A Volantis captou US$ 88 milhões para uma arquitetura de inferência especialmente ambiciosa: conectar, pela luz e dentro do encapsulamento do acelerador, a computação a um conjunto de memória muito maior. O sistema A-1 planejado mira modelos com mais de 20 trilhões de parâmetros e até 10.000 tokens por segundo por usuário. Nenhuma dessas metas é um resultado de produção demonstrado de maneira independente.
O financiamento sustenta um sistema completo, não apenas outro cabo óptico entre servidores. A Volantis quer alterar as restrições físicas que mantêm a memória rápida perto do processador e as grandes capacidades mais distantes. Um sucesso poderia mudar quantos aceleradores são necessários para hospedar um modelo grande; o investimento, sozinho, não comprova essa vantagem econômica.
Capital para um sistema ainda em definição
A empresa anunciou a Série A em 1º de outubro de 2026. Segundo seu comunicado, Lachy Groom e Abstract Ventures lideraram a rodada, com participação de John Doerr, VXI Capital, Triatomic e Susa Ventures. Os investidores-anjo nomeados incluem Dwarkesh Patel, Naveen Rao e Sholto Douglas. A Volantis afirma que o financiamento acumulado chega a US$ 97 milhões.
Rao anteriormente comandou os produtos de IA da Intel, enquanto Doerr financiou várias gerações de empresas de computação. A participação mostra interesse em alternativas ao hardware convencional, não validação independente da engenharia. A equipe fundadora inclui ex-profissionais de Nvidia, AMD, Broadcom e Ayar Labs. Segundo a empresa, alguns contribuíram para sistemas comerciais de encapsulamento CoWoS e fotônica de silício. CoWoS aproxima vários chips e memória de alta largura de banda.
O A-1 se destina à inferência interativa, não ao treinamento. Os materiais públicos também incluem um limiar anterior de mais de 10 trilhões de parâmetros, além da descrição recente acima de 20 trilhões. A diferença pode refletir especificações em evolução, mas não identifica uma configuração fixa pronta para entrega. O anúncio não traz benchmarks padronizados, provas de instalações em clientes ou um calendário produtivo suficientemente detalhado.
Por que mais cálculo não elimina a parede de memória
A inferência transfere repetidamente pesos numéricos do modelo e dados de trabalho aos processadores. Se a memória não os fornecer com rapidez suficiente, unidades aritméticas adicionais também podem esperar. A HBM ajuda ao colocar memória empilhada perto do acelerador, conectada por uma interface larga, mas a área do encapsulamento limita as pilhas. Conexões elétricas mais longas e rápidas também penalizam o sinal e o consumo de energia.
Serviços interativos agravam esse compromisso porque nem sempre podem agrupar muitos usuários em lotes. Cada token novo pode exigir outro movimento de pesos e contexto ativo. Conversas longas expandem o cache de chaves e valores mesmo sem alterar o modelo. Um agente de programação que manipula repositórios, saídas de comandos, documentação e histórico extenso mostra por que acelerar apenas a computação pode não acelerar a resposta.
Distribuição entre aceleradores, quantização, cache e camadas de memória lentas já enfrentam essas pressões, com compensações em precisão, latência, complexidade ou utilização. Agendamento e compressão continuam melhorando a referência. Uma revisão de fotônica de 2025 apresenta E/S e interposers ópticos como caminhos emergentes ao lado de HBM e redes eletrônicas maduras; não valida o A-1.
Alcance óptico, vias paralelas e lasers integrados
A Volantis propõe guias de onda ópticos em um interposer, o substrato que conecta chips dentro do encapsulamento. Seus “fios” ópticos são caminhos microscópicos integrados, não fibras convencionais instaladas individualmente entre componentes. Estendê-los poderia distribuir memória por uma área maior em vez de concentrar cada chiplet junto ao die de computação.
As especificações técnicas afirmam 24 gigabits por segundo por via, latência de enlace inferior a cinco nanossegundos e menos de um picojoule por bit. Dezenas de milhares de vias deveriam entregar mais de 200 terabytes por segundo agregados. O alcance anunciado supera 200 milímetros, contra aproximadamente dois a cinco milímetros elétricos úteis que a Volantis descreve para esse cenário.
Esse alcance sustenta um conjunto planejado com mais de 220 chiplets de memória e características de acesso consistentes, em vez de camadas rápidas e lentas claramente separadas. A Volantis afirma combinar grande capacidade com velocidade semelhante à SRAM. Essa memória rápida normalmente fica diretamente no processador, mas sua densidade limita a capacidade; igualar seu comportamento efetivo em um conjunto grande continua sendo uma exigente alegação de sistema.
