Fotonski AI čipovi i šta znače za fabrike u Srbiji

Nvidia je danas “default” odgovor kad neko kaže: AI infrastruktura. Ali to je tačno samo dok prihvatamo jednu pretpostavku — da će se veštačka inteligencija uglavnom vrteti oko klasičnih elektronskih čipova (GPU-ova) i sve većih data centara koji gutaju struju i hlađenje.

Vesti iz Kine o fotonskom AI čipu LightGen, koji koristi svetlost (fotone) umesto električnih impulsa za obradu, guraju industriju u drugi pravac. Ne zato što će sutra zameniti GPU u svakoj server sali, već zato što otvaraju ozbiljno pitanje: šta ako sledeći talas produktivnosti u AI-u dođe iz hardvera, a ne iz modela?

Za temu serijala „Kako veštačka inteligencija transformiše proizvodnju i industriju u Srbiji“ to nije akademska rasprava. Ovo direktno utiče na troškove vizuelne kontrole kvaliteta, prediktivno održavanje, lokalnu (edge) automatizaciju i brzinu kojom domaće fabrike mogu da uvedu AI bez “računa za struju” koji ubija ROI.

Šta je LightGen i zašto fotonika menja računicu

LightGen je fotonski AI čip: informacije obrađuje svetlošću, a ne elektronom. To u praksi znači potencijalno manje zagrevanje, manji gubici energije i veći protok podataka u određenim tipovima računanja.

Klasični čipovi (GPU/CPU) imaju vrlo realna fizička ograničenja: toplota, potrošnja energije i uska grla u prenosu podataka kroz memorijsku hijerarhiju. AI opterećenja (posebno veliki modeli i obrada slike/video) pogoršavaju te probleme jer traže ogromne količine paralelnog računanja.

Fotonski pristup obećava tri stvari koje su industriji bitnije od “wow” efekta:

1. Energetska efikasnost: manje toplote = manje hlađenja i manji operativni troškovi.
2. Brzina i protok: fotoni mogu da nose više informacija kroz iste “kanale” u nekim arhitekturama.
3. Novi dizajn data centara: ako se deo AI računanja prebaci na fotoniku, menja se način planiranja infrastrukture.

U izvornoj vesti se naglašava da je LightGen još u ranoj fazi i da komercijalizacija nije izvesna kratkoročno. To je realno. Ali za proizvođače u Srbiji, poenta nije “kupujemo sutra” — poenta je da se pripremimo za svet u kom AI računanje postaje dostupnije, jeftinije po jedinici posla i bliže proizvodnoj liniji.

Zašto je ovo važno za proizvodnju u Srbiji (ne samo za data centre)

Najskuplji deo industrijskog AI projekta često nije model, već infrastruktura i održavanje. Kad firma krene u vizuelnu kontrolu kvaliteta, tipičan put izgleda ovako: kamere → industrijski PC → GPU server → mreža → skladištenje → monitoring.

Gde pucaju projekti?

• račun za struju i hlađenje (posebno ako se sve radi centralno)
• latencija (ako je odluka “da/ ne” udaljena od linije)
• održavanje (driveri, kompatibilnost, zamene GPU-ova, dostupnost)

Fotonski čipovi, ako se pokažu stabilnim, guraju industriju ka modelu gde više AI obrade ide na “edge” (bliže mašinama), a manje u centralni data centar.

Primer iz proizvodnje: kontrola kvaliteta u realnom vremenu

Ako imate liniju gde se proizvod kreće brzinom koja ne trpi zadržavanje, vizuelna kontrola kvaliteta mora da donese odluku u milisekundama.

• Centralizovana obrada: šaljete video stream na server → analizirate → vraćate odluku.
• Edge obrada: analizirate odmah pored linije → izbacujete škart odmah.

U praksi, edge obrada smanjuje:

• količinu prenetih podataka (manje mrežnog opterećenja)
• latenciju (brže reakcije)
• rizik zastoja zbog mreže

Ako fotonska obrada donese bolji odnos performansi i potrošnje, edge postaje još lakši za finansiranje.

Prediktivno održavanje: AI koji ne “pojede” budžet

Prediktivno održavanje (vibracije, temperatura, zvuk, potrošnja) je odličan kandidat za lokalnu analitiku. Ali firme često odustanu kad vide cenu hardvera i implementacije.

Hardver koji troši manje i greje manje otvara prostor da se AI “spusti” na:

• pojedinačne CNC mašine
• kompresorske stanice
• pakere i etiketerke
• transportne trake i reduktore

Stav: Ko god u Srbiji danas pravi AI projekte kao da je 2019. (sve centralno, sve na GPU serveru), plaća više nego što mora.

Globalna hardverska trka i šta to znači za nabavku i rizik

Vest o LightGen-u je i geopolitička. Kina godinama radi na smanjenju zavisnosti od zapadnih poluprovodnika, a sankcije i ograničenja izvoza su ubrzale domaći razvoj. Rezultat: ne takmiče se samo kompanije, već države i blokovi.

