光計(jì)算研究始于20世紀(jì)60年代，但受到當(dāng)時(shí)應(yīng)用范圍有限以及電子計(jì)算技術(shù)快速發(fā)展的影響，光計(jì)算處理器未能成功邁向商用。時(shí)過境遷，人工智能（AI）飛速發(fā)展，以ChatGPT為代表的大語言模型所展現(xiàn)的強(qiáng)大能力引發(fā)全球關(guān)注，紫東太初、悟道、混元、文心、通義、盤古、言犀等一大批千億級(jí)乃至萬億級(jí)參數(shù)的國產(chǎn)大模型不斷涌現(xiàn)，大有引發(fā)新一輪科技與產(chǎn)業(yè)變革之勢(shì)。

高性能大模型擁有龐大參數(shù)規(guī)模、要求海量數(shù)據(jù)高效處理和高速傳輸，即使是當(dāng)前最先進(jìn)的電子計(jì)算平臺(tái)也開始出現(xiàn)計(jì)算、存儲(chǔ)和傳輸?shù)钠款i。大模型的創(chuàng)新發(fā)展和迭代，離不開海量數(shù)據(jù)及高質(zhì)量數(shù)據(jù)集的構(gòu)建，更要依靠大算力集群來支撐訓(xùn)練和推理。近期，大模型訓(xùn)練計(jì)算量平均每2個(gè)月就要翻倍，激增的算力需求已遠(yuǎn)超摩爾定律。因此，光子計(jì)算近年來又重新受到廣泛關(guān)注。

硅光計(jì)算芯片是AI芯片國產(chǎn)化和彎道超車的有效途徑

當(dāng)前，大模型訓(xùn)練和推理的硬件以通用圖形處理單元（GPU）為主，2022年全球GPU市場(chǎng)規(guī)模達(dá)到448.3億美元，美國AI芯片巨頭英偉達(dá)公司占有80%的市場(chǎng)份額并仍在持續(xù)攀升。目前，中國仍以英偉達(dá)的產(chǎn)品作為主流算力平臺(tái)，只有較小規(guī)模的算力來自國產(chǎn)神經(jīng)網(wǎng)絡(luò)加速平臺(tái)。然而，自2021年起，美國對(duì)中國集成電路領(lǐng)域?qū)嵭辛俗顬閲?yán)苛的技術(shù)封鎖，限制向我國出口最先進(jìn)的AI芯片和軟件。英偉達(dá)向我國提供的AI芯片是傳輸帶寬受限的特別版本，使用該版本GPU組成的超算集群的訓(xùn)練和推理效率均落后于國外同期產(chǎn)品。

因此，算力基建亟需向自主可控的國產(chǎn)化邁進(jìn)。 寒武紀(jì)、燧原科技、壁仞科技和昆侖芯等國產(chǎn)AI芯片廠商，均提供了深度學(xué)習(xí)訓(xùn)練和推理的專用芯片，其主要使用專用集成電路（ASIC）硬件架構(gòu)，用于特定算法或應(yīng)用場(chǎng)景的優(yōu)化，計(jì)算能力在特定情況下優(yōu)于英偉達(dá)產(chǎn)品，但通用性、靈活性有待提升。基于電子計(jì)算的AI芯片的國產(chǎn)化之路受技術(shù)封鎖影響仍需突破重重阻礙，尤其是受限于先進(jìn)工藝制程，國產(chǎn)同類芯片在能耗、算力、帶寬等方面難以在短期內(nèi)趕超。

此外，電子計(jì)算技術(shù)還存在固有的計(jì)算延時(shí)高和內(nèi)存墻等問題。 光子器件具有高速、大帶寬和低功耗的特點(diǎn)，在信息傳輸和處理方面具有重要優(yōu)勢(shì)，而且光信號(hào)可以在光子器件中并行傳輸和處理。這使得光子計(jì)算可以更好地實(shí)現(xiàn)海量數(shù)據(jù)的高效處理，也可以避免電子信號(hào)傳輸帶來的噪聲和時(shí)延等問題，更好地實(shí)現(xiàn)高帶寬的傳輸互連，從而為大模型提供關(guān)鍵支撐。

