AI डेटा सेंटरों की नई दौड़: Hollow-Core Fiber से भूगोल की सीमा घटाने की कोशिश

AI डेटा सेंटरों की चुनौती अब केवल यह नहीं रह गई है कि कितने GPU लगाए जा सकते हैं। सवाल यह भी है कि उन GPU को कहाँ लगाया जाए। बिजली की कमी, ग्रिड से जुड़ने में लंबा इंतज़ार, ज़मीन की उपलब्धता, परमिट और स्थानीय राजनीतिक विरोध कई ऑपरेटरों को एक ही विशाल कैंपस बनाने से रोक सकते हैं। ऐसे में कंप्यूटिंग क्षमता को कई साइटों पर बाँटना पड़ सकता है।

Relativity Networks इसी बदलाव पर दाँव लगा रही है। कंपनी का ChronoCore प्लेटफ़ॉर्म hollow-core fiber का इस्तेमाल करता है, जिसमें प्रकाश पारंपरिक फाइबर की तरह ठोस काँच के भीतर नहीं, बल्कि हवा से भरे खोखले केंद्र से गुजरता है। Relativity के अनुसार, इससे propagation delay लगभग 3.4–3.5 माइक्रोसेकंड प्रति किलोमीटर रह सकता है, जबकि सामान्य फाइबर में यह करीब 5 माइक्रोसेकंड प्रति किलोमीटर होता है। 1618

मुख्य विचार: दूरी को कम बाधा बनाना

फाइबर किसी भी दो डेटा सेंटर के बीच की वास्तविक दूरी को समाप्त नहीं करता। लेकिन वह उस दूरी को पार करने में लगने वाला समय कम कर सकता है। यह अंतर तब महत्वपूर्ण हो जाता है, जब कोई AI workload कई GPU pools में बाँटा गया हो और वे बार-बार एक-दूसरे के साथ डेटा साझा कर रहे हों।

Relativity का प्रमुख उपयोग-क्षेत्र डेटा सेंटरों के बीच कनेक्टिविटी है। कंपनी के अनुसार, उसका केबल AI सुविधाओं को जोड़ने के लिए 24 low-latency pathways उपलब्ध कराता है। Relativity यह भी कहती है कि समान latency पर hollow-core fiber डेटा को पारंपरिक फाइबर की तुलना में लगभग 1.5 गुना अधिक दूरी तक पहुँचा सकता है। 1424

व्यावहारिक रूप से इसका अर्थ यह है कि किसी ऑपरेटर को tightly coupled AI system के लिए केवल एक ही लगातार फैले हुए मेगा-कैंपस पर निर्भर नहीं रहना पड़ेगा। वह बिजली और विकास की बेहतर स्थितियों वाली कई साइटों की क्षमता को संभावित रूप से एक साझा सिस्टम में जोड़ सकता है।

AI workloads में कुछ माइक्रोसेकंड क्यों मायने रखते हैं?

सामान्य इंटरनेट या डेटा ट्रांसफर में कुछ अतिरिक्त माइक्रोसेकंड अक्सर बड़ी समस्या नहीं होते। लेकिन जब AI training या inference कई इमारतों अथवा कैंपस में फैला हो और लगातार synchronization की ज़रूरत हो, तो हर लिंक की propagation delay जुड़ती जाती है।

Relativity का दावा है कि फाइबर की propagation delay घटाकर distributed training और inference को बड़े भौगोलिक क्षेत्र में भी बेहतर तालमेल के साथ चलाया जा सकता है। 110 कंपनी इसे इस विचार के रूप में पेश करती है कि “भूगोल कंप्यूटर का हिस्सा बन रहा है”—नेटवर्क सिर्फ अलग-अलग सुविधाओं को जोड़ नहीं रहा, बल्कि यह भी तय करने में मदद कर रहा है कि वे सुविधाएँ कितनी दूर रहकर एक coordinated AI factory की तरह काम कर सकती हैं। 1718

हालाँकि, तेज़ फाइबर अकेले कई डेटा सेंटरों को एक ही क्लस्टर में नहीं बदल देता। End-to-end performance पर switches, transceivers, network topology, software, workload का व्यवहार और नेटवर्क के हर दूसरे latency स्रोत का असर पड़ता है। Hollow-core fiber समस्या की केवल एक परत—ऑप्टिकल लिंक में propagation time—को संबोधित करता है।

“50% तेज़” दावे को कैसे समझें?

कई रिपोर्टों में hollow-core fiber को पारंपरिक फाइबर से लगभग 50% तेज़ बताया गया है। 2 Relativity की अपनी सामग्री में यह लाभ करीब 47% बताया गया है। कंपनी ChronoCore के लिए लगभग 3.4 माइक्रोसेकंड प्रति किलोमीटर और समान दूरी पर करीब 32% कम latency का आंकड़ा देती है। 18

इन प्रतिशतों को एक ही अर्थ में नहीं पढ़ना चाहिए। यदि propagation delay 5 से घटकर 3.5 माइक्रोसेकंड प्रति किलोमीटर हो, तो one-way delay में कमी 30% होती है। इसी सरल तुलना में propagation speed लगभग 43% बढ़ती है। इसलिए सटीक प्रतिशत इस बात पर निर्भर करता है कि तुलना किस baseline और measurement से की जा रही है।

