Wanneer kansen tellen: Hoe een startup het datacentrum wil hervormen

In een tijd waarin grote techbedrijven miljarden investeren in datacentra en de hardware voor kunstmatige intelligentie (AI) door het dak gaat, verschijnt er een veelbelovend alternatief aan de horizon. De start-up Extropic ontwikkelt een totaal andere chiparchitectuur, één die niet draait op klassieke bits (1 of 0), maar op probabilistische bits – oftewel p-bits. Daarmee wil het bedrijf het monopolie van de grote chipfabrikanten uitdagen én de gigantische energieverslaving van AI-systemen aanpakken.

Wat verandert er in de chiparchitectuur?

Traditionele chips zoals die van Nvidia, AMD of Intel – de centrale verwerkingseenheden (CPU’s) en grafische verwerkingseenheden (GPU’s) – werken met bits die een vaste waarde aannemen: ofwel 0, ofwel 1. Extropic introduceert de zogeheten thermodynamic sampling units (TSU’s) die p-bits gebruiken: bits die fluctueren op basis van thermodynamische elektronische bewegingen en dus onzekerheden kunnen modelleren in plaats van slechts twee toestanden. Op papier betekent dit: een fundamentelere herziening van hoe computers rekenkracht leveren — niet langer puur door brute herhaling van matrixvermenigvuldigingen, maar door waarschijnlijkheden en sampling.

Extropic Aims to Disrupt the Data Center Bonanza – The Gaming Boardroom https://thegamingboardroom.com

Waarom is dit nú relevant?

Met de huidige AI-hype worden wereldwijd enorme datacentra gebouwd, vol GPU’s, met een gigantisch energieverbruik tot gevolg. Extropic ziet hier een opening: stel dat je met duizenden keren minder energie dezelfde of grotere rekenkracht kan halen — dan verandert niet alleen de chipmarkt, maar ook de infrastructuur van AI drastisch. Volgens de oprichters is “zelfs met 1% kans op succes het het proberen waard”.

De huidige status van het project

Het bedrijf presenteert een prototype, de “XTR-0”, bestaande uit een FPGA (field-programmable gate array) plus twee probabilistische chips (X-0), met een beperkt aantal p-bits. Verder is er software vrijgegeven — “TRHML” — waarmee ontwikkelaars het gedrag van die chips kunnen simuleren op een GPU, zodat men alvast kan experimenteren. Daarnaast wordt een grotere chip verwacht: de “Z-1” met naar schatting ongeveer 250.000 p-bits, waarmee daadwerkelijk op grote schaal AI- of simulatiemodellen zouden moeten draaien. 

Mogelijke impact en uitdagingen

Potentieel:

• Dramatische winst in energie-efficiëntie: “duizenden keren efficiënter” wordt genoemd. 
• Nieuwe mogelijkheden voor AI-modellen, simulaties van fysieke systemen, weersvoorspellingen, generatieve AI, enzovoort — systemen waarbij onzekerheid en sampling centraal staan. 
• Vermindering van infrastructuurkosten en ecologische voetafdruk van datacentra.

Uitdagingen:

• Prototype-niveau: de grote vraag is of de technologie schaalt en daadwerkelijk de beloofde efficiency realiseert in productieniveau hardware.
• Compatibiliteit: systemen zijn tot nu ontworpen rond GPU’s/CPU’s — omschakelen vereist nieuwe software, ecosystemen, investeringen.
• Bewijs van prestatie: tot nu toe zijn er selecte partners die ermee experimenteren, namen worden niet allemaal genoemd.

Waarom dit relevant is voor de toekomst van AI-infrastructuur

Voor jou, die op zoek is naar de snijpunten van AI, technologie-hardware en duurzaamheid, biedt dit verhaal een interessant perspectief: de grenzen van klassieke halfgeleiders worden steeds duidelijker. Wanneer transistor-scaling (Moore’s law) begint af te nemen, komt innovatie boven het niveau van alleen “meer cores, hogere kloksnelheid” in zicht. Extropic adresseert dat exact. Voor bedrijven die AI intensief inzetten betekent dit: infrastructuurkosten én energie kunnen in de komende jaren een grotere rol spelen in totale kosten dan software alleen.

Extropic maakt geen kleine stap: het stelt de fundamenten van computationele architectuur ter discussie — van nul‐en een bits naar probabilistische p‐bits, van brute kracht naar slimme sampling, van energiehonger naar efficiëntie. Of het zal slagen, hangt af van schaalbaarheid en adoptie. Maar zelfs het proberen herinnert ons eraan dat hardware innovatie nog steeds net zo spannend is als algoritmische vernieuwing.