Neurophos、光AIチップ開発に向けて1億1000万ドルを調達

テクノロジー
Neurophos Raises $110M for Photonic AI Chips
オースティンを拠点とするスタートアップのNeurophosは、データセンターのエネルギー消費を削減し、既存のGPUベンダーに挑むことを目的とした光ベースのAIアクセラレータを商用化するため、1億1000万ドルの新たな資金調達を発表した。

リード:オースティンにおける「光」への大きな賭け

2026年1月22日、オースティンを拠点とするチップ・スタートアップ Neurophos は、光で計算を行うAIプロセッサの開発を加速させるため、1億1,000万ドルの新規資金を調達したと発表した。同社によると、このフォトニック・アプローチは、大規模言語モデルやその他のニューラルネットワークが消費する電力を大幅に削減できる可能性があり、特定の大手ベンダーが支配するGPU中心のアーキテクチャに対する直接的な挑戦となる。また Neurophos は地元記者に対し、ラボでのプロトタイプからプロダクション級のハードウェアへの移行に伴い、2026年末までに従業員数を3倍以上に増やす計画であることも明かした。

フォトニック・アクセラレーション

Neurophos の提案は、明確な物理学上の利点に基づいている。それは、光子(フォトン)は電子を悩ませる抵抗加熱なしに移動するという点だ。集積フォトニクスでは、微細な導波路を通り、光学コンポーネントによって操作される光が、ニューラルネットワークのワークロードの大部分を占める積和演算などの中心的な線形代数を実行する。これはトランジスタのスイッチングではなく、干渉、位相シフト、および変調を利用して行われる。特定のクラスのAI推論や線形代数において、これは演算あたりのエネルギー効率の劇的な向上につながる可能性がある。

その可能性は、長年大学の研究室で温められてきた。Neurophos は、数十年におよぶ光学およびシリコン・フォトニクスの研究に技術的な系譜を持っており、そこには工学的な光学材料やデバイス・アーキテクチャを探索した Duke University での研究も含まれている。かつてこれらの一連の光学研究は、クローキング(不可視化)やメタマテリアルといったエキゾチックなデモンストレーションにアイデアを提供してきた。Neurophos の創設者たちは現在、それらの原理を現代のAI向けの商業的に実用可能なアクセラレータへと再構築しようとしている。

なぜ投資家が注目しているのか

1億1,000万ドルという金額は、数百億ドル規模の市場で既存の支配者を追い落とそうとするデバイス・レベルのスタートアップにとって、かなりの軍資金となる。投資家にとっての魅力は二つある。一つは AI compute(AI計算)市場の規模、もう一つはハイパースケール・データセンターにおけるエネルギーコストを抑制するという切実なニーズだ。大規模なモデルは、単一の設置施設ですでにメガワット級の電力を消費しており、数百万件のクエリにわたって推論あたりの電力を数ワット削るだけでも、即座に運用上の価値を生む。

Neurophos の発表は、AIインフラの購入者や運用者が、支配的なGPUベースのスタックに代わる選択肢を積極的に求めているタイミングで行われた。GPUは非常に柔軟性が高く、膨大なソフトウェア・エコシステムに支えられているが、高い消費電力と複雑な冷却要件という代償を払って性能を提供している。フォトニック・アクセラレータは、根本的に異なるトレードオフを約束する。すなわち、精度、パッケージング、統合における新たなエンジニアリング課題と引き換えに、特定の線形代数ワークロードにおける電気エネルギーを削減するというものだ。

技術的な現実と限界

フォトニクスを魅力的にしている物理的特性は、同時に厳しい制約も課している。光計算はアナログになる傾向があり、重みや信号は光の振幅や位相にエンコードされる。このアナログな性質は効率をもたらすが、ノイズ、ドリフト、そして製造公差や温度に対する感度ももたらす。多くの現代のモデルが必要とする数値精度、特に学習時においてそれを達成することは容易ではない。推論においてはより低い精度でも許容されることが多いが、それでもシステム設計者は、光計算と膨大なモデルの重みを保持するデジタル・メモリとの間をどのように変換するかという問題を解決しなければならない。

