Найти в Дзене

Фотонное будущее ИИ: французский стартап Arago привлёк $26 млн на создание энергоэффективного ускорителя Jef

Французский стартап Arago объявил о привлечении $26 миллионов инвестиций для разработки инновационного фотонного ИИ-акселератора под кодовым названием Jef. Этот проект обещает кардинально изменить представление об энергоэффективности инференса нейросетей, снижая энергопотребление до 10 раз по сравнению с традиционными электронными решениями.

Arago выходит на один из самых горячих и перспективных сегментов на стыке фотоники и искусственного интеллекта — аппаратного ускорения ИИ-вычислений с использованием оптических технологий. Компания уже получила поддержку от ряда европейских венчурных фондов, включая IRIS Capital, BPI France и Quantonation, специализирующихся на deeptech и квантовых стартапах.

В чем суть технологии Arago

В отличие от традиционных ускорителей нейросетей — таких как GPU или ASIC, использующих электронные сигналы, проект Jef основан на фотонной архитектуре, где вычисления производятся при помощи света, проходящего через оптические элементы — волноводы, фазовые модуляторы и интерферометры.

Ключевые преимущества фотонного ИИ:

● Ультранизкое энергопотребление — свет не создает джоулевого нагрева, как электроны в проводниках;

● Высочайшая пропускная способность — благодаря параллельной обработке на многих длинах волн (WDM);

● Скорость — фотонные элементы способны выполнять матричные операции почти мгновенно;

● Отсутствие необходимости в охлаждении, что критично для использования в дата-центрах и мобильных устройствах.

Arago утверждает, что их прототип Jef способен снизить энергозатраты на инференс в 5–10 раз, при этом обеспечивая производительность на уровне лучших электронных решений. Особое внимание уделяется внедрению в модели LLM (большие языковые модели), где матричные умножения доминируют в вычислительной нагрузке.

Почему это важно

Спрос на эффективные аппаратные решения для ИИ продолжает расти. Модели вроде GPT, Gemini и Claude требуют огромных вычислительных мощностей не только для обучения, но и для повседневной работы — генерации текста, анализа данных, рекомендаций и т.д.

Согласно последним оценкам, до 60% энергии в современных дата-центрах уходит именно на инференс ИИ-моделей, и это число продолжает расти. Переход на фотонные ускорители может стать ключом к масштабированию ИИ в условиях энергетических ограничений.

Кроме того, подобные технологии открывают путь к внедрению ИИ на “границе сети” (edge computing) — в смартфонах, дронах, носимой электронике, где энергопотребление критически важно.

Кто стоит за Arago

Arago — это deeptech-стартап, основанный группой ученых и инженеров из École Polytechnique и CNRS. Компания начала с разработки фотонных матричных умножителей на кремниевой подложке (silicon photonics), а затем перешла к созданию полноценного фотонного ИИ-ускорителя.

Новый раунд инвестиций позволит:

● завершить разработку первого чипа Jef;

● провести пилотные испытания в партнерстве с европейскими дата-центрами и ИИ-стартапами;

● масштабировать команду разработчиков;

● выйти на рынок в 2026 году с промышленным образцом.

Фотоника в ИИ: новый рубеж

Хотя фотонные вычисления долгое время оставались предметом научных публикаций, в последние годы появились реальные шаги к их коммерциализации. Компании вроде Lightmatter, LightOn и теперь Arago демонстрируют, что оптическая обработка информации — это не будущее, а настоящее.

Благодаря инвестициям в размере $26 млн, Arago становится одним из лидеров в европейской гонке за фотонным ИИ, и уже в ближайшие годы может представить энергоэффективную альтернативу GPU и TPU для инференса.

Инвестиции в Arago подтверждают нарастающий интерес к новым парадигмам аппаратного ускорения ИИ. В условиях, когда энергетические и инфраструктурные ограничения начинают сдерживать рост ИИ-сервисов, фотоника может стать тем решением, которое обеспечит масштабируемость, скорость и энергоэффективность будущих ИИ-систем.

Фотонный чип Jef от Arago — это не просто технологическая новинка, а возможный поворотный момент в развитии глобальной ИИ-инфраструктуры.