此外，與最先進(jìn)的電子神經(jīng)網(wǎng)絡(luò)架構(gòu)及數(shù)字電子系統(tǒng)相比，光子計(jì)算架構(gòu)在速度和能效上優(yōu)勢(shì)突出。因此，光子計(jì)算能夠有效突破傳統(tǒng)電子器件的性能瓶頸，滿足高速、低功耗通信和計(jì)算的需求。需要指出的是，光子計(jì)算的發(fā)展目標(biāo)不是要取代傳統(tǒng)計(jì)算機(jī)，而是要輔助已有計(jì)算技術(shù)在基礎(chǔ)物理研究、非線性規(guī)劃、機(jī)器學(xué)習(xí)加速和智能信號(hào)處理等應(yīng)用場(chǎng)景更高效地實(shí)現(xiàn)低延遲、大帶寬和低能耗。

硅光計(jì)算芯片通過在單個(gè)芯片上集成多種光子器件實(shí)現(xiàn)了更高的集成度，還能兼容現(xiàn)有半導(dǎo)體制造工藝，降低成本。光子計(jì)算芯片包括激光器、光波導(dǎo)、光調(diào)制器、光探測(cè)器等主要元件，運(yùn)行過程大致如圖1所示：激光器產(chǎn)生的光，經(jīng)過光波導(dǎo)傳輸?shù)焦庹{(diào)制器實(shí)現(xiàn)對(duì)光信號(hào)的控制和處理，最后傳輸?shù)焦馓綔y(cè)器將光信號(hào)轉(zhuǎn)換為電信號(hào)，再進(jìn)行后續(xù)的處理和輸出。 ?

光子計(jì)算芯片利用成熟的硅基工藝平臺(tái)（產(chǎn)業(yè)界通常為45~180nm制程），有望在短期內(nèi)實(shí)現(xiàn)低功耗、高性能的計(jì)算系統(tǒng)，解決后摩爾時(shí)代AI硬件的性能需求，突破馮·諾依曼架構(gòu)的速度和功耗瓶頸。因此，硅光計(jì)算芯片是實(shí)現(xiàn)AI芯片國產(chǎn)化和彎道超車的有效途徑。

基于硅光平臺(tái)的神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（ANN）是現(xiàn)有AI大模型的重要基礎(chǔ)，由人工神經(jīng)元相互連接組成，連接強(qiáng)弱由權(quán)重大小決定，權(quán)重即模型參數(shù)。利用光計(jì)算在信息傳輸、處理和并行計(jì)算等方面以及光通信在片內(nèi)、片間和板級(jí)系統(tǒng)間數(shù)據(jù)傳輸?shù)确矫娴膬?yōu)勢(shì)，硅光計(jì)算芯片可對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練和推理過程中的大規(guī)模矩陣運(yùn)算、神經(jīng)元非線性運(yùn)算進(jìn)行加速；還可通過對(duì)不同神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)進(jìn)行硬件結(jié)構(gòu)映射，來提高芯片的通用性和靈活性。

在人工神經(jīng)網(wǎng)絡(luò)計(jì)算加速方面，基于硅光平臺(tái)的神經(jīng)網(wǎng)絡(luò)已取得多項(xiàng)進(jìn)展。例如，2017年沈亦晨等人提出一種基于硅光平臺(tái)的全光前饋神經(jīng)網(wǎng)絡(luò)架構(gòu)，采用馬赫-曾德干涉儀（MZI）進(jìn)行神經(jīng)元線性部分的計(jì)算，非線性激活函數(shù)則通過電域仿真的方法實(shí)現(xiàn)；2022年阿什蒂亞尼等人采用可調(diào)光衰減器實(shí)現(xiàn)權(quán)重調(diào)節(jié)。隨著技術(shù)的發(fā)展，基于硅光平臺(tái)的神經(jīng)網(wǎng)絡(luò)也逐步走向商業(yè)化。例如，美國AI芯片公司Lightmatter推出通用光子AI加速器方案“Envise”；曦智科技于2021年發(fā)布光子計(jì)算處理器“PACE”。

