Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

LPool - Rack-scale servers to Revolutionize AI Datacenters for Fast, Sustainable, Cost-efficient Computing

Description du projet

Améliorer les performances, l’agilité et la rentabilité des centres de données IA

Les centres de données d’IA sont confrontés à des goulets d’étranglement, notamment des limitations d’énergie, des besoins de refroidissement et des vitesses de transfert de données insuffisantes. Cela entraîne des pertes d’efficacité qui se traduisent par une augmentation des temps de fonctionnement, ce qui accroît la consommation d’énergie, les coûts et l’empreinte carbone pour les fournisseurs et les utilisateurs finaux. Pour y remédier, le projet Lpool, financé par l’EIC, développe actuellement deux nouvelles unités logiques propriétaires ainsi qu’une nouvelle technologie de conditionnement des serveurs à l’échelle du rack. Cette technologie permet aux applications à forte intensité de données de fonctionner jusqu’à dix fois plus vite, ce qui permet d’économiser les ressources matérielles et de réduire les coûts, la consommation d’énergie et les émissions de carbone. Lpool finalisera la conception de sa logique de puce complète et de son ensemble de serveurs, puis accordera une licence sur la propriété intellectuelle aux fournisseurs de puces et de serveurs de centres de données intéressés.

Objectif

Over the past decade, the on-device performance of CPUs, GPUs, and AI accelerators has improved 100x faster than off-device data movement. This increasingly causes chips to wait for data, lengthening the time to run a job. This data bottleneck thus leads to massive inefficiencies, raising the cost, energy consumption, and carbon footprint to run AI jobs by 57% for datacenter providers and their end-users.

ExpectedIT's solution consists of two new proprietary chips: the Large Pool CPU (LP-CPU) chip, its matching Pool chip, and accompanying novel server packaging technology. ExpectedIT will license the intellectual property (IP) for these innovations to chip and datacenter server vendors, enabling the best use of each device's precious off-device data movement. By removing the bottleneck, ExpectedIT's new solution allows AI or other data-intensive applications to run up to 10x faster. By completing the jobs in less time and using fewer hardware resources, LPool will offer datacenters and their end-users up to 2x reduction in costs, energy consumption, and carbon emissions to run a specific job. Our LPool technology will thus significantly impact AI's scalable and sustainable growth for diverse sectors like healthcare diagnostic AI, greentech, enterprise generative AI, and much more.

We have validated our technology through over 100K simulation runs of the Verilog code. Based on these promising results, we have attracted the interest of one of the world's leading chip vendors with whom we are in active discussions for them to license the IP for our technology.

This project will allow ExpectedIT to complete the engineering of the full chip logic for the Pool chip, the LP-CPU, and server packaging. It will also enable us to double our team size to 30 to carry out these activities, including business developers, to accelerate our go-to-market. Our ambition is to reach 5 licensees and generate over €110 million in royalty revenues by 2031.

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

HORIZON-EIC-ACC - HORIZON EIC Accelerator

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) HORIZON-EIC-2025-ACCELERATOR-02

Voir tous les projets financés au titre de cet appel

Coordinateur

EXPECTEDIT GMBH
Contribution nette de l'UE
€ 2 499 999,00
Adresse
TURMSTRASSE 14
73728 ESSLINGEN AM NECKA
Allemagne
PME
Oui
Région
Baden-Württemberg Stuttgart Esslingen
Type d’activité
Private for-profit entities (excluding Higher or Secondary Education Establishments)
Liens
Coût total
Aucune donnée