A luz vem de matrizes micro-VCSEL integradas. Esses lasers de cavidade vertical emitem perpendicularmente à superfície e já são usados em sensores e comunicações, embora essa implementação no encapsulamento seja especializada. A Volantis enfatiza VCSELs de arseneto de gálio em vez de tecnologias com outros semicondutores compostos. Fontes integradas eliminariam conjuntos externos de lasers, enquanto guias de onda ocupariam muito menos espaço que fibras.
A estratégia é “larga e lenta”: muitas vias paralelas em taxas moderadas em vez de poucos enlaces extremos. Isso pode aliviar a eletrônica e o processamento de sinal por via, mas exige fabricar e testar milhares de caminhos confiáveis. A Volantis relata menos de um erro por trilhão de bits transmitidos em enlaces na escala do wafer e operação acima de 95°C. São características de enlaces relatadas pela empresa, não confirmação de um A-1 completo entregue comercialmente.
Uma posição diferente na corrida fotônica
Os sistemas ópticos de rede da Nvidia combinam ópticas conectáveis e switches ópticos coencapsulados. Grande parte da fotônica comercial liga switches, racks ou encapsulamentos de aceleradores. A Volantis quer colocá-la diretamente no caminho interno da memória, onde a movimentação de dados influencia o tempo de resposta.
A Ayar Labs posiciona chiplets ópticos de E/S perto dos processadores e usa uma fonte laser externa. O Passage da Lightmatter conecta processadores entre encapsulamentos e placas por uma rede fotônica programável. A Celestial AI desenvolveu uma malha que abrange encapsulamento, sistema e rack; a Marvell concluiu sua aquisição em fevereiro de 2026. São abordagens relacionadas, não produtos intercambiáveis.
A oportunidade da Volantis é melhorar capacidade e largura de banda juntas. Operadores podem comprar aceleradores adicionais principalmente para conseguir memória e depois arcar com a comunicação do modelo distribuído. Um conjunto maior acessível poderia alimentar melhor menos motores de computação. Modelos esparsos de mistura de especialistas ilustram isso: cada token ativa apenas alguns componentes, mas todos os parâmetros disponíveis precisam ser armazenados. Agentes de contexto longo são outro uso possível.
As alternativas consolidadas também avançam. Fabricantes de HBM aumentam capacidade e banda, enquanto AMD e Nvidia coordenam processadores, racks, interconexões, caches e software. Canais de implantação, interfaces e suporte maduros são vantagens que uma startup especializada precisa superar.
O que precisa resistir à integração completa
A banda agregada de pico não equivale à banda sustentada da aplicação. Disputa por recursos, protocolos, posicionamento de dados e controladores podem reduzi-la. Da mesma forma, um enlace abaixo de cinco nanossegundos não oferece automaticamente acesso da aplicação nesse tempo: comutação, arbitragem e operações de memória acrescentam demora. Um conjunto coerente deve endereçar dados entre chiplets e gerenciar falhas e concorrência sem consumir o ganho óptico.
Interposers grandes levantam questões de custo e rendimento de fabricação. Milhares de vias e centenas de chiplets exigem redundância, testes e recuperação; emissores integrados devem tolerar mudanças térmicas e variações produtivas. A operação anunciada acima de 95°C é relevante, mas não resolve estabilidade prolongada, resfriamento ou confiabilidade do encapsulamento. Trocar materiais dos lasers também não elimina o risco industrial.
Software e forma de entrega permanecem incertezas importantes. Plataformas existentes esperam comportamentos de memória, bibliotecas e interfaces específicos. Os clientes precisarão de agendamento, análise de desempenho, posicionamento de modelos e recuperação de falhas. Os materiais não explicam completamente compatibilidade, mercados iniciais, parceiros ou entrega como appliance, acelerador, rack, arquitetura licenciada ou componente integrado por parceiros. Empresas cujos modelos menores já cabem no hardware atual têm incentivos diferentes dos laboratórios de fronteira e hiperescaladores.
Uma demonstração significativa identificaria o modelo e divulgaria precisão, comprimentos de contexto e saída, lote, latência, throughput sustentado e potência. Medições independentes de clientes sobre utilização, erros, disponibilidade e custo por tarefa concluída ligariam promessas dos componentes à economia operacional. Parceiros industriais e um roteiro crível de encapsulamento forneceriam outras provas. Os US$ 88 milhões permitem esse trabalho; até existirem resultados de sistema, as grandes metas continuam sendo uma proposta.