人工神經(jīng)網(wǎng)絡(luò)是大腦神經(jīng)元的極簡數(shù)學(xué)模型，目前仍無法實(shí)現(xiàn)推理歸納、聯(lián)想想象、學(xué)習(xí)記憶等大腦的高級(jí)功能，而且現(xiàn)有AI大模型的功耗水平遠(yuǎn)高于人類大腦。受腦科學(xué)和神經(jīng)科學(xué)研究的啟發(fā)，學(xué)界提出了下一代AI基礎(chǔ)——脈沖神經(jīng)網(wǎng)絡(luò)（SNN）。其利用與大腦神經(jīng)元表現(xiàn)極為近似的脈沖神經(jīng)元搭建整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)，具備模擬生物大腦的網(wǎng)絡(luò)結(jié)構(gòu)和信息處理的潛能，通過部署到模擬計(jì)算硬件上，可以發(fā)揮低延時(shí)、低功耗等特性，為類腦大模型的訓(xùn)練和推理提供了可能性。

目前，圍繞基于硅光平臺(tái)的脈沖神經(jīng)網(wǎng)絡(luò)，已有科研團(tuán)隊(duì)利用硅波導(dǎo)和相變材料集成等方式實(shí)現(xiàn)了光學(xué)突觸、光子脈沖神經(jīng)元乃至全光脈沖神經(jīng)網(wǎng)絡(luò)的構(gòu)建。例如，2019年費(fèi)爾德曼等人構(gòu)建基于集成可塑突觸的全光脈沖神經(jīng)網(wǎng)絡(luò)，將可塑突觸上的相變材料晶化程度作為權(quán)重，將微環(huán)諧振器上的相變材料胞體相變閾值能量作為神經(jīng)元閾值調(diào)控激活函數(shù)，實(shí)現(xiàn)有監(jiān)督和無監(jiān)督學(xué)習(xí)。

光計(jì)算核心器件：

非易失性高消光比硅光開關(guān)研究

在片上和片間光互連、高速光通信、集成傳感和智能計(jì)算等應(yīng)用場(chǎng)景，光開關(guān)都是硅光集成所需的核心器件。當(dāng)前，硅光集成開關(guān)器件主要采用馬赫-曾德干涉儀或微環(huán)諧振器的結(jié)構(gòu)設(shè)計(jì)，這些器件存在占用空間大、對(duì)外界溫度敏感以及因需要持續(xù)外部電源維持開關(guān)狀態(tài)導(dǎo)致的高靜態(tài)功耗等問題，為高密度的硅光集成帶來了額外的困難。

2022年，中國科學(xué)院上海微系統(tǒng)與信息系統(tǒng)研究所（以下簡稱上海微系統(tǒng)所）武愛民研究員團(tuán)隊(duì)研制出基于亞波長相變結(jié)構(gòu)的超小尺寸、高消光比、低能耗和良好結(jié)構(gòu)穩(wěn)定性的片上光子開關(guān)。這一新的光開關(guān)器件結(jié)構(gòu)，由單模硅光波導(dǎo)和3個(gè)級(jí)聯(lián)的鍺銻碲化合物Ge2Sb2Te5（以下簡稱GST）納米盤組成，見圖2a，總體積僅為0.229μm2×35nm。在通信波段，GST是一種具有高光學(xué)對(duì)比度的相變材料（PCM），非晶態(tài)下的折射率與硅相近，具有較低的消光系數(shù)，而晶態(tài)下的折射率則會(huì)增大兩倍。通過改變GST納米盤的相態(tài)可以調(diào)制沿波導(dǎo)傳輸?shù)墓鈴?qiáng)。GST處于非晶態(tài)時(shí)，波導(dǎo)中的光可以正常通過；而處于晶態(tài)時(shí)，沿波導(dǎo)輸入的入射光被級(jí)聯(lián)的GST納米盤吸收或散射，實(shí)現(xiàn)對(duì)入射光的截止，見圖2b。

