Computer bằng ánh sáng đã tồn tại ngoài phòng lab: Bước tiếp theo có thể đơn giản hơn nhiều — cho developer viết Python lên nó

Photonic computing không còn chỉ là những thí nghiệm đặt trên bàn quang học. Bộ xử lý của Q.ANT đã được đưa vào các trung tâm tính toán hiệu năng cao ở Đức để chạy cùng CPU và GPU. Nhưng phần cứng chỉ giải quyết một nửa bài toán. Nếu muốn một kiến trúc mới được sử dụng rộng rãi, developer phải có cách lập trình nó mà không cần trở thành chuyên gia photonics.

Ngày 23/9/2026, Q.ANT phát hành bộ Native Computing Toolkit dưới giấy phép Apache 2.0. SDK cung cấp API cho Python và C/C++, tài liệu, các ví dụ mẫu và một backend chạy trên CPU để developer có thể viết và kiểm tra chương trình ngay cả khi chưa có phần cứng quang tử. Theo Q.ANT, đây là SDK mã nguồn mở đầu tiên cho phép lập trình trực tiếp một photonic processor thương mại.

Điểm mới nghe có vẻ ít ngoạn mục hơn một chip tính toán bằng ánh sáng. Nhưng lịch sử phần cứng cho thấy chính lớp phần mềm thường quyết định một kiến trúc có thoát khỏi phòng lab hay không. GPU chỉ trở thành nền tảng tính toán phổ biến khi developer không còn phải nghĩ về từng transistor hay từng mạch xử lý đồ họa. Q.ANT đang thử làm điều tương tự với photonic computing: để người dùng nhìn thấy một hàm Python, còn phía dưới là ánh sáng thực hiện một phần phép tính.

Đây không phải CPU bằng ánh sáng

Trước hết cần tách photonic accelerator khỏi hình dung về một chiếc máy tính thay CPU hoàn toàn bằng photon. Hệ của Q.ANT là một co-processor: nó nằm trong một server x86 thông thường, kết nối qua PCIe và nhận những phép toán phù hợp với kiến trúc quang tử. CPU và các thành phần điện tử vẫn chịu trách nhiệm cho phần còn lại của chương trình.

Q.ANT gọi phần cứng này là Native Processing Unit, hay NPU. Chip quang tử của hãng dùng thin-film lithium niobate, một vật liệu có thể điều khiển tín hiệu ánh sáng nhanh bằng điện trường. Theo thông số của hãng, NPU thế hệ hai có throughput 8 GOPS cho các phép toán mục tiêu, tiêu thụ 150 W và giao tiếp với host qua PCIe Gen4 x8. Những con số này không nên so trực tiếp với FLOPS của GPU, vì hai kiến trúc không thực hiện cùng loại phép toán theo cùng cách.

Leibniz Supercomputing Centre (LRZ) tại Munich đã thử nghiệm hai thế hệ NPU của Q.ANT trong môi trường HPC thực tế. LRZ cho biết thế hệ hai đạt throughput cho phép nhân ma trận cao hơn hơn 50 lần, inference ResNet-18 nhanh hơn 25 lần và dùng ít năng lượng hơn sáu lần so với NPU thế hệ đầu. Đây là so sánh giữa hai thế hệ phần cứng Q.ANT, không phải một tuyên bố rằng NPU đã nhanh hơn GPU 25 hay 50 lần.

“Viết Python cho máy tính ánh sáng” thực sự nghĩa là gì?

SDK mới không nhận một chương trình Python bất kỳ rồi tự động dịch toàn bộ nó thành photon. API hiện tại đưa ra một tập các phép toán mà NPU biết thực hiện: nhân ma trận tuyến tính, nhân từng phần tử, convolution, pooling, ReLU, sigmoid, softmax và một số hàm phi tuyến đặc thù của phần cứng. Developer truyền NumPy array vào các hàm này; runtime chịu trách nhiệm đưa phần việc tương ứng xuống NPU.

Điều đó khiến trải nghiệm gần với cách một lập trình viên gọi thư viện tăng tốc hơn là viết code cho một kiến trúc hoàn toàn mới từ đầu. Tài liệu Python của Q.ANT thậm chí dùng những khái niệm quen thuộc như linear forward propagation, convolution hay pooling. Nhiều hàm nhận dữ liệu ở định dạng bfloat16, vốn đã quen thuộc trong machine learning.

