清華大學光芯片又有新進展，給AI計算加點“光速”

據新華社報道，近日，清華大學研究團隊首創了一種干涉—衍射分布式廣度光計算架構，并研制出高算力、高能效的智能光計算芯片，可實現每秒每焦耳160萬億次運算的通用智能計算，為大模型通用智能計算探索了新路徑。該研究于12日發表于國際學術期刊《科學》。

清華大學電子工程系方璐課題組、信息科學技術學院院長戴瓊海院士課題組，摒棄了傳統電子深度計算范式，構建了智能光計算的通用傳播模型，首創了名為Taichi（意為“太極”）的干涉—衍射分布式廣度光計算架構。基于此創新架構，課題組進一步探索干涉光與衍射光的優勢特性，又研制出干涉—衍射異構集成智能光計算芯片。

報道引述論文第一作者、清華大學電子系博士生徐智昊介紹，與國際上高性能人工智能芯片相比，“太極”芯片的系統整體能量效率提升了3個數量級，可將復雜智能任務拆分為多通道高并行的子任務，賦能光計算實現自然場景千類對象識別、跨模態內容生成等人工智能復雜任務。

此外，目前該團隊正與相關機構洽談，建設算力實驗室，以期用智能光計算芯片支撐大模型訓練與推理、通用人工智能等人工智能研究與應用。


清華光芯片將重塑AI計算邊界？

這款芯片采用了一種全新的光電路設計，可以高效利用光子進行運算，從而突破了傳統電子芯片在算力和能效上的bottleneck。

咱們先來看看這款芯片的一些核心亮點。首先它的峰值能效高達160 TOPSW，目前是最高能效的人工智能芯片之一。它使用硅基光子集成電路工藝制造，已經推出了原型芯片并通過實驗驗證了設計的可行性。它采用了創新的＂太極＂光波導結構和光電復用電路設計，可以在芯片上同時傳輸電信號和光信號，從而大幅提高了集成度，減小了芯片面積。

這玩意兒是清華大學的一幫高手研發出來的，采用了一種全新的＂太極＂光電路設計。傳統的電子芯片用的是電流傳輸信號，但電流在高速運算時會產生很多熱量，導致能耗太高。而光芯片則是利用光子來傳輸信號，光子在傳輸過程中基本不會產生熱量，所以能效特別高。

這款＂太極＂光芯片的峰值能效高達160 TOPSW，可以說是目前最高能效的AI芯片了。它的核心創新就在于那個＂太極＂光波導結構，可以讓光在芯片上高效傳輸和轉彎，從而大幅減小芯片面積。

另外，它還設計了一種光電復用電路，可以在同一個芯片上同時傳輸電信號和光信號，提高了集成度。你想啊，把光路和電路集成到一起，那運算速度和帶寬就更高了。

總之嘛，這款芯片的優勢主要有三個:高能效、高集成、高帶寬。對于未來的人工智能算法，尤其是要在邊緣設備上運行的，這些優勢可都是硬核亮點啊！

咱們繼續聊聊這款＂太極＂光芯片的關鍵性能。

首先就是它的能效表現了，160 TOPSW的峰值能效水平可以說是領跑同行了。要知道，對于AI算法來說，能效就是硬指標，能效越高，運算成本就越低，對設備的發熱和功耗影響就越小。

這款芯片采用的是硅基光子集成電路工藝，也就是說它的制造工藝和傳統電子芯片是一致的，這就意味著未來有望實現大規模量產，成本會更加可控。

研究團隊已經利用該工藝流程制造出了原型芯片，并通過實驗驗證了設計的可行性。所以說，這款芯片已經不是紙上談兵，而是有了實實在在的產品雛形。


光芯片與AI:強強聯手突破算力瓶頸

光芯片最吸引人的地方，在于它與AI技術的天然契合度。AI算法對算力的需求，正是光芯片所擅長的領域。

具體來說，光芯片可以充當AI系統的加速器，大幅提升AI算法的運算速度。例如，在深度學習領域，光芯片可以加速卷積神經網絡等運算密集型操作，使訓練時間大幅縮短。

光芯片與AI的結合還可以降低功耗，提高能源利用效率。AI系統通常需要大量的計算資源，能耗問題一直是個痛點。而低功耗正是光芯片的優勢所在，兩者的結合可以有效緩解這一矛盾。

