球王会官方一篇论文引发的光子AI芯片革新！这次真想要了摩尔定律的命

　　2020年6月，LightOn宣告用光学神经网络练习芯片运转AI模型的新论文；7月，曦智科技拿到由和利本钱出资的数千万美元A+轮融资；8月，Lightmatter在芯片顶会HotChips上展现了其光子芯片的架构细节；12月，光子管用宣告其打造的光电混合AI加快核算卡已交予服务器厂商客户做测验。

　　在加快人工智能（AI）这条赛道上，光子核算芯片这条立异的技能方向正异军突起。这是一群英勇的探路人，他们在等候和争议中前行，一步一个脚印地企图证明自己判别方向的正确性。

　　2017年，来自英国艾克塞特大学、牛津大学和明斯特大学的研讨人员，宣告了其类脑光驱动芯片研讨成果。他们用特别相变资料和光子集成电路模仿人脑神经突触，使得这款芯片在测验中的数据传输速度达300Gbps，比其时现有规范处理器要快10-50倍，一同功耗大幅下降。

　　在同年5月的美国麻省理工学院10万美元创业大赛上，一支来自麻省理工学院（MIT）的团队凭借用纳米光子芯片履行AI使命，成功斩获大奖。

　　1个月后，主创团队的研讨成果登上尖端期刊《天然光子学》的封面，论文描绘了一种运用光学干与进行神经网络核算的立异办法。其时，国际闻名光学科学家、斯坦福大学终身教授David Miller点评称：“这一系列研讨成果极大地推动了集成光学未来替代传统电子核算芯片的打开。”

　　这篇光子芯片论文的一作及通讯作者是MIT博士后沈亦晨，二作是尼克哈里斯（Nick Harris）。不久之后，这些论文合著者将成为商业上的竞争对手，敞开各自的创业之旅，并别离获得来自谷歌、百度等科技巨子的出资。

　　光子是当时速度最快的粒子，相较电子，速度更快而功耗极低。此前光学技能一般运用于通讯传输范畴，凭借光的更快速度、更高容量等特色完结数据的远距离传输，但在核算范畴打开缓慢。

　　实践上，光核算的研讨前史并不时刻短。在国外，1950年代前后，贝尔实验室等组织花费很多精力来规划光学核算机部件；在国内，1987年中科院上海光学精密机械研讨所王之江院士曾于《我国科学院院刊》上撰文，提出了极具前瞻性的打开光核算技能的主张，并于尔后在光学神经学逻辑核算方面打开了很多的作业。

　　因为光核算的运用场景并不明晰，软硬件体系也不行完善，关于怎么用光子替代电子芯片履行核算的主意长时刻停留在研讨阶段，鲜少在实践运用中发挥广泛的效果。

　　作为控制核算的一个基准规律，摩尔定律指出，微处理器芯片上的晶体管数每18-24个月翻一番，曾长时刻作为推动电子设备小型化和互联网遍及的要害动力。

　　但这是芯片制作商及供货商极力维系摩尔定律的成果，跟着迫临物理尺度极限、散热难题行将成为无法战胜的应战，以及许多要害的核算密集型运用打开提速，人们对摩尔定律的未来产生了更多疑虑，对芯片技能立异的需求也益发火急。

　　2016年，《Nature》在“逾越摩尔（More than Moore）”一文中指出，摩尔定律已挨近日薄西山，接下来硅晶技能的打开将不再以摩尔定律为中心，造出更好的芯片然后让运用跟进，而是从运用动身来看需求怎样的芯片支撑，从而包容更多纤细杂乱的立异方向。

　　而依据OpenAI发布的剖析数据，自2012年以来，AI练习对算力的需求每3.43个月翻一番，增速显着快于摩尔定律。

　　▲自2012年以来算力需求添加超越30万倍，而假如以摩尔定律的速度只会有 12 倍的添加（来历：OpenAI）

　　跟着以神经网络核算为主的AI运用遍及，一些研讨人员意识到，深度学习或许是数十年来光学核算所等候的“杀手级运用”。

　　首要，光速快于电子速度，抱负状态下，光子芯片的核算速度能比电子芯片快约1000倍。一同，选用老练半导体工艺技能的光子芯片，即可到达当下需求的核算才能。

　　其次，光子核算耗费能量少，平等核算速度下，光子芯片的功耗仅为电子芯片的数百分之一，能够缓解AI立异所需的数据中心建造对环境的影响。

　　▲Lightmatter联合创始人兼CEO尼克哈里斯在2020年Hot Chips上解说光子核算相较电子核算的延时、带宽、功耗优势

　　最终，光核算技能具有并行核算的特色，光波的频率、波长、偏振态和相位等信息能够代表不同的数据，且光路在穿插传输时互不搅扰。这些特性使得光子拿手做并行运算，与大都核算进程花在“矩阵乘法”上的人工神经网络相符合。

　　整体而言，光具有高核算速度、低功耗、低时延等特色，且不易遭到温度、电磁场和噪声改动的影响，在AI运用范畴，将光学技能与电子学结合，有望供给比传统办法更好的速度和能效。

　　嗅到AI加快带来的机会后，来自英、法、美、中的一些创业团队开端扬帆起航，切入云端AI核算商场，其间不乏有草创公司得到来自科技巨子及闻名出资者的出资。

　　2013年建立的英国创企Optalysys，曾于2015年创建一个光核算原型，完结了约320Gflops的处理速度，且能效十分低。上一年上半年，Optalysys推出了入门级光学协处理器FT: X2000，计划出售给包含核算机制作、国防及航空航天范畴的部分合作伙伴及前期客户。