Nhưng abstraction chưa hoàn toàn che đi phần cứng. Tài liệu SDK lưu ý rằng buffer đưa vào NPU nên được căn theo page 4.096 byte; nếu không, runtime phải tạo thêm một bản sao dữ liệu và hiệu năng có thể giảm. Đây là một chi tiết nhỏ nhưng đáng nói: photonic computing đã có API Python, song developer vẫn đang làm việc với một accelerator mới, chưa phải một môi trường trong suốt như CPU phổ thông.

Bạn có thể bắt đầu mà chưa cần sở hữu photonic processor

Phần thực dụng nhất của SDK là CPU backend. Repository chính thức có một cấu hình standalone cho phép build và chạy toolkit mà không cần driver hay phần cứng Q.ANT. Developer có thể thử API, kiểm tra hình dạng dữ liệu và phát triển ứng dụng trên laptop trước khi có quyền truy cập NPU.

Điểm này giải quyết một bài toán quen thuộc của mọi kiến trúc phần cứng non trẻ: rất ít người có thiết bị, nên rất ít người viết phần mềm; vì ít phần mềm, lại càng ít lý do để mua thiết bị. Backend mô phỏng giúp tách hai quá trình đó. Một nhóm có thể bắt đầu phát triển hôm nay, còn bước chạy trên hardware được để lại cho khi họ có quyền truy cập server Q.ANT.

Q.ANT cho biết sẽ mở quyền truy cập phần cứng qua cloud cùng IONOS trong những tháng tới, bên cạnh các hệ thống cài tại chỗ. Hiện tại, NPU đã được triển khai tại LRZ và Jülich Supercomputing Centre; công ty cũng đã trình diễn diffusion model và mạng recurrent trên NPU thế hệ hai tại ISC High Performance 2026. Trước đó, Daisytuner đã biên dịch một mô hình object detection từ PyTorch sang phần cứng Q.ANT.

Tại sao phần mềm có thể quan trọng hơn thêm một benchmark?

Photonic computing thường được trình bày bằng các ưu thế vật lý: ánh sáng có băng thông cao, có thể song song hóa nhiều kênh và không chịu đúng các giới hạn điện trở–điện dung giống dây dẫn điện tử. Nhưng một datacenter không mua “tính chất của ánh sáng”. Nó mua một hệ thống có thể chạy workload, đo được hiệu năng, tích hợp vào toolchain và được developer sử dụng.

Đó là lý do một API Python có thể quan trọng hơn vẻ ngoài của nó. Khi một developer có thể gọi photonic hardware bằng những cấu trúc dữ liệu và ngôn ngữ đã quen thuộc, chi phí thử nghiệm giảm xuống. Khi có backend CPU, người viết code không cần chờ có thiết bị. Và khi repository mở mã nguồn, phần interface không còn bị khóa hoàn toàn trong một demo do nhà sản xuất kiểm soát.

Tuy vậy, còn một khoảng cách lớn từ SDK tới một ecosystem trưởng thành. Toolkit hiện mới có một tập operation giới hạn. PyTorch integration vẫn đang ở giai đoạn phát triển, và không phải mọi workload đều phù hợp với analog photonic computing. Việc chuyển dữ liệu giữa CPU, bộ nhớ và NPU cũng có thể ăn vào lợi thế mà phần lõi quang tử đạt được. Đó là lý do benchmark toàn hệ thống quan trọng hơn benchmark riêng optical core.

Nút thắt tiếp theo không còn chỉ nằm ở vật lý

Q.ANT gọi đợt phát hành SDK này là một “Linux moment” cho photonic computing. Cách ví von đó là tham vọng của chính công ty, chưa phải trạng thái của thị trường. Một repository mới với vài chục star chưa tạo thành một hệ sinh thái phần mềm.

Nhưng hướng đi thì rõ. Khi photonic processor còn là thiết bị lab, câu hỏi lớn là liệu ánh sáng có thực hiện phép toán đủ ổn định và hiệu quả hay không. Khi phần cứng đã được đưa vào rack server và chạy bên cạnh CPU/GPU, câu hỏi chuyển sang một tầng ít hào nhoáng hơn: compiler có tốt không, API có dễ dùng không, framework có hỗ trợ không, workload nào thật sự có lợi và developer có lý do để viết phần mềm cho nó hay không.

Nếu photonic computing tiến thêm một bước, có thể bước đó sẽ không đến từ một mạch quang học kỳ lạ hơn. Nó có thể bắt đầu bằng một thứ quen thuộc hơn nhiều: một file Python.