کورنیلیس نیٹ ورکس کی ۲۰۵ ملین ڈالر کی فنڈنگ: اے آئی پروسیسنگ کی سب سے بڑی رکاوٹ دور کرنے کی کوشش

کورنیلیس نیٹ ورکس نے اپنے 'ایکٹو کمپیوٹ فیبرک' ٹیکنالوجی کو تجارتی پیمانے پر متعارف کرانے کے لیے ۲۰۵ ملین ڈالر کا نیا سرمائے کا فنڈ حاصل کر لیا ہے۔ اس ٹیکنالوجی کا بنیادی مقصد ان نیٹ ورک رکاوٹوں کو ختم کرنا ہے جن کی وجہ سے انتہائی طاقتور آرٹیفیشل انٹیلی جنس پروسیسرز (جی پی یوز) ڈیٹا کا انتظار کرتے ہوئے بیکار پڑے رہتے ہیں۔ نیٹ ورک لیئر کے اندر ہی پروسیسنگ صلاحیات شامل کر کے یہ فن تعمیر مرکزی چپ سے بوجھ کم کرتا ہے اور بڑے پیمانے پر اے آئی کلسٹرز کی رفتار تیز کرتا ہے۔

اربوں ڈالر کے ڈیٹا سینٹرز میں چھپی سست روی

جدید آرٹیفیشل انٹیلی جنس ڈیٹا سینٹرز کی دنیا کو ایک ایسے سخت مسئلے کا سامنا ہے جس پر کم ہی بات کی جاتی ہے: دنیا کے مہنگے ترین پروسیسرز اکثر وقت بالکل خاموش بیٹھ کر گزارتے ہیں۔ جب بڑی ٹیک کمپنیاں اور حکومتی اے آئی پروجیکٹس ہزاروں اعلیٰ معیار کے چپ کلسٹرز کو ایک ساتھ جوڑتے ہیں، تو یہ پروسیسرز اکثر پروسیسنگ روک دیتے ہیں۔ وہ اس ڈیٹا کا انتظار کر رہے ہوتے ہیں جو نیٹ ورک سوئچز کی سست رفتاری کی وجہ سے وقت پر نہیں پہنچ پاتا۔

اس فنی رکاوٹ کو کمیونیکیشن باٹل نیک کہا جاتا ہے۔ جب ہزاروں پروسیسرز ایک ساتھ کام کرتے ہیں، تو ۴۵ فیصد تک کمپیوٹنگ صلاحیت محض ڈیٹا کے موصول ہونے کے انتظار میں ضائع ہو جاتی ہے۔ مہنگے ترین پروسیسرز سے بھرے ریک جب ادھوری صلاحیت پر چلتے ہیں تو اس سے نہ صرف بجلی ضائع ہوتی ہے بلکہ اربوں ڈالر کے سرمائے کا نقصان بھی ہوتا ہے۔

کورنیلیس نیٹ ورکس اس مسئلے کا حل پیش کر رہا ہے۔ کمپنی کی ۲۰۵ ملین ڈالر کی نئی فنڈنگ سے ایکٹو کمپیوٹ فیبرک کی تیاری اور فروخت تیز کی جائے گی، جو کہ عام نیٹ ورک کیبلز اور سوئچز کو متحرک کمپیوٹنگ آلات میں بدل دیتا ہے۔

ایکٹو کمپیوٹ فیبرک پروسیسنگ کی رفتار کیسے بڑھاتا ہے؟

روایتی نیٹ ورکنگ ڈیوائسز صرف ڈیٹا کی نقل و حمل کا کام کرتی ہیں۔ عام سوئچز ڈیٹا پیکٹس کو ایک پروسیسر سے اٹھاتے ہیں اور دوسرے پروسیسر تک پہنچاتے ہیں، جہاں مرکزی پروسیسر کو خود اس ڈیٹا کو کھولنا اور ترتیب دینا پڑتا ہے۔ اس عمل کے دوران، مرکزی چپ اپنا بنیادی کام روک کر انتظار کرنے پر مجبور ہوتی ہے۔