製造もまた実務上のハードルである。シリコン・フォトニクスは急速に成熟してきたが、複雑なフォトニック・チップの大量生産は、先端電子ファウンドリと比較するとまだ遅れている。光源、変調器、検出器、制御電子回路を堅牢なモジュールに結合するパッケージング工程は高価であり、しばしばオーダーメイドとなる。このため、プロトタイプからラック・スケールの展開に至る道筋は、純粋な電子回路の設計よりも長く、リスクが高くなる可能性がある。

製品戦略と短期的なマイルストーン

Neurophos は、2026年を通じて積極的にスタッフを増強し、研究からエンジニアリングおよびシステム・インテグレーションへと移行することを示唆している。今回の資金調達ラウンドは、これらの採用を加速させ、製造ラン、テストプラットフォーム、および初期の顧客エンゲージメントをサポートすることを目的としている。同社の公式声明は、データセンターにおける推論ワークロードに焦点を当てており、そこでは確定的なレイテンシとクエリあたりの電力が、運用者が最も重視する商業的なレバーとなる。

実行には、複数のフロントでの並行した進展が必要となる。主要な指標でGPUを明確に凌駕するフォトニック・エンジン、既存のMLフレームワークにプラグインできるソフトウェア、そして冷却、信頼性、保守性に対処するシステム・レベルのエンジニアリングである。シリコン・フォトニクスのファウンドリ、光学コンポーネントのサプライヤー、そして新しいアクセラレータ・ハードウェアを試験導入する意思のあるハイパースケーラーといったパートナーが不可欠となるが、今回の発表では具体的な製造パートナーや主要顧客の名前は挙げられていない。

競合とソフトウェアの問題

Neurophos は、カスタムのデジタルASICから特殊なアナログ・アクセラレータ、さらには他のフォトニクスの取り組みまで、GPUコンピューティングに代わる選択肢を模索するスタートアップや研究室がひしめく分野に参入することになる。最も強固な競合相手は、長年のソフトウェア最適化、コンパイラ・ツールチェーン、および開発者の習熟度という恩恵を受けている既存のGPUおよびアクセラレータ・エコシステムだ。このソフトウェア・スタックは巨大な「堀」となっており、いかなる新しいハードウェアも、同じプログラミング・モデルをサポートするか、さもなければツールを刷新することを正当化できるほどの圧倒的なコストパフォーマンスのトレードオフを提供しなければならない。

このソフトウェアのギャップを埋めることが、多くの場合、決定的な技術的・商業的課題となる。フォトニック・デバイスには、アナログ的な不完全さを補正しつつ、ニューラルネットワークのグラフを光学的な操作に変換するドライバ、コンパイラ、および数値計算ライブラリが必要だ。ハードウェアの進歩と開発者に優しいツールチェーンを組み合わせたスタートアップの方が、単にデバイスの生性能のみに頼る企業よりも牽引力を得る可能性が高い。

電力と気候への影響

フォトニック・アクセラレータが大規模なエネルギー効率の劇的な変化をもたらすことができれば、AIの気候への影響と経済性は大きく変わるだろう。ハイパースケーラーは、運用の炭素排出量と電気代を削減するよう圧力を受けており、推論あたりのキロワット時を低減する技術であれば、迅速に採用される可能性がある。しかし、それらのメリットが実現されるのは、デバイスが堅牢で製造可能であり、大規模なサーバーファームで容易に運用できる場合に限られる。

また、計算におけるエネルギー効率の向上が自動的に排出量の純減につながるわけではないという点にも注意が必要だ。それは、その計算がどこでどのように展開されるか、どのようなワークロードが移行されるか、そして演算あたりのエネルギー削減がモデルのより広範な利用を促すかどうか(ジェボンズのパラドックス)に依存する。技術は必要条件ではあるが、十分条件ではない。システム・レベルでの導入の選択が、真の気候への影響を決定する。

展望:ハイリスク・ハイリターン

Neurophos の1億1,000万ドルの資金調達は、時間と信頼を買うものである。同社にとっての当面の課題は、物理学のデモンストレーションを、実際のデータセンターで配備・サポート可能な製品化されたモジュールへと変えることだ。成功すれば、材料およびデバイス・レベルのイノベーションが、GPUの既存勢力に支配された数十億ドル規模のプラットフォーム市場を意味のある形で塗り替える、稀なケースの一つとなるだろう。