未來的AI系統將會充分利用光芯片的優勢，通過光電混合集成等技術，將光芯片與電子芯片緊密融合，發揮兩者的協同作用，從而突破當前的算力瓶頸，推動AI技術的進一步發展。


光芯片成果不斷，落地緩慢？

光芯片看起來是很不錯的技術路徑，但到底多久才能落地？

經緯創投認為，光芯片商業化有兩大路徑：第一種思路是短期內不尋求完全替代電，不改動基礎架構，最大化地強調通用性，形成光電混合的新型算力網絡；另一種思路是把光芯片模塊化，不僅僅追求在計算領域的應用，還追求在片上、片間的傳輸領域應用，追求光模塊的“即插即用”。

硅光芯片不是靠尖端制程來獲勝，更多是靠速度和功耗，比如光的調制解調的速度、功耗，還有多波復用，在一個波導里面同時能通過多少路光等。

可以理解為，光芯片最大的優勢在于技術通用性。

這也不難理解，因為無論是生產商還是客戶，最大的訴求之一就是要確保通用性。產品實現“開箱即用”才能夠最大限度降低學習成本，不需要對現在的底層框架進行過多修改，就能夠適配到成千上萬個應用場景中。所以不動基礎架構，而是把線性計算的計算核部分用光來部分替代，形成光電混合的算力網絡新形式，是最快的商業化路徑。

另一方面，全球光計算芯片競賽，各國和地區相繼出臺政策推動發展。

美國國防部高級研究計劃局(DARPA) 早在2019年就啟動“未來計算系統”項目，以研究具備深度學習能力、高算力和低功耗的集成光子芯片。

歐盟在2020開始啟動PHOOUSING項目，致力于開發基于集成光子技術的將經典過程和量子過程結合起來的混合計算系統。

我國科技部“十四五”重點專項申報指南中，也將信息光子技術、高性能計算、物態調控、光電混合AI加速計算芯片列為重要內容，其中包括光電混合AI加速計算芯片、量子計算、基于固態微腔光電子芯片、光學神經擬態計算系統等技術的研發。

能看到，如何為智能時代提供更強大算力，許多國家已在思考下一波的發展浪潮，光計算正是頗具潛力的選項之一。

潛力之下，光芯片挑戰尚在

雖然提到了很多優勢，但光芯片作為一項前沿技術，必然有很多挑戰有待克服。

工藝挑戰：由于要用于復雜計算，光器件的數量必然會很多，要達到不錯的性能至少需要上萬個，這會帶來更復雜的結構和更大的尺寸。為了實現可編程，必然要對每個器件進行控制，也會要求高集成度和一些Knowhow積累。這些要求會產生一些工藝上的挑戰，同時導致成本很高，以及整體穩定性、生產良率都有挑戰，所以必須找到一種低成本、高良率的方法，來控制大量光器件的技術。

溫度難題：因為是模擬計算，當整個環境溫度對電芯片產生影響的時候，對光信號也會產生擾動，影響計算精度。有一種辦法是把整個芯片放在恒溫環境下，通過溫控電路來實現。但這反過來會犧牲一些光計算的低能耗優勢。此外，對于溫度控制，還包括芯片內部發熱，導致對周邊器件的影響問題。

產業鏈未形成成熟分工：光芯片技術門檻高、產品線難以標準化，生產各工藝綜合性更強，相比于大規模集成電路已形成高度的產業鏈分工，光芯片產業鏈行業尚未形成成熟的設計-代工-封測產業鏈。

新藍海市場亟待開拓：光芯片下游大客戶為主，可靠性與交付能力是重要競爭力；光芯片產業參與者眾多，中低端領域競爭激烈，高端市場仍是藍海。在算力基礎設施建設海量增長的背景下，光芯片將會迎來巨大的機會。

對于我國光芯片產業的發展路徑，有業內人士認為或將經歷兩個階段：

1）在細分領域憑借自身技術實力，綁定優質客戶實現進口替代；

2）產品品類橫向擴張，打開遠期成長天花板。

由于光芯片行業具備細分品類較多等特點，中短期內看好在細分領域中具備深厚技術積累，且已綁定優質客戶的國產廠商，有望率先開啟進口替代步伐，占據先發優勢；長期來看，具備較強橫向擴張能力的光芯片企業更具備競爭優勢。