Chip AI Makin Haus Memori, Volantis Tawarkan Interkoneksi Berbasis Laser

Kabar IT, San Francisco — Startup semikonduktor asal San Francisco, Volantis, mengumumkan pendanaan Seri A sebesar US$88 juta pada Kamis (1/10/2026) untuk mengembangkan arsitektur komputasi AI yang menggunakan teknologi fotonik atau cahaya laser guna menghubungkan chip komputasi dengan memori berkecepatan tinggi.

Pendanaan tersebut dipimpin bersama oleh Lachy Groom dan Abstract Ventures, dengan partisipasi John Doerr, VXI Capital, Triatomic, Susa Ventures, serta sejumlah angel investor termasuk Dwarkesh Patel, Naveen Rao, dan Sholto Douglas.

Dana baru akan digunakan untuk pengembangan dan komersialisasi sistem pertama Volantis, A-1, serta memperluas tim engineering perusahaan.

Volantis membidik salah satu persoalan utama dalam pengembangan chip AI saat ini, yaitu keterbatasan hubungan antara unit pemrosesan seperti GPU dengan chip memori.

Model AI berukuran besar membutuhkan kapasitas memori yang sangat besar sekaligus bandwidth tinggi agar data dapat terus dipasok ke unit komputasi dengan cepat.

Tapa Ghosh, CEO sekaligus Co-founder Volantis, mengatakan perkembangan AI agent membuat kecepatan inference semakin menentukan seberapa cepat pekerjaan dapat diselesaikan.

“Seiring AI agent mengambil lebih banyak pekerjaan, seberapa cepat mereka menyelesaikan pekerjaan itu akan semakin menentukan seberapa cepat perusahaan dapat beroperasi,” kata Ghosh dalam keterangan resmi Volantis.

Menurut Ghosh, perangkat keras AI saat ini masih memaksa perusahaan memilih antara menjalankan model yang sangat besar atau menjalankannya dengan kecepatan tinggi.

“Perangkat keras hari ini memaksa kompromi antara menjalankan model terbesar dan paling canggih dengan menjalankannya secara cepat. Kami mendirikan Volantis untuk menghilangkan kompromi tersebut,” ujarnya.

HBM Jadi Komponen Penting AI

GPU AI modern seperti yang digunakan Nvidia dan AMD umumnya dipasangkan dengan High Bandwidth Memory (HBM).

Jenis memori tersebut mampu memindahkan data dalam jumlah besar dengan kecepatan tinggi sehingga cocok untuk pelatihan maupun inference model AI.

Namun, HBM memiliki keterbatasan dari sisi kapasitas, biaya, dan jarak koneksi listrik antara chip komputasi dengan memori.

Reuters melaporkan keterbatasan jangkauan interkoneksi listrik membuat penambahan memori di sekitar GPU tidak mudah dilakukan dalam skala besar.

Sederhananya, GPU dapat dianalogikan sebagai mesin yang sangat cepat, sementara memori merupakan tempat penyimpanan bahan yang harus terus dipasok ke mesin tersebut.

Jika jalur antara memori dan GPU tidak cukup cepat, kemampuan GPU tidak dapat dimanfaatkan secara maksimal.

Masalah inilah yang sering disebut sebagai AI memory wall atau hambatan memori AI.

Volantis Pakai Cahaya untuk Memindahkan Data

Volantis mencoba mengatasi hambatan tersebut dengan mengganti sebagian koneksi listrik menggunakan interkoneksi optik berbasis cahaya.

Perusahaan menggunakan teknologi Vertical-Cavity Surface-Emitting Laser (VCSEL) untuk mengirimkan data antara chip komputasi dan memori.

Teknologi VCSEL sendiri bukan teknologi yang benar-benar baru dan telah digunakan pada berbagai perangkat konsumen, termasuk sistem pengenalan wajah.

Dengan pendekatan tersebut, Volantis mengembangkan jaringan optik yang dapat menghubungkan banyak chip memori menjadi satu kumpulan memori terpadu.

Reuters melaporkan arsitektur Volantis dirancang agar hingga sekitar 220 chip memori dapat dihubungkan di sekitar sebuah GPU, sehingga kapasitas dan bandwidth memori dapat ditingkatkan secara signifikan dibandingkan pendekatan konvensional.

Volantis menyebut arsitektur fotoniknya menggunakan micro-VCSEL khusus yang memanfaatkan rantai pasok gallium arsenide yang sudah matang.

Pendekatan itu juga dinilai dapat mengurangi ketergantungan pada laser eksternal dan material indium phosphide.

A-1 Bidik Model AI Sangat Besar

Produk pertama Volantis, A-1, dirancang sebagai mesin inference AI dengan kapasitas memori dan bandwidth yang jauh lebih besar.

Perusahaan menargetkan sistem tersebut mampu menjalankan model dengan ukuran lebih dari 20 triliun parameter hingga sekitar 10.000 token per detik per pengguna, sekaligus menekan biaya inference per token.

Volantis menilai kecepatan inference menjadi semakin penting seiring berkembangnya AI agent yang melakukan pekerjaan berlapis, seperti menulis kode, menganalisis dokumen, atau menjalankan serangkaian tugas secara otomatis.

Sebagai contoh, perusahaan menggambarkan AI coding agent yang dapat menyelesaikan pekerjaan dalam dua menit akan memberikan lebih banyak kesempatan bagi developer untuk melakukan pengujian dan iterasi dibandingkan jika pekerjaan yang sama membutuhkan waktu 30 menit.

Tim Berasal dari Nvidia hingga AMD

Tim pendiri Volantis terdiri dari veteran industri semikonduktor dan fotonik yang sebelumnya bekerja di perusahaan seperti Nvidia, AMD, Broadcom, dan Ayar Labs.

Menurut perusahaan, anggota timnya pernah terlibat dalam pengembangan produk CoWoS generasi awal, VCSEL produksi massal, serta sistem co-packaged optics berbasis silicon photonics.

Volantis menargetkan pengiriman mesin inference terintegrasi pertamanya kepada pelanggan pada 2027.

Perusahaan juga berencana mengungkap lebih banyak detail teknis mengenai arsitektur A-1 menjelang tahap komersialisasi.

Pendanaan Volantis datang ketika permintaan terhadap infrastruktur AI terus meningkatkan kebutuhan akan GPU dan memori berkecepatan tinggi.

Micron Technology, misalnya, pada akhir September melaporkan meningkatnya permintaan HBM dari pusat data AI dan bertambahnya komitmen pelanggan jangka panjang untuk chip memori.

Kondisi tersebut membuat persaingan infrastruktur AI tidak lagi hanya berpusat pada kemampuan GPU.

Pergerakan data antara GPU, memori, dan chip lain semakin menjadi faktor penting dalam menentukan kecepatan, efisiensi energi, serta biaya menjalankan model AI berskala besar.