Q.ANT, công ty khởi nghiệp về điện toán quang tử tại Stuttgart, Đức, đã phát hành miễn phí bộ công cụ lập trình cho chip AI dùng ánh sáng. Nhà phát triển có thể viết và thử chương trình trên máy tính thông thường trước khi tiếp cận chip thật, nhưng chưa thể tự kiểm chứng các tuyên bố về hiệu năng và điện năng trên phần cứng Q.ANT.
Theo The New Stack, Q.ANT đang đặt cược vào cộng đồng phát triển theo cách CUDA từng góp phần củng cố vị thế của Nvidia trong lĩnh vực AI. Michael Förtsch, nhà sáng lập kiêm giám đốc điều hành Q.ANT, gọi lần phát hành này là “thời khắc Linux” của điện toán quang tử.
Chip Q.ANT hiện mới hoạt động tại một số trung tâm điện toán nghiên cứu. Những người dùng khác phải chờ trong vài tháng tới để truy cập qua dịch vụ đám mây của nhà cung cấp Đức IONOS hoặc sử dụng máy chủ lắp đặt tại chỗ do Q.ANT cung cấp.
Nội dung bộ công cụ: bắt đầu mà chưa cần chip thật
Bộ công cụ Q.ANT cho phép nhà phát triển viết chương trình bằng Python hoặc C và chạy thử bằng trình mô phỏng trên máy tính thông thường. Phiên bản đầu tiên chủ yếu phục vụ suy luận bằng các mô hình đã được huấn luyện, trong khi quá trình huấn luyện vẫn diễn ra trên CPU hoặc GPU.
Trình mô phỏng và giấy phép sử dụng
Bộ công cụ điện toán gốc Q.ANT được phát hành miễn phí trên GitHub theo giấy phép cho phép sử dụng thương mại. Thành phần chính là trình mô phỏng hoạt động của chip mà không cần trình điều khiển Q.ANT.
Cách tiếp cận này cho phép đội ngũ phần mềm chuẩn bị chương trình trước khi phần cứng quang tử được cung cấp rộng rãi. Những ví dụ hiện có gồm nhận dạng chữ số viết tay, xác định vật thể trong ảnh và khoanh vùng hình dạng.
Bộ công cụ chưa có phần bổ trợ cho PyTorch. Nhà phát triển phải tự kết nối các thành phần theo cách được trình bày trong những ví dụ đi kèm. Đây là khoảng cách đáng kể giữa bộ công cụ hiện tại và mức độ thuận tiện của hệ sinh thái CUDA.
Q.ANT muốn dùng ánh sáng để giảm điện năng
Q.ANT cho biết chip của hãng dùng ánh sáng để thực hiện các hàm dạng sóng trong một phần phép tính AI. Theo tuyên bố của công ty, các mô hình được xây dựng quanh những hàm này có thể đạt kết quả tốt hơn với ít tham số hơn, từ đó giảm lượng dữ liệu phải di chuyển. Các lợi ích về hiệu năng và điện năng hiện vẫn dựa trên phép đo do Q.ANT công bố, chưa có kiểm chứng độc lập được nêu trong các nguồn.
Cách chip quang tử xử lý phép tính
Các bộ xử lý AI tiêu thụ nhiều năng lượng khi liên tục chuyển dữ liệu giữa bộ nhớ và bộ xử lý. Chip Q.ANT thực hiện các hàm dạng sóng, tương tự hàm cosin, bằng ánh sáng thay vì xử lý hoàn toàn bằng kỹ thuật số.
Theo Q.ANT, mô hình được xây dựng quanh các hàm này có thể đạt kết quả tốt hơn với ít tham số hơn. Số tham số thấp hơn làm mô hình nhỏ hơn, giảm lượng dữ liệu cần di chuyển và có thể giảm mức tiêu thụ điện. Bộ công cụ có các ví dụ so sánh mô hình tiêu chuẩn với mô hình dùng phương pháp của Q.ANT, nhưng những phép so sánh này do chính công ty thực hiện.
Förtsch cho rằng hệ sinh thái không thể hình thành chỉ từ phần cứng. Theo ông, Q.ANT cần mở lớp phần mềm để các nhà phát triển khác có thể xây dựng trên kiến trúc của công ty.
Đối với các đội ngũ đang xây dựng hạ tầng AI, khả năng giảm dữ liệu phải di chuyển và mức điện năng tiêu thụ đáng để theo dõi. Tuy nhiên, nhà phát triển hiện chưa thể kiểm chứng các tuyên bố đó bằng mô hình của riêng mình trên chip thật.
