mogą łączyć wielu użytkowników w partie. Każdy kolejny token może wymagać ponownego transferu wag i aktywnego kontekstu. Dłuższe rozmowy zwiększają pamięć podręczną kluczy i wartości nawet bez zmiany modelu. Agent programistyczny korzystający z repozytorium, wyników poleceń, dokumentacji i długiej historii działań pokazuje, dlaczego szybsze obliczenia same nie gwarantują szybszej odpowiedzi.
Rozdzielanie modeli między akceleratory, kwantyzacja, buforowanie i wolniejsze poziomy pamięci już ograniczają tę presję, lecz kosztem dokładności, opóźnień, złożoności lub wykorzystania zasobów. Planowanie i kompresja stale poprawiają punkt odniesienia. Przegląd fotoniki z 2025 r. przedstawia optyczne I/O i interposery jako nowe podejścia obok dojrzałych HBM i sieci elektronicznych; nie weryfikuje A-1.
Zasięg optyczny, równoległe tory i zintegrowane lasery
Volantis proponuje falowody optyczne biegnące przez interposer, czyli podłoże łączące układy w jednej obudowie. Optyczne „przewody” oznaczają mikroskopijne zintegrowane ścieżki, a nie pojedyncze tradycyjne włókna między komponentami. Wydłużenie ścieżek mogłoby rozmieścić pamięć na większej powierzchni zamiast skupiać każdy chiplet przy strukturze obliczeniowej.
Według specyfikacji technicznych pojedynczy tor ma osiągać 24 Gb/s, opóźnienie łącza poniżej pięciu nanosekund i zużycie poniżej jednego pikodżula na bit. Dziesiątki tysięcy torów mają zapewnić ponad 200 terabajtów na sekundę łącznie. Deklarowany zasięg przekracza 200 milimetrów, wobec około dwóch–pięciu milimetrów użytecznego zasięgu elektrycznego opisywanego przez Volantis w tym zastosowaniu.
Zasięg ten wspiera plan puli ponad 220 chipletów pamięci o spójnych właściwościach dostępu, zamiast wyraźnie odrębnych szybkich i wolnych poziomów. Volantis twierdzi, że połączy dużą pojemność z szybkością podobną do SRAM. Ta szybka pamięć zwykle znajduje się na procesorze, lecz gęstość ogranicza jej pojemność; uzyskanie podobnego zachowania efektywnego w dużej puli pozostaje wymagającą deklaracją systemową.
Źródłem światła są zintegrowane macierze micro-VCSEL. Lasery te emitują prostopadle do powierzchni i są już używane w czujnikach oraz komunikacji, ale implementacja wewnątrz obudowy jest wyspecjalizowana. Volantis podkreśla VCSEL z arsenku galu zamiast laserów opartych na innych półprzewodnikach złożonych. Zintegrowane źródła mają wyeliminować zewnętrzne zespoły laserowe, a falowody zajmować znacznie mniej miejsca niż włókna.
Strategia jest „szeroka i wolna”: wiele torów równoległych o umiarkowanej szybkości zamiast niewielu ekstremalnie szybkich łączy. Może zmniejszyć wymagania elektroniki i przetwarzania sygnału na tor, ale wymaga wyprodukowania i przetestowania tysięcy niezawodnych ścieżek. Volantis podaje mniej niż jeden błąd na bilion przesłanych bitów w łączach w skali wafla oraz pracę powyżej 95°C. To charakterystyki łączy zgłoszone przez firmę, nie potwierdzenie kompletnego dostarczanego A-1.
Inne miejsce w wyścigu fotonicznym
Optyczne systemy sieciowe Nvidia łączą wymienne moduły optyczne i przełączniki optyczne współdzielące obudowę. Duża część komercyjnej fotoniki łączy przełączniki, szafy lub obudowy akceleratorów. Volantis chce umieścić optykę bezpośrednio w wewnętrznej ścieżce pamięci, gdzie przesył danych wpływa na czas odpowiedzi.
Ayar Labs umieszcza chiplety optycznego I/O przy procesorach i korzysta z zewnętrznego lasera. Passage firmy Lightmatter łączy procesory między obudowami i płytami poprzez programowalną sieć fotoniczną. Celestial AI stworzyło sieć obejmującą obudowę, system i szafę; Marvell zakończył jej przejęcie w lutym 2026 r. To powiązane podejścia, nie zamienne produkty.
Szansą Volantis jest jednoczesna poprawa pojemności i przepustowości. Operatorzy mogą kupować dodatkowe akceleratory głównie dla pamięci, a następnie ponosić narzut komunikacji rozproszonego modelu. Większa dostępna pula mogłaby lepiej zasilać mniej silników obliczeniowych. Rzadkie modele mixture-of-experts są przykładem: token aktywuje tylko niektóre części, ale wszystkie dostępne parametry nadal trzeba przechowywać. Agenci z długim kontekstem to kolejne możliwe zastosowanie.
Ugruntowane alternatywy również się rozwijają. Producenci HBM zwiększają pojemność i przepustowość, a AMD i Nvidia koordynują procesory, szafy, połączenia, pamięci podręczne i oprogramowanie. Dojrzałe kanały wdrożeń, interfejsy i wsparcie dają przewagi, które wyspecjalizowany startup musi przezwyciężyć.
Co musi wytrzymać pełną integrację
Szczytowa przepustowość łączna nie jest przepustowością utrzymywaną przez aplikację. Rywalizacja o zasoby, protokoły, rozmieszczenie danych i kontrolery mogą ją ograniczyć. Podobnie łącze poniżej pięciu nanosekund nie oznacza dostępu aplikacyjnego w pięć nanosekund: przełączanie, arbitraż i operacje pamięci dodają opóźnienia. Spójna pula musi adresować dane między chipletami oraz obsługiwać awarie i konkurencję bez utraty optycznej przewagi.
Duże interposery rodzą pytania o koszt i uzysk. Tysiące torów i setki chipletów wymagają redundancji, testów i odzyskiwania sprawności. Emitery muszą tolerować zmiany temperatury i zmienność produkcyjną. Deklarowana praca powyżej 95°C jest istotna, ale nie rozstrzyga trwałej stabilności termicznej, chłodzenia ani niezawodności obudowy. Zmiana materiałów laserowych również nie usuwa ryzyka produkcji.
Oprogramowanie i forma dostawy pozostają równie ważnymi niewiadomymi. Obecne platformy oczekują określonych zachowań pamięci, bibliotek i interfejsów. Klienci potrzebują planowania, profilowania, rozmieszczania modeli i odzyskiwania po awarii. Materiały nie wyjaśniają w pełni kompatybilności, pierwszych rynków, partnerów ani dostawy jako urządzenia, akceleratora, szafy, licencjonowanej architektury lub komponentu partnera. Firmy, których małe modele mieszczą się już na obecnym sprzęcie, mają inne motywacje niż czołowe laboratoria i hiperskalerzy.
Wiarygodna demonstracja wskazałaby model, precyzję, długość kontekstu i wyjścia, wielkość partii, opóźnienie, trwałą przepustowość i pobór mocy. Niezależne pomiary klientów dotyczące wykorzystania zasobów, błędów, dostępności i kosztu ukończonego zadania połączyłyby obietnice komponentów z ekonomiką działania. Partnerzy produkcyjni i wiarygodny plan obudowy dostarczyliby dalszych dowodów. Kwota 88 mln USD umożliwia tę pracę; do czasu wyników systemowych ambitne cele pozostają propozycją.