傳統上，隨著對硅芯片功耗的要求越來越低，人工智能對芯片的功耗要求越來越高。

考慮到這一點，麻省理工學院的科學家們于2017年成立了一家名為Lightmatter Inc.的初創公司，開發硅光子處理器。另一個目標是利用光學計算將人工智能處理與摩爾定律“脫鉤”，根據公司創始人的說法，摩爾定律產生的熱量大于光。

在近期的熱芯片會議上，Lightmatter宣布了一種人工智能光子“測試芯片”，定位為一種利用光處理和傳輸數據的人工智能推理加速器。3D模塊包括一個12納米和90納米的專用集成電路，后者支持諸如激光監控和光分布等光子學處理步驟。

該設計還采用了一種稱為馬赫-曾德爾干涉儀的裝置，用光對數據進行編碼，將電信號轉換為在輸入和輸出波導之間傳播的光的“亮度”變化。這種結構類似于通過棱鏡的不同顏色的光束，允許處理器同時計算不同波長的光。

結果是，移動數據所需的能量更少，這為傳統的處理和用于人工智能推理工作負載的互連提供了一種節能的替代方案。據美國能源部的預測，到2030年，這些傳統方法預計將占全球能源使用量的8%以上。

在利用光速的同時，這家芯片開發商將其光子學芯片作為CPU、GPU和越來越多數據中心的節能替代品，該公司將其描述為“計算進步道路上的死胡同”

Lightmatter聲稱，它的光子學處理器可以免費使用cpu或gpu來實現“被動數據傳輸”所需的數十瓦功率。Lightmatter的創始人兼首席執行官尼古拉斯·哈里斯（Nicholas Harris）說：“與傳統處理器相比，Lightmatter的光學處理器速度快得多，能效也更高”。

此外，這家成立三年的芯片初創公司指出，人工智能工作負載的增長率（以千兆次/天計算）已經超過摩爾定律的5倍。公司高管表示，光子學處理的替代方案是“用數據中心覆蓋地球，為人工智能提供動力”。

總部位于波士頓的Lightmatter表示，該公司的設計采用了一種三維堆疊芯片封裝，其中包括超過10億個FinFET晶體管、光子運算單元和數據轉換器。光子處理器運行PyTorch、TensorFlow和其他標準機器學習框架來生成AI算法。

對硅光子學技術的需求預計將增長，隨著光傳輸技術也進入數據中心和傳感器部署領域，一些地區的年增長率將達到25%。行業跟蹤機構Global Market Insights預測，硅光子學行業也將受到5G無線部署的推動，這將需要更高的網絡帶寬。

除了Lightmatter這樣的初創公司，其他硅光子學生產商還包括Broadcom、Cisco Systems、GlobalFoundries、Hamamatsu photonics、IBM、Intel Corp.、Juniper Networks、NeoPhotonics Corp.和STMicroelectronics。

其他的光子學初創公司采取了不同的方法。Ayer實驗室在去年的熱門芯片上引入了光學芯片技術，該技術采用標準CMOS工藝，在同一芯片上結合了光學和Intel Stratix 10 FPGA。

英特爾去年展示了一款400千兆位以太網光子學收發器。其他光學設備的吞吐量已接近800 Gbps。

新興的AI光子學領域的公司包括LightOn和Lightelligence。

這家初創公司表示，預計將在2021年秋季發布其人工智能光子處理器的生產版本。
責任編輯:tzh