Nvidia: Επένδυση δισεκατομμυρίων στην τεχνολογία που αλλάζει το AI
Τουλάχιστον 6,5 δισεκατομμύρια δολάρια έχει δεσμεύσει η Nvidia σε εταιρείες που αναπτύσσουν τεχνολογία φωτονικής (photonics) τους τελευταίους τρεις μήνες, καθώς έχει αναγάγει ως στρατηγική προτεραιότητα να επενδύσει στην επίλυση ενός από τα σημαντικότερα bottlenecks στην Τεχνητή Νοημοσύνη.
Η φωτονική, δηλαδή η χρήση φωτός για τη μεταφορά δεδομένων, είναι μια αναδυόμενη τεχνολογία που θεωρείται πιο αποδοτική εναλλακτική σε σχέση με την τρέχουσα διαδικασία μεταφοράς δεδομένων μέσω ηλεκτρισμού. Η ηλεκτρική μεταφορά δεδομένων καταναλώνει περισσότερη ενέργεια — ένας παράγοντας που ολοένα και περισσότερο θεωρείται εμπόδιο για την ευρύτερη ανάπτυξη της Τεχνητής Νοημοσύνης.
Από τις αρχές Μαρτίου, η Nvidia έχει ανακοινώσει επενδύσεις 2 δισ. δολαρίων στις Lumentum, Coherent και Marvell, όλες εταιρείες που αναπτύσσουν τεχνολογίες φωτονικής. Ο γίγαντας των chips ανακοίνωσε επίσης επένδυση 500 εκατ. δολαρίων στην Corning για την ανάπτυξη προηγμένων λύσεων οπτικής συνδεσιμότητας, ενώ συμμετείχε στον γύρο χρηματοδότησης Series E αξίας 500 εκατ. δολαρίων της startup οπτικής τεχνολογίας Ayer Labs.
«Η φωτονική αποτελεί για την Nvidia μια επιλογή ώστε να κλιμακώσει την υποδομή AI χωρίς το ενεργειακό κόστος που θα είχε αν παρέμενε στον ηλεκτρισμό και τον χαλκό», δήλωσε ο Alvin Nguyen, senior analyst στη Forrester, στο CNBC.
«Επενδύοντας σε εταιρείες φωτονικής, η Nvidia διασφαλίζει ότι οι εξελίξεις στον τομέα συνεχίζονται και αποφεύγει το όριο κλιμάκωσης και απόδοσης που θα προέκυπτε αν παρέμενε σε ηλεκτρικές και χάλκινες λύσεις».
Επίλυση
Η φωτονική μπορεί να χρησιμοποιηθεί στις υποδομές AI χρησιμοποιώντας φως για τη μεταφορά δεδομένων μεταξύ GPUs, μνήμης, chip δικτύωσης, servers και data centers, αντί να βασίζεται αποκλειστικά σε ηλεκτρικά σήματα μέσω χαλκού.
Παρότι ο χαλκός είναι σήμερα το βασικό πρότυπο συνδεσιμότητας λόγω χαμηλού κόστους και υψηλής αξιοπιστίας, η φωτονική αναμένεται να γίνει ολοένα και πιο σημαντική στις υποδομές AI με την πάροδο του χρόνου, δήλωσε ο Brian Colello, senior equity analyst στη Morningstar, στο CNBC.
«Ο οδικός χάρτης της Nvidia για επόμενης γενιάς λύσεις AI rack-scale θα απαιτήσει ολοένα και περισσότερη οπτική συνδεσιμότητα για να διαχειριστεί το εκθετικά αυξανόμενο εύρος ζώνης με νέα μοντέλα και αυξημένη χρήση», είπε.
