Q.ANT 免费开放其光驱动 AI 芯片软件，效仿 CUDA（NVIDIA 并行计算平台和编程模型） 押注开发者
Q.ANT 是一家来自德国斯图加特的初创公司，它制造的处理器使用光而非电来完成 AI 背后的一些数学运算。该公司将其宣传为一种能以当今芯片所需功耗的一小部分来运行 AI 的方式。
现在，开发者无需拥有芯片就可以开始为这些芯片编写软件。Q.ANT 本周在 GitHub 上发布了一个免费的开源软件工具包，让开发者可以在普通计算机上构建和测试程序，然后在获得芯片访问权限后在真实芯片上运行它们。
这是借鉴 Nvidia 策略的一步。Nvidia 在 AI 领域的领先地位，既归功于 CUDA（NVIDIA 并行计算平台和编程模型）——开发者用来为其 GPU（图形处理器）编程的软件，也同样归功于芯片本身。
但对于 Q.ANT 来说，问题在于硬件。Q.ANT 的芯片目前只在少数研究计算中心运行，其他所有人都必须等待“未来几个月”通过德国提供商 IONOS 获得云访问权限，或等待 Q.ANT 的本地服务器。
这个名为 Q.ANT Native Computing Toolkit 的工具包在 GitHub 上免费提供，采用允许商业使用的许可证。开发者可以使用 Python 或 C 进行开发。关键部分是一个模拟器，它可以在普通计算机上模拟该芯片，无需 Q.ANT 驱动程序。
它目前能做什么？这个首个版本中的 AI 工具专注于运行已经训练好的模型。示例包括读取手写数字、识别照片中的物体以及勾勒图像中的形状。训练仍然在普通 CPU 和 GPU（图形处理器） 上进行。
光子计算的卖点在于功耗。AI 芯片在内存和处理器之间来回移动数据时消耗大量能量。Q.ANT 的芯片用光来完成部分数学运算，具体来说是类似于余弦的波形函数，而普通芯片以数字方式计算这些函数。Q.ANT 表示，围绕这些函数构建的 AI 模型可以用更少的参数（模型在训练过程中学到的设置）获得更好的结果。更少的参数意味着更小的模型、需要移动的数据更少、功耗更低。该工具包包含将标准模型与按 Q.ANT 方式构建的模型进行比较的示例。这些比较来自该公司自身。
“生态系统不是仅靠硬件就能创建的。当软件层开放、其他人可以在其上构建时，它才会出现，”Q.ANT 创始人兼 CEO Michael Förtsch 表示。他将此次发布称为光子计算的“Linux 时刻”。
Q.ANT 押注光本身可以完成数学运算。Lightmatter 是该领域最知名的公司之一，目前将重点放在 Passage 上，它使用光在芯片之间移动数据。基于光的 AI 这一想法也并不新鲜。TNS 早在 2017 年就报道过 MIT 用于构建光学神经网络的光子处理器。
Q.ANT 于 2025 年 7 月完成了由 Cherry Ventures、UVC Partners 和 imec.xpand 领投的 6200 万欧元融资。今年 3 月，该公司表示其第二代芯片正在慕尼黑附近的莱布尼茨超级计算中心运行。该公司从那里发布的结果将新芯片与旧芯片进行了比较：按该公司的数据，在 AI 模型中承担大部分工作的那类数学运算上快 50 倍以上，在典型任务上能耗降低六倍。其更大的宣称，例如能效提升最高可达 30 倍，并未说明是与什么进行比较。
仅靠好的软件并不能支撑一款新芯片。Nvidia 构建 CUDA 已近 20 年，并且仍在不断扩充，包括去年增加了更深入的原生 Python 支持。英国 AI 芯片初创公司 Graphcore 拥有自己的软件工具包，但最终仍在 2024 年被出售给软银。
Q.ANT 称这是首个公开可用的用于为光子处理器编程的软件工具包。这取决于你如何计算。Xanadu 自 2018 年以来一直为其基于光的量子计算机提供免费、开放的软件。目前，开发者可以试用模拟器。他们还不能做的是在自己的模型上测试 Q.ANT 的节能宣称。这必须等到芯片开放之后。
转载声明：本文为转载整理，原文版权归原作者及原站点所有。
原文来源：The New Stack
原文作者：Matthew Burns；如有侵权，请联系管理员删除。