Za industriju u Srbiji to znači praktične stvari:

1) Planirajte dobavljački rizik kao deo AI strategije

Ako vam je cela automatizacija kontrole kvaliteta vezana za jednu klasu GPU-ova i jednog dobavljača, izloženi ste:

• cenovnim skokovima
• rokovima isporuke
• promenama licenciranja
• kompatibilnosti softvera

Bolji pristup: dizajnirajte AI sistem tako da je prenosiv:

• modeli koji rade na više akceleratora
• standardizovani interfejsi (npr. kontejnerizacija, jasno definisani API-ji)
• opcija da deo obrade ide na edge uređaje

2) Nemojte čekati “savršen čip” da biste krenuli

Fotonski čipovi su obećanje, ali vrednost je već danas u tome da firmi postavite infrastrukturu i procese:

• prikupljanje i označavanje podataka (quality dataset)
• integracija sa PLC/SCADA/MES
• definisanje KPI-jeva: škart, OEE, zastoji, reklamacije

Kad hardver dođe, bićete spremni. Ako čekate, bićete kasno.

Gde fotonski AI može najbrže da “klikne” u industriji

Fotonski čipovi neće prvo osvojiti sve, već specifične AI zadatke. Najrealniji kandidati u proizvodnji su oni koji traže masivnu paralelizaciju i rade na velikim matricama i signalima.

Vizuelna inspekcija (2D/3D)

• detekcija ogrebotina, pukotina, poroznosti
• merenje tolerancija (uz 3D kamere)
• kontrola štampe/etiketa i serijskih brojeva

Video-analitika bez slanja u cloud

• bezbednost u pogonu (PPE detekcija: kacige, prsluci)
• analiza toka materijala
• praćenje zastoja i uskih grla

Industrijski “copilot” za operatere

Ako je model lokalno brz i efikasan, dobijate asistenta koji:

• objašnjava uzrok alarma u realnom jeziku
• predlaže korake za reset i kalibraciju
• vodi evidenciju intervencija

To zvuči kao softver tema, ali hardver odlučuje da li je to stvarno upotrebljivo na liniji ili ostaje demo.

Kako da se srpske fabrike pripreme već u 2026.

Najbolja priprema za promenu hardvera je modularna AI arhitektura i jasna poslovna metrika. Evo praktičnog plana koji sam video da radi i u manjim i u većim pogonima.

1) Izaberite jedan proces gde AI ima direktan novčani efekat

Dobar pilot nije “AI svuda”, nego jedna uska tačka, na primer:

• vizuelna kontrola 1 kritične operacije
• predikcija zastoja na jednoj liniji
• optimizacija potrošnje energije u kompresorskoj stanici

Cilj: rezultat za 8–12 nedelja, ne za 12 meseci.

2) Postavite KPI-jeve pre modela

KPI koji menadžment razume:

• smanjenje škarta (%)
• smanjenje reklamacija (broj/mesec)
• smanjenje zastoja (min/linija)
• povećanje OEE (poeni)

Ako KPI nije definisan, hardver i modeli će se vrteti u krug.

3) Gradite “hardware-agnostic” softver

Tehnički cilj: da sutra možete da promenite akcelerator bez rušenja sistema.

• kontejneri za inferencu
• standardizovan pipeline za podatke
• MLOps: verzionisanje modela i monitoring drifta

4) Raspodelite obradu: edge + centralno

Pravilo koje se često pokaže najboljim:

• edge: real-time odluke (OK/NOT OK), sigurnost, reakcija na liniji
• centralno: treniranje modela, agregacije, izveštaji, analitika trendova

Fotonski hardver (ako sazri) najverovatnije će dodatno pogurati edge deo.

Šta je realno očekivati od “čipova koji rade brzinom svetlosti”

Realnost? Neće se desiti jedan veliki prekidač. Biće to niz koraka: prvo specijalizovani sistemi, zatim hibridni serveri, pa tek onda šira dostupnost.

Ali i pre masovne komercijalizacije, ova vest ima jednu jasnu poruku za srpsku industriju:

AI više nije samo pitanje “koji model”, nego “koja infrastruktura” — i ko je spreman da je menja bez skupih prekida.

Ako ste izvozno orijentisana proizvodna firma i radite sa evropskim partnerima, pritisak na energetsku efikasnost i sledljivost će rasti. AI koji troši manje energije i daje brže odluke direktno utiče na konkurentnost.

Sledeći korak je jednostavan: izaberite jedan proces u proizvodnji, uvežite podatke i postavite pilot koji se meri u dinarima, ne u “demo snimcima”. Kad hardver sazri — bilo fotonski, GPU ili nešto treće — vi ćete već imati sistem koji može da ga iskoristi.