受益于GST的非易失性，光開關(guān)的開關(guān)狀態(tài)是可持續(xù)的，在施加控制脈沖后不會(huì)產(chǎn)生額外的能量消耗。在實(shí)驗(yàn)中，通過對(duì)光開關(guān)施加不同能量的泵浦脈沖光，精確地加熱GST納米盤以切換其相位，從而實(shí)現(xiàn)對(duì)相變材料的調(diào)控，圖2c展示了波導(dǎo)中傳輸率的變化和脈沖能量的關(guān)系。實(shí)驗(yàn)測(cè)得，該器件在C波段實(shí)現(xiàn)了高達(dá)27dB的超高消光比，并能在70nm的寬帶范圍內(nèi)保持20dB以上的高消光性能，見圖2d；通過施加特定能量的光脈沖，可對(duì)非同級(jí)狀態(tài)的光開關(guān)實(shí)現(xiàn)復(fù)位操作，見圖2e。由于GST材料已具備在互補(bǔ)金屬氧化物半導(dǎo)體（CMOS）平臺(tái)上的加工能力，與單模波導(dǎo)制備的光開關(guān)結(jié)合能夠直接應(yīng)用于規(guī)模化集成的光子芯片中，該工作有望在大規(guī)模集成的光互連和光計(jì)算新型架構(gòu)等方面發(fā)揮重要作用。相關(guān)成果以《基于結(jié)構(gòu)化相變材料的超緊湊高消光比非易失性片上開關(guān)》

Ultracompact High-Extinction-Ratio Nonvolatile On-Chip Switches Based on Structured Phase Change Materials為題發(fā)表在國際光學(xué)權(quán)威期刊《激光與光子學(xué)評(píng)論》（Laser & Photonics Reviews）。

上海微系統(tǒng)所李孟研究員團(tuán)隊(duì)長期從事腦科學(xué)與AI的交叉領(lǐng)域研究，研究方向主要包括兩個(gè)方面：一是應(yīng)用AI技術(shù)解決腦科學(xué)領(lǐng)域的重要問題，如使用深度神經(jīng)網(wǎng)絡(luò)對(duì)腦科學(xué)研究中動(dòng)物的復(fù)雜行為進(jìn)行分析和建模，并建立生物大腦神經(jīng)網(wǎng)絡(luò)活動(dòng)信號(hào)與動(dòng)物行為模式的對(duì)應(yīng)關(guān)系，以理解生物復(fù)雜行為、內(nèi)在狀態(tài)是如何被大腦神經(jīng)網(wǎng)絡(luò)表達(dá)、計(jì)算和調(diào)控的；二是根據(jù)腦科學(xué)前沿發(fā)現(xiàn)，將腦科學(xué)領(lǐng)域的最新成果和原理應(yīng)用于類腦算法研究，致力于研發(fā)更符合生物神經(jīng)系統(tǒng)特性的類腦算法和相應(yīng)硬件，建立面向應(yīng)用的類腦系統(tǒng)框架。在大腦破譯方向，尤其是大尺度群體神經(jīng)信號(hào)編解碼領(lǐng)域取得系列創(chuàng)新成果。2019年，解碼了十萬神經(jīng)元量級(jí)的全腦神經(jīng)信號(hào)，如圖3所示，揭示了大腦內(nèi)在狀態(tài)動(dòng)態(tài)轉(zhuǎn)化的控制機(jī)理，建立了復(fù)雜高階行為與大腦神經(jīng)網(wǎng)絡(luò)內(nèi)在狀態(tài)間的關(guān)系，相關(guān)成果以《內(nèi)部狀態(tài)動(dòng)態(tài)塑造了全腦活動(dòng)和覓食行為》

Internal state dynamics shape brainwide activity and foraging behaviour為題發(fā)表在國際頂級(jí)期刊《自然》上。

當(dāng)前，兩個(gè)團(tuán)隊(duì)正在合作研究基于硅光平臺(tái)的受腦科學(xué)和神經(jīng)科學(xué)啟發(fā)的下一代AI計(jì)算芯片。目標(biāo)是使其具有網(wǎng)絡(luò)低功耗、低延時(shí)等性能優(yōu)勢(shì)，可執(zhí)行因果推理、在線學(xué)習(xí)、終身學(xué)習(xí)、長時(shí)記憶、聯(lián)想想象、行為決策等類腦復(fù)雜功能及高級(jí)智能行為，并能廣泛應(yīng)用于智能人形機(jī)器人、自動(dòng)駕駛、仿生傳感器、智能安防與檢測(cè)、腦機(jī)接口等前沿領(lǐng)域。

