摘要：多年来，半导体制造商一直在构建更强大的芯片，以满足现代电子设备的需求。然而，人工智能的爆炸性增长给计算技术带来了巨大的压力，需要更快、更高效的处理器来跟上。

多年来，半导体制造商一直在构建更强大的芯片，以满足现代电子设备的需求。然而，人工智能的爆炸性增长给计算技术带来了巨大的压力，需要更快、更高效的处理器来跟上。

传统电子芯片虽然是现代计算的基础，但越来越难以满足这些不断变化的需求。传统芯片的最大局限之一是热量积聚。随着处理器变得越来越强大，它们需要更多的能量来运行，这会导致过度发热。尽管冷却解决方案有所帮助，但它们增加了复杂性和成本。

另一个挑战是电阻，它会减缓数据传输并降低效率。随着晶体管缩小到其物理极限，这个问题变得越来越严重。制造成本的增加也增加了挑战。

电子芯片将不断改进的长期预期，也称为摩尔定律，正在显示出放缓的迹象。这使得保持稳定的性能增长变得更加困难。

这些限制引发了该行业对替代计算技术的兴趣，比如光子（Photopic）芯片，它依赖光而不是电来处理数据。由于不需要电，它有助于避免电阻等问题。Photopic芯片特别擅长处理矩阵乘法，这是人工智能工作的关键部分。

你可能想知道光子芯片如此有用，那么为什么它们还没有成为计算的标准呢？嗯，它同样存在一些路障。许多现代电子系统都是围绕硅基础设施构建的，因此很难将光子芯片集成到系统中。而且将光子转换为传统部件的电信号会减缓处理时间。

光子芯片的另一个技术挑战是它们需要精确控制光，这在纳米尺度上并不容易。缺乏软件和工具来帮助这一过程并没有帮助。最后，大规模制造光子芯片仍然很昂贵。

现在有了先进的人工智能工具，人们可能能够克服其中的一些挑战。

发表在《自然》杂志上的几篇突破性论文强调了科学家在推进光子人工智能芯片方面取得的重大进展。总部位于新加坡的Lightintelligence公司已经确定了一种新型的光子计算处理器，称为光子算术计算引擎（Pace）。该处理器具有低延迟，达到输入和输出之间的最小延迟。

Pace处理器证明了集成光子和电子元件是可行的。这也表明可扩展性问题是可以克服的。Pace拥有16000多个光子组件，证明了基于光的计算可以大规模处理复杂的任务。这可能是光子芯片广泛采用的关键一步。

该研究的作者写道：“实验结果表明，与商用GPU相比，PACE系统中的oMAC（优化的矩阵乘法加速器）在延迟和计算时间方面实现了两个数量级以上的改进。”“我们相信，这一演示将有助于探索基于大规模集成光子电路的新计算模型、系统架构和应用。”

另一项研究来自总部位于加利福尼亚州的Lightmatter公司。它突出了光子处理器的能力，该处理器能够以与传统电子处理器相当的精度运行两个先进的人工智能系统。使用这种处理器，研究人员能够执行需要大量计算能力的任务。

研究人员相信，这种处理器是可扩展的，并且通过正确的材料和工程，它可以提供与传统电子芯片相匹配的可计算能力。

作者写道：“我们推出了一种光子人工智能处理器，可以执行高级人工智能模型，包括ResNet3和BERT20,21，以及DeepMind22最初演示的Atari深度强化学习算法。”“该处理器在许多工作负载下实现了近乎电子的精度，标志着光子计算进入了与成熟的电子人工智能加速器竞争的显著阶段，也是开发后晶体管计算技术的重要一步。”

这两项研究使我们更接近于克服光子计算中的关键障碍。这不仅仅是关于更快的小工具或更低的能耗，更是关于摆脱硅技术的物理限制。虽然这些突破标志着向前迈出了重要的一步，但在光子计算在某些应用中取代传统芯片之前，未来仍有许多工作要做。

点击这里——现在开启你的人工智能探奇之旅：

NVIDIA DLI 与Ai时代前沿合作，将大门向更多普通用户敞开！无论你是对新技术充满好奇心的爱好者，还是希望提升自己技能的职场人士，这里都有适合你的课程和资源。多门初级课程限时免费！

来源：阿新科学在线