失敗も現実的な結末である。このスタートアップは、技術的なスケーリングの課題、強固なソフトウェア・エコシステム、そしてラボのウェハーからラック・レベルのシステムへと移行するための多額の資本を必要とする。たとえ強力な成果を上げたとしても、クラウドや企業の顧客に新しいアクセラレータの採用を納得させるには、パイロット運用、エンジニアリング投資、そして実証可能な投資収益率(ROI)が必要となる。

半導体サプライチェーンやAIインフラの観察者にとって、Neurophos の物語は、単なる技術的な主張だけでなく、GPU優先の計算に代わる選択肢に対する投資家の意欲を象徴するものとして注目に値する。2026年を通じて従業員を急速に増やすという同社の計画と、今回の資金調達の規模は、投資家がそこに商業的なチャンスを見出していることを示唆している。しかし、彼らは現代のAIにおける最も困難なエネルギー問題の一つに対する答えとして、文字通り「光」に大きな賭けをしたのである。

Sources

  • Duke University (foundational research on photonics and metamaterials)
  • Neurophos (company press materials)
Mattias Risberg

Mattias Risberg

Cologne-based science & technology reporter tracking semiconductors, space policy and data-driven investigations.

University of Cologne (Universität zu Köln) • Cologne, Germany

Readers

Readers Questions Answered

Q Neurophosは何を発表し、光子AIアクセラレータにおける同社の目標は何ですか?
A Neurophosは、光で演算を行うAIプロセッサの開発を加速させるため、1億1,000万ドルの新規資金調達を発表しました。同社は、大規模言語モデルやその他のニューラルネットワークの消費電力を劇的に削減できる光子アクセラレータの商用化を目指しており、市場を支配するGPU中心のアーキテクチャに挑みます。また、2026年までにスタッフを3倍に増やしながら、研究所の試作品から製品レベルのハードウェアへの移行を計画しています。
Q 光子アクセラレータはどのように機能し、なぜ省エネになる可能性があるのでしょうか?
A 光子アクセラレータは、抵抗加熱を伴わずに移動する光子を利用します。集積フォトニクスは、導波路や光学部品を使用して、干渉、位相シフト、変調を通じて積和演算を実行し、特定のAIワークロードにおける演算あたりの電気エネルギーを削減します。しかし、アナログな性質、ノイズ、精度、および光学演算とデジタルメモリ間の変換などが課題となっています。
Q 光子AIハードウェアのスケーリングにおける主な技術的障害は何ですか?
A 技術的な現実がフォトニクスを制約しています。演算は主にアナログで、ノイズや温度変化に敏感です。学習に必要な精度の達成は容易ではなく、推論においても依然として光学的な結果をデジタルのモデル重みに変換する必要があります。製造面では、大量生産の光チップにおいてエレクトロニクスに遅れをとっており、パッケージングは高価で特注品となるため、ラック規模の導入は純粋な電子設計よりも期間を要し、リスクも高くなります。
Q Neurophosの短期的な製品計画とマイルストーンは何ですか?
A Neurophosは、2026年までにスタッフを増員し、製造ランやテストプラットフォームへの資金提供、プロトタイプから製品レベルのハードウェアへの移行に伴う初期顧客との連携を進める計画です。データセンターでの推論ワークロードを重視しており、光子エンジン、MLフレームワーク向けのソフトウェアプラグイン、および冷却、信頼性、保守性のためのシステムエンジニアリングを並行して進めています。
Q なぜソフトウェアとエコシステムが光子AIにとって課題であり、何が成功を左右するのでしょうか?
A 光子関連のスタートアップは、ソフトウェアスタック、コンパイラツールチェーン、最適化されたライブラリによって強固な堀を築いている既存のGPUエコシステムに直面しています。成功のためには、ハードウェアが既存のプログラミングモデルをサポートするか、明らかに優れたコストパフォーマンスを提供する必要があります。ソフトウェアのギャップを埋めるには、アナログの不完全性を緩和しながら、ニューラルネットワークを光学演算に変換するドライバ、コンパイラ、および数値計算ライブラリが必要となります。

Have a question about this article?

Questions are reviewed before publishing. We'll answer the best ones!

Comments

No comments yet. Be the first!