Ο κολοσσός των chip έχει ήδη ενσωματώσει κάποιες τεχνολογίες φωτονικής στις λύσεις δικτύωσης που προσφέρει, ανακοινώνοντας εργαλεία που όπως είπε θα επιτρέψουν σε AI factories να συνδέουν εκατομμύρια GPUs μεταξύ εγκαταστάσεων, μειώνοντας δραστικά την κατανάλωση ενέργειας και το λειτουργικό κόστος.
«Σιγά σιγά αρχίζουμε να κλιμακώνουμε την τεχνολογία silicon photonics», δήλωσε ο CEO της Nvidia Jensen Huang στο GTC τον Μάρτιο, αναφερόμενος στην πλατφόρμα ethernet networking της Nvidia που χρησιμοποιείται για τη σύνδεση AI factories και GPU clusters. Είπε επίσης ότι η εταιρεία αρχίζει να προσθέτει φωτονική στην τεχνολογία διασύνδεσης GPU-to-GPU.
«Που σημαίνει ότι η χωρητικότητα σε silicon photonics που χρειαζόμαστε είναι σημαντικά μεγαλύτερη από αυτή που υπάρχει σήμερα στον κόσμο», πρόσθεσε. «Γι’ αυτό συνεργαζόμαστε με την αλυσίδα εφοδιασμού για να βοηθήσουμε στην αύξηση της παραγωγικής ικανότητας εκ των προτέρων».
Οι μετοχές της Lumentum έχουν αυξηθεί 134% από την αρχή του έτους, ενώ η Coherent έχει ενισχυθεί κατά 96%. Η Marvell έχει δει τις μετοχές της να αυξάνονται κατά 122% το 2026 και η Corning κατά 111%.
Η Nvidia είναι ένας από τους πολλούς παράγοντες της αγοράς AI που πρόσφατα στρέφονται στη διοχέτευση κεφαλαίων στη φωτονική.
Η κατασκευάστρια chip AMD συμμετείχε μαζί με την Nvidia στον γύρο της Ayer Labs, ενώ εξαγόρασε τη startup Enosemi το 2025 και επένδυσε επίσης σε μετοχικά μερίδια στις Teramount και Celestial AI. Τα επενδυτικά σκέλη της Alphabet και της Microsoft στήριξαν τη nEye σε γύρο Series C ύψους 80 εκατ. δολαρίων τον Απρίλιο.
Ωστόσο, η ανάπτυξη και η κλιμάκωση της φωτονικής σε όλη την υποδομή AI συνοδεύεται από προκλήσεις.
«Η τεχνολογία είναι αξιόπιστη· το πρόβλημα είναι η κλιμάκωση της παραγωγής», δήλωσε ο Nick Patience, επικεφαλής AI στο Futurum Group, στο CNBC.
«Η απόδοση παραγωγής σε πολύπλοκα co-packaged οπτικά assemblies παραμένει πρόκληση, επειδή η ακριβής ευθυγράμμιση οπτικών και silicon εξαρτημάτων είναι εξαιρετικά απαιτητική, και όταν κάτι πάει στραβά στη συσκευασία, το σύνολο συνήθως δεν μπορεί να επιδιορθωθεί», είπε.
«Άρα η μετάβαση έχει ξεκινήσει, αλλά είναι ακόμη νωρίς», πρόσθεσε. «Θα περιμέναμε ευρεία υιοθέτηση από το 2028 και μετά».
ΔΙΑΒΑΣΤΕ ΠΕΡΙΣΣΟΤΕΡΕΣ ΕΙΔΗΣΕΙΣ:
- Panathēnea Festival 2026: Πώς η Τεχνητή Νοημοσύνη «χτίζει» ξανά το μέλλον του Finance
- Σίσσυ Ηλιοπούλου (LAMDA Development): Σε έναν κόσμο διαρκούς αστάθειας, η εμπιστοσύνη είναι το κρίσιμο στρατηγικό κεφάλαιο
- Το μυστικό όπλο των ΗΠΑ για να μην χάσουν τον πόλεμο εναντίον της Κίνας; Ονομάζεται Anthropic