इस कहानी का टिकाऊ बिंदु headline percentage नहीं, बल्कि यह संभावना है कि हवा-आधारित optical medium सुविधाओं के बीच उपयोगी दूरी बढ़ा सकता है। Optics.org के अनुसार, जहाँ सामान्य फाइबर के साथ latency के कारण डेटा सेंटरों के बीच करीब 60 किलोमीटर की सीमा मानी जा सकती है, वहीं Relativity अपने समाधान के लिए लगभग 90 किलोमीटर तक की पहुँच की तुलना करती है। किसी वास्तविक AI workload के लिए उपयोगी दूरी पूरे सिस्टम के design पर निर्भर करेगी। 24

$22 मिलियन की फंडिंग से अधिक महत्वपूर्ण क्यों हो सकता है $40 मिलियन का ऑर्डर?

Relativity Networks ने $22 मिलियन की SAFE-note फंडिंग की घोषणा की है। SAFE यानी “Simple Agreement for Future Equity”—ऐसा समझौता जिसमें निवेश आम तौर पर भविष्य की किसी priced financing में equity में बदलता है। इसलिए इसे पारंपरिक valuation वाली equity round के बजाय शुरुआती चरण की growth capital के रूप में देखना अधिक उचित है। 2

इसके अलावा कंपनी को एक अनाम hyperscaler से $40 मिलियन का follow-on ऑर्डर मिला है। रिपोर्टों के अनुसार, इस cloud operator ने inter-data-center connectivity के लिए ChronoCore का परीक्षण करने के बाद यह ऑर्डर दिया। इससे संकेत मिलता है कि कम-से-कम एक बड़े cloud operator ने तकनीक को शुरुआती laboratory या evaluation stage से आगे deployable infrastructure के रूप में देखा। 113

फिर भी यह व्यापक adoption का प्रमाण नहीं है। ग्राहक का नाम सार्वजनिक नहीं किया गया है। ऑर्डर का deployment schedule, परीक्षण के विस्तृत technical results और इससे समर्थित infrastructure की मात्रा भी सामने नहीं आई है। इसलिए $40 मिलियन का आंकड़ा commercial interest का संकेत है, यह गारंटी नहीं कि hollow-core fiber जल्द ही conventional fiber का मानक विकल्प बन जाएगी।

AI इंफ्रास्ट्रक्चर में हो रहा बड़ा बदलाव

Relativity जिस समस्या को लक्ष्य बना रही है, वह GPU के बाहर की समस्या है: पर्याप्त बिजली और निर्माण योग्य जगह कहाँ मिलेगी? कंपनी की सामग्री और उद्योग कवरेज के अनुसार, AI ऑपरेटर उपलब्ध बिजली और व्यवहार्य साइटों की तलाश में infrastructure को भौगोलिक रूप से अलग-अलग कैंपस में बाँट रहे हैं। 1627

इससे नेटवर्क की भूमिका बदल जाती है। पारंपरिक डेटा सेंटर में नेटवर्क मुख्यतः एक सीमित परिसर के भीतर मशीनों को जोड़ता है। Distributed AI buildout में interconnect यह प्रभावित कर सकता है कि अलग-अलग सुविधाएँ एक ही सिस्टम का हिस्सा बनने के लिए पर्याप्त रूप से करीब हैं या नहीं।

इसी कारण hollow-core fiber को “geographic-enablement layer” के रूप में पेश किया जा रहा है। यह ऑपरेटरों को एक ऐसी एकल साइट का इंतज़ार करने के बजाय कई power-feasible locations से compute जोड़ने का विकल्प दे सकता है, जहाँ पर्याप्त बिजली, ज़मीन, grid access और राजनीतिक समर्थन एक साथ मिलना कठिन हो।

घोषणा क्या बताती है—और क्या नहीं?

यह घोषणा AI उद्योग की एक व्यापक दिशा की ओर इशारा करती है। जैसे-जैसे AI systems बड़े हो रहे हैं, कंपनियाँ केवल compute density और internal networking को optimize नहीं कर रहीं; वे पूरे सिस्टम के physical geography को भी optimize कर रही हैं।

$22 मिलियन की फंडिंग Relativity को production बढ़ाने में मदद कर सकती है, जबकि $40 मिलियन का follow-on order बताता है कि कम-से-कम एक गंभीर hyperscaler ने hollow-core approach का मूल्यांकन किया है। 34 तकनीकी proposition सीधा है: propagation delay घटाने से भौगोलिक रूप से बँटी GPU capacity को अधिक व्यवहार्य बनाया जा सकता है।

लेकिन असली परीक्षा deployment में होगी। Manufacturing scale, लागत, reliability, installation complexity और वास्तविक distributed AI workloads पर end-to-end performance के सार्वजनिक प्रमाण अभी सीमित हैं। इसलिए ChronoCore को फिलहाल AI डेटा सेंटरों के बदलते geographic constraints पर एक महत्वपूर्ण infrastructure bet के रूप में समझना चाहिए—न कि इस दावे के रूप में कि फाइबर तकनीक ने AI डेटा सेंटरों की पूरी भौगोलिक समस्या हल कर दी है।