ایکٹو کمپیوٹ فیبرک اس طریقے کو بالکل بدل دیتا ہے۔ ڈیٹا کے سفر کے دوران ہی نیٹ ورک ہارڈویئر کے اندر ڈیٹا کی ترتیبات اور ریاضیاتی حساب کتاب مکمل کر لیا جاتا ہے۔

اس جدید طریقے سے مرکزی پروسیسرز پر ڈیٹا کا اضافی بوجھ ختم ہو جاتا ہے۔ پروسیسرز کو پہلے سے تیار شدہ اور منظم ڈیٹا ملتا ہے جس سے ان کی کام کرنے کی صلاحیت مسلسل قائم رہتی ہے۔ ڈیٹا سینٹر چلانے والی کمپنیوں کے لیے نیٹ ورک کی اس کارکردگی کا مطلب یہ ہے کہ وہ کم پروسیسرز کے ساتھ بھی وہی کام لے سکتی ہیں جو پہلے ہزاروں اضافی چپس کے ساتھ ممکن تھا۔

انٹرکنیکٹ اجارہ داری کا خاتمہ

پچھلے چند سالوں سے انڈسٹری پر ایک ہی بڑی کمپنی کا قبضہ رہا ہے، جس نے نہ صرف پروسیسرز بلکہ ان کو جوڑنے والے نیٹ ورک سسٹم (انفینی بینڈ اور این وی لنک) پر بھی اپنا اجارہ قائم کر رکھا تھا۔ جو کمپنیاں وہ چپس خریدتی تھیں، انہیں مجبوراً وہی نیٹ ورک ہارڈویئر بھی خریدنا پڑتا تھا۔

اس اجارہ داری نے ایک طرف جہاں ڈیٹا سینٹرز کی لاگت میں بے پناہ اضافہ کیا، وہاں دوسری طرف متبادل ٹیکنالوجیز کے راستے بھی بند کیے۔ کورنیلیس نیٹ ورکس ایک کھلے معیار (اوپن اسٹینڈرڈ) پر مبنی ٹیکنالوجی لا رہا ہے جو اس اجارہ داری کو توڑتی ہے۔ یہ فیبرک عام انڈسٹری معیارات جیسے پی سی آئی ای (PCIe) اور ایتھرنیٹ کے ساتھ مکمل مطابقت رکھتا ہے۔

خلیجی ممالک کے حکومتی ڈیٹا سینٹرز سے لے کر یورپ اور ایشیا کے آزاد کلاؤڈ فراہم کنندگان تک، تمام ادارے اب ایسے کھلے ہارڈویئر کی تلاش میں ہیں جو انہیں کسی ایک سپلائر کا محتاج نہ بنائیں۔ نیٹ ورک لیئر کو مخصوص چپ مینوفیکچررز سے آزاد کر کے کورنیلیس نیٹ ورکس ڈیٹا سینٹر ڈیزائنرز کو اپنی مرضی کے سسٹمز بنانے کا موقع فراہم کر رہا ہے۔

اکثر پوچھے گئے سوالات

What is Cornelis Networks' Active Compute Fabric and what problem does it solve?

Active Compute Fabric is a specialized networking infrastructure that embeds data processing routines directly within network switches and interconnect lines. This design solves the primary AI compute bottleneck by preventing expensive GPUs from idling while waiting for raw data transfers.

How much funding did Cornelis Networks raise in this round?

Cornelis Networks successfully secured $205 million in new growth capital. The investment will fund the commercial expansion, engineering development, and market distribution of its Active Compute Fabric hardware.

Why is networking bandwidth critical for modern artificial intelligence training?

Large artificial intelligence models require thousands of linked graphics processors working in synchronization, making overall system performance dependent on how fast data moves between chips. Slow network connections bottleneck compute power, wasting energy and extending costly model training cycles.