　　草创公司Fathom Computing建立于2014年，其光子原型核算机在2014年时辨认手写数字的准确率还只有30%左右，到2018年时现已超越90%。其创始人Willam Andregg称，这是机器学习软件初次运用激光脉冲电路而非电力进行练习。不过近两年，这家创企好像并未揭露更多打开。

　　2018年，建立两年、总部坐落法国巴黎的创企LightOn宣告，它现已开端在欧洲的数据中心测验自己的光学处理单元（OPU）技能。2020年6月，LightOn宣告的新论文显现，其光学神经网络练习芯片在运转根据MNIST手写数字数据集练习的模型时，学习率为0.01，测验准确率到达95.8%；同一算法在GPU上的学习率为0.001、准确率达97.6%。而该光学芯片的功耗功率要比GPU高出一个数量级。

　　当然，名望最盛的光子芯片创业者，当属曾在《天然光子学》上宣告封面文章、来自麻省理工学院的沈亦晨和尼克哈里斯，两人均在2017年建立光子芯片公司，都挑选Mach-Zehnder干与仪光开关阵列（MZI）作为基础核算单元，但详细的MZI结构及阵列架构有所不同。

　　沈亦晨在美国波士顿兴办Lightelligence，在我国上海建立曦智科技，打开了跨国多元团队，是现在全球融资额最高的光子核算草创公司。

　　曦智科技在2018年获得由百度风投和美国半导体高管财团领投的逾1000万美元种子轮融资；2020年4月完结由经纬我国和中金本钱旗下中金硅谷基金领投、百度风投持续追加出资的2600万美元A轮融资；2020年7月完结由和利本钱出资的数千万美元A+轮融资。

　　2019年4月，曦智科技发布全球首款光子芯片原型板卡，在运转TensorFlow处理MNIST数据集的测验中获得百倍以上的速度提高，准确率挨近电子芯片（97%以上），而完结矩阵乘法所用的时刻不到最先进电子芯片的1/100。曦智科技计划从2021年起为AI云核算带来高效的量产产品。

　　尼克哈里斯在波士顿兴办的Lightmatter公司，则拿到了由谷歌风投、星火本钱、经纬创投等出资的3300万美元资金。

　　在2020年的芯片顶会Hot Chips上，Lightmatter展现了其用于AI推理加快的测验芯片Mars，该芯片运用硅光电学和MEMS技能，经过由毫瓦级激光光源，为用光履行矩阵向量乘法供给动力。相较传统电子芯片，其核算速度提高数个量级。

　　Lightmatter估计在2021年秋季推出这款测验芯片的首款商用产品，并为之打造了必要的软件东西链。哈里斯称其量产芯片在BERT、Resnet-50推理等作业负载上，能效将是AI芯片领导者NVIDIA旗舰芯片A100的20倍、吞吐量将是A100的5倍。

　　看到《天然光子学》上MIT团队刊发的论文后，正在研讨光电子的我国北京交通大学2014级博士生白冰获得了新的启示，他与十余位来自清华、北大等北京8所高校的博士生们一同，在2017年在北京创建光子管用团队，开端推动光子AI芯片商业化。

　　光子管用于2018年9月获得臻云创投、英诺天使基金出资的天使轮融资、2019年获得由水木清华校友基金、常见出资、英诺天使基金、臻云创投等出资的A轮融资。

　　现在光子管用已研制可编程光子阵列芯片FPPGA（Field Programmable Photonic Gate Arrays），并根据此与北京高校一同打造了面向服务器的光电混合AI加快核算卡，能完结包含机器学习推理、时刻序列剖析在内的一些定制化加快使命。

　　其核算卡已于2020年交由服务器厂商客户进行测验，在不到70W的运转功耗下，能做三四十路1080P视频同步处理，混合精度下峰值算力挨近20TOPS，光部分为低精度，电部分为高精度。

　　从美国普林斯顿大学脱胎而出的美国光子AI芯片创企Luminous Computing建立相对晚一些。

　　Nahmias在普林斯顿PhD期间的首要研讨方向便是光子AI芯片。与MIT团队不同，他们选用的并非MZI，而是被称为Broadcast and Weight的计划，相较MZI型计划多了光电转化进程，且对相位不灵敏。Nahmias称其光子集成电路能够替代3000块TPU板，愈加节约能耗，且能打破现有AI芯片传输数据的瓶颈。

　　这些创业团队的硬件均被规划为能够刺进规范服务器和作业站中，可完结即插即用，并能与干流AI软件合作运用，以满意商用需求。

　　练习AI模型需求超高算力的核算机芯片，这使得芯片巨子、草创公司之间打开一场环绕AI核算的全新比赛。

　　现在光子核算仍处前期阶段，站在这一全新核算赛道上的玩家们，几乎没有前路能够学习，他们正顶着技能应战、落地危险等方面的压力，企图构建起光子核算生态，探究着改动核算的或许。

　　关于出资者来说，新式核算技能仍充溢危险。但跟着国际对多元核算方法的需求添加，以光子核算、神经拟态芯片、量子芯片等为代表的新式核算办法，正被寄予打破规范核算体系限制的等候。

　　这是件令人等候的工作，光学核算现已在商业化道路上迈出了重要的一步，而一旦有草创公司处理工程化应战、获得落地商用的成功，光学核算革新的大门或将由此敞开。