AI創(chuàng)新時(shí)代，算力即為生產(chǎn)力。《2022—2023全球計(jì)算力指數(shù)評(píng)估報(bào)告》顯示，信息技術(shù)的支出每投入1美元，可以拉動(dòng)29美元的國內(nèi)生產(chǎn)總值（GDP）產(chǎn)出。隨著AI和計(jì)算科學(xué)的發(fā)展，大模型訓(xùn)練和海量數(shù)據(jù)處理對(duì)于計(jì)算的需求將呈爆發(fā)式增長。

以光子計(jì)算技術(shù)為核心的硅光計(jì)算芯片，有望成為后摩爾時(shí)代AI算力基座。其主要優(yōu)勢(shì)在于：一是高速計(jì)算能力，即光計(jì)算具有快速傳輸和處理能力，可實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)中所需的高速計(jì)算；二是低功耗特性，即相比于傳統(tǒng)的電子計(jì)算，光計(jì)算利用光信號(hào)進(jìn)行信息傳輸和處理，可降低能耗；三是并行計(jì)算能力，即光信號(hào)可在光子器件中并行傳輸，在光學(xué)神經(jīng)網(wǎng)絡(luò)中可實(shí)現(xiàn)更高效的并行計(jì)算。

硅光計(jì)算芯片在AI和計(jì)算科學(xué)領(lǐng)域走向廣泛應(yīng)用也面臨一定挑戰(zhàn)。例如，當(dāng)前單個(gè)光子矩陣運(yùn)算規(guī)模較小，無法滿足大模型所需的計(jì)算需求；硅光計(jì)算芯片的設(shè)計(jì)尚未充分考慮集群化的應(yīng)用情形，限制了芯片的可擴(kuò)展能力；由于光信號(hào)是模擬信號(hào)，光子矩陣計(jì)算尚不支持浮點(diǎn)數(shù)運(yùn)算，無法直接表示和處理浮點(diǎn)數(shù)據(jù)的精確值，而AI模型訓(xùn)練則需要浮點(diǎn)數(shù)運(yùn)算作為支持。

對(duì)標(biāo)全球AI芯片行業(yè)翹楚，將硅光計(jì)算芯片打造成為未來AI和計(jì)算科學(xué)領(lǐng)域的主流計(jì)算平臺(tái)，需要構(gòu)建完整、可持續(xù)的軟硬件生態(tài)環(huán)境。例如，硅光計(jì)算芯片的底層設(shè)計(jì)需要引入可微分思想，使其具有可擴(kuò)展性；通過軟硬件協(xié)同，針對(duì)不同規(guī)模的硅光計(jì)算芯片和應(yīng)用場(chǎng)景，開發(fā)硅光計(jì)算芯片的底層編譯器、高級(jí)編程語言接口、硬件驅(qū)動(dòng)，以及基于開源指令集（如RSIC-V等）的硅光芯片專用計(jì)算指令集；開發(fā)面向AI和計(jì)算科學(xué)的學(xué)習(xí)框架和計(jì)算加速庫，更廣泛地吸引各領(lǐng)域相關(guān)人員利用硅光計(jì)算芯片開展研發(fā)工作，建設(shè)硅光計(jì)算社群，助推硅光計(jì)算蓬勃發(fā)展。通過構(gòu)建硅光計(jì)算芯片的完整軟硬件生態(tài)，硅光計(jì)算的核心競(jìng)爭力將大幅提升，為未來AI芯片領(lǐng)域的國產(chǎn)化超越貢獻(xiàn)力量。 本文刊登于IEEE Spectrum中文版《科技縱覽》2023年11月刊。 專家簡介

何王吉：工程師。

魯若天：碩士研究生。 王碩：助理研究員。 李孟：研究員。 武愛民：研究員。 注：作者單位均為中國科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所。

審核編輯：黃飛

?