Phần cứng quang tử đang đi theo nhiều hướng
Các công ty điện toán quang tử không cùng theo đuổi một kiến trúc. Q.ANT dùng ánh sáng để trực tiếp thực hiện một phần phép tính, trong khi Lightmatter tập trung vào công nghệ Passage để truyền dữ liệu giữa các chip.
Theo The New Stack, năm 2017 trang này đã đưa tin về bộ xử lý quang tử của MIT dành cho việc xây dựng mạng nơron quang học, còn Xanadu đã cung cấp phần mềm mở miễn phí cho máy tính lượng tử dùng ánh sáng từ năm 2018.
Vì vậy, tuyên bố của Q.ANT rằng đây là bộ công cụ công khai đầu tiên để lập trình bộ xử lý quang tử phụ thuộc vào cách phân loại phần cứng. Điểm cụ thể hơn là bộ công cụ cho phép viết chương trình cho kiến trúc Q.ANT trước khi chip được mở rộng khả năng tiếp cận.
Những con số mới vẫn do Q.ANT tự công bố
Q.ANT báo cáo chip thế hệ thứ hai nhanh hơn thế hệ trước trên 50 lần đối với dạng phép tính đảm nhiệm phần lớn công việc trong các mô hình AI. Công ty cũng công bố mức tiêu thụ năng lượng thấp hơn sáu lần trong các tác vụ điển hình, nhưng các kết quả này chưa được kiểm chứng độc lập.
Vốn đầu tư và nơi triển khai chip
Q.ANT huy động được 62 triệu euro vào tháng 7 năm 2025 trong vòng gọi vốn do Cherry Ventures, UVC Partners và imec.xpand dẫn dắt. Công ty cho biết vào tháng 3 rằng chip thế hệ thứ hai đã hoạt động tại Trung tâm Siêu máy tính Leibniz gần Munich.
Trong kết quả do Q.ANT công bố, chip mới nhanh hơn chip cũ trên 50 lần ở dạng phép tính đảm nhiệm phần lớn công việc trong các mô hình AI. Q.ANT cũng cho biết chip mới dùng ít năng lượng hơn sáu lần trong các tác vụ điển hình.
Công ty còn nêu mức cải thiện hiệu quả năng lượng lên tới 30 lần, nhưng không nói rõ con số này được so với hệ thống nào. Các số liệu hiện tại phản ánh phép đo và cách trình bày của Q.ANT, chưa phải kết quả kiểm chứng độc lập.
Bài toán khó hơn việc phát hành mã nguồn mở
Phát hành miễn phí bộ công cụ có thể giúp Q.ANT thu hút nhà phát triển trước khi chip được phổ biến, nhưng phần mềm sẵn có không tự tạo ra một hệ sinh thái. Bộ công cụ hiện chưa tích hợp PyTorch, còn việc kiểm chứng chương trình trên phần cứng thật phải chờ đến khi chip được cung cấp rộng rãi hơn.
Rào cản xây dựng hệ sinh thái
Nvidia đã phát triển CUDA trong gần 20 năm và vẫn tiếp tục bổ sung khả năng mới, trong đó có hỗ trợ Python gốc sâu hơn vào năm ngoái. Vị thế của Nvidia trong lĩnh vực AI phụ thuộc nhiều vào CUDA, cho thấy Q.ANT đang bước vào một quá trình phát triển phần mềm dài hạn.
Graphcore từng có bộ công cụ phần mềm riêng cho chip AI nhưng vẫn được bán cho SoftBank vào năm 2024. Trường hợp này cho thấy một bộ phần mềm tốt chưa đủ để bảo đảm thành công cho kiến trúc chip mới.
Q.ANT cần thu hút nhà phát triển trong thời gian phần cứng còn khan hiếm, đồng thời biến các thử nghiệm trên trình mô phỏng thành chương trình chạy hiệu quả trên chip thật. Thách thức này cũng liên quan đến vai trò của kỹ sư trong thời AI, khi đội ngũ kỹ thuật phải học cách làm việc với công cụ và kiến trúc mới.
Hiện tại, nhà phát triển có thể thử trình mô phỏng và xem cách Q.ANT tổ chức mô hình. Việc tự kiểm chứng tuyên bố về hiệu năng và điện năng vẫn phải chờ đến khi chip được cung cấp qua đám mây hoặc máy chủ tại chỗ.
Hãy tiếp tục theo dõi Sine để cập nhật cách phần mềm mở và chip quang tử định hình hạ tầng AI thế hệ tiếp theo.
