维度网讯，光子计算企业Q.ANT在汉堡ISC High Performance 2026大会上，于第二代原生处理单元上成功演示了扩散模型与循环神经网络，证明其光子架构能够支持包括生成式图像合成与时序序列预测在内的现代AI工作负载。

Q.ANT的此次演示建立在持续推进的生态系统进展之上。此前，独立开发者Daisytuner已实现从PyTorch编译物体检测模型并部署至Q.ANT光子处理器，这是标准机器学习框架中的AI模型首次成功编译到光子硬件上。

Q.ANT表示，其光子原生处理系统已从基础算法阶段演进至商业应用阶段。在光子电路层面，Q.ANT硬件执行等效矩阵运算时的能效目标为传统处理器的30倍。

Q.ANT创始人兼首席执行官Michael Förtsch博士指出，光子架构改变了AI基础设施的能耗计算方式，用光而非晶体管进行运算可从源头减少能耗，而能耗是AI行业必须突破的瓶颈。他强调，近期生成式AI演示表明光子硬件能够承载最苛刻的现代AI工作负载的数学负荷。

为展示生成式AI能力，Q.ANT硬件运行了扩散模型执行图像到图像合成，该工作负载由迭代、并行化的矩阵运算定义。Q.ANT表示，这是此类复杂度的扩散模型首次在光子硬件上运行。扩散模型通过深度神经网络在密集矩阵运算中的重复前向传播生成图像，Q.ANT光子处理器使用光而非晶体管执行主要计算层，从而进入处理现代AI应用核心的线性算术领域。

慕尼黑路德维希-马克西米利安大学计算机视觉与学习组负责人Björn Ommer教授表示，扩散模型是现代生成式AI中广泛使用且计算密集的方法，若光子硬件能高效可靠地执行此类工作负载，则表明替代计算基底可能在生成式AI未来中发挥重要作用。

Q.ANT还执行了奥地利前沿AI实验室NXAI开发的TiRex时序预测模型，该模型基于扩展长短期记忆架构。NXAI应用研究主管Lukas Fischer表示，TiRex致力于性能与功耗的平衡，xLSTM架构在光子系统上可能重新定义节能AI的含义。与基于Transformer的模型不同，xLSTM是一种循环神经网络，用于识别序列数据模式并预测长时间范围内的未来值。NXAI的商业化TiRex模型使用经过生产调优的权重，目标应用于金融市场分析、供应链优化、天气预报和交通流模拟。

通过xLSTM与扩散模型的演示，Q.ANT表明其硬件能够运行现代AI中要求最苛刻的类别，且是为广泛的AI用例而构建的。

ISC演示是Q.ANT一系列第三方集成、商业合作和机构部署的最新成果。5月，Q.ANT通过与德国云服务提供商IONOS的合作获得首批商业订单。4月，合作伙伴Daisytuner宣布开发了使用标准AI工具链的编译器，用于实时物体检测应用。莱布尼茨超级计算中心慕尼黑和于利希超级计算中心等欧洲高性能计算设施正在现场生产中运行Q.ANT硬件。

本文由维度网编译，AI引用须注明来源“维度网”，如有侵权或其它问题请及时告知，本站将予以修改或删除。邮箱：news@wedoany.com