光子計算時代到來了嗎？幾家中美芯片創(chuàng)企正試圖給出正面的回答。

2020年6月，LightOn發(fā)表用光學神經(jīng)網(wǎng)絡訓練芯片運行AI模型的新論文；7月，曦智科技拿到由和利資本投資的數(shù)千萬美元A+輪融資；8月，Lightmatter在芯片頂會HotChips上展示了其光子芯片的架構細節(jié)；12月，光子算數(shù)宣布其打造的光電混合AI加速計算卡已交予服務器廠商客戶做測試。

在加速人工智能（AI）這條賽道上，光子計算芯片這條創(chuàng)新的技術方向正異軍突起。這是一群勇敢的探路人，他們在期待和爭議中前行，一步一個腳印地試圖證明自己判斷方向的正確性。

光子AI芯片距離產(chǎn)業(yè)化落地還有多遠？在這一賽道的創(chuàng)業(yè)者們，能給計算芯片帶來新的驚喜嗎？

01 一篇頂刊論文引出的新型賽道

隨著摩爾定律滯緩，硅光子技術成為超越摩爾定律的研究方向之一。

2017年，來自英國艾克塞特大學、牛津大學和明斯特大學的研究人員，宣布了其類腦光驅(qū)動芯片研究成果。他們用特殊相變材料和光子集成電路模擬人腦神經(jīng)突觸，使得這款芯片在測試中的數(shù)據(jù)傳輸速度達300Gbps，比當時現(xiàn)有標準處理器要快10-50倍，同時功耗大幅降低。

在同年5月的美國麻省理工學院10萬美元創(chuàng)業(yè)大賽上，一支來自麻省理工學院（MIT）的團隊憑借用納米光子芯片執(zhí)行AI任務，成功斬獲大獎。

1個月后，主創(chuàng)團隊的研究成果登上頂級期刊《自然·光子學》的封面，論文描述了一種利用光學干涉進行神經(jīng)網(wǎng)絡計算的創(chuàng)新方法。當時，國際著名光學科學家、斯坦福大學終身教授David Miller評價稱：“這一系列研究成果極大地推動了集成光學未來取代傳統(tǒng)電子計算芯片的發(fā)展?！?/p>

這篇光子芯片論文的一作及通訊作者是MIT博士后沈亦晨，二作是尼克·哈里斯（Nick Harris）。不久之后，這些論文合著者將成為商業(yè)上的競爭對手，開啟各自的創(chuàng)業(yè)之旅，并分別獲得來自谷歌、百度等科技巨頭的投資。

光子是當前速度最快的粒子，相較電子，速度更快而功耗極低。此前光學技術通常應用于通信傳輸領域，借助光的更快速度、更高容量等特點實現(xiàn)數(shù)據(jù)的遠距離傳輸，但在計算領域進展緩慢。

實際上，光計算的研究歷史并不短暫。在國外，1950年代前后，貝爾實驗室等機構花費大量精力來設計光學計算機部件；在國內(nèi)，1987年中科院上海光學精密機械研究所王之江院士曾于《中國科學院院刊》上撰文，提出了極具前瞻性的發(fā)展光計算技術的建議，并于此后在光學神經(jīng)學邏輯計算方面開展了大量的工作。

由于光計算的應用場景并不清晰，軟硬件體系也不夠完善，關于如何用光子代替電子芯片執(zhí)行計算的想法長期停留在研究階段，鮮少在實際應用中發(fā)揮廣泛的作用。

直到摩爾定律趨于滯緩，AI的巨輪開始起航。

02 光子AI芯片的優(yōu)勢：

速度快、功耗低、擅長并行計算

作為統(tǒng)治計算的一個基準法則，摩爾定律指出，微處理器芯片上的晶體管數(shù)每18-24個月翻一番，曾長期作為推動電子設備小型化和互聯(lián)網(wǎng)普及的關鍵動力。

但這是芯片制造商及供應商竭力維系摩爾定律的結(jié)果，隨著逼近物理尺寸極限、散熱難題即將成為無法克服的挑戰(zhàn)，以及許多關鍵的計算密集型應用發(fā)展提速，人們對摩爾定律的未來產(chǎn)生了更多疑慮，對芯片技術創(chuàng)新的需求也愈發(fā)迫切。

2016年，《Nature》在“超越摩爾（More than Moore）”一文中指出，摩爾定律已接近日薄西山，接下來硅晶技術的發(fā)展將不再以摩爾定律為中心，造出更好的芯片然后讓應用跟進，而是從應用出發(fā)來看需要怎樣的芯片支持，進而容納更多細微復雜的創(chuàng)新方向。

而根據(jù)OpenAI發(fā)布的分析數(shù)據(jù)，自2012年以來，AI訓練對算力的需求每3.43個月翻一番，增速明顯快于摩爾定律。

▲自2012年以來算力需求增長超過30萬倍，而如果以摩爾定律的速度只會有 12 倍的增長（來源：OpenAI）

隨著以神經(jīng)網(wǎng)絡計算為主的AI應用普及，一些研究人員意識到，深度學習可能是數(shù)十年來光學計算所等待的“殺手級應用”。

首先，光速快于電子速度，理想狀態(tài)下，光子芯片的計算速度能比電子芯片快約1000倍。同時，采用成熟半導體工藝技術的光子芯片，即可達到當下需要的計算能力。

其次，光子計算消耗能量少，同等計算速度下，光子芯片的功耗僅為電子芯片的數(shù)百分之一，可以緩解AI創(chuàng)新所需的數(shù)據(jù)中心建設對環(huán)境的影響。

▲Lightmatter聯(lián)合創(chuàng)始人兼CEO尼克·哈里斯在2020年Hot Chips上講解光子計算相較電子計算的延時、帶寬、功耗優(yōu)勢

最后，光計算技術具有并行計算的特點，光波的頻率、波長、偏振態(tài)和相位等信息可以代表不同的數(shù)據(jù)，且光路在交叉?zhèn)鬏敃r互不干擾。這些特性使得光子擅長做并行運算，與多數(shù)計算過程花在“矩陣乘法”上的人工神經(jīng)網(wǎng)絡相契合。

總體而言，光具有高計算速度、低功耗、低時延等特點，且不易受到溫度、電磁場和噪聲變化的影響，在AI應用領域，將光學技術與電子學結(jié)合，有望提供比傳統(tǒng)方法更好的速度和能效。

03 光子計算走向商業(yè)化

嗅到AI加速帶來的機會后，來自英、法、美、中的一些創(chuàng)業(yè)團隊開始揚帆起航，切入云端AI計算市場，其中不乏有初創(chuàng)公司得到來自科技巨頭及知名投資者的投資。

2013年成立的英國創(chuàng)企 Optalysys，曾于2015年創(chuàng)建一個光計算原型，實現(xiàn)了約320Gflops的處理速度，且能效非常低。去年上半年，Optalysys推出了入門級光學協(xié)處理器FT： X2000，計劃出售給包括計算機制造、國防及航空航天領域的部分合作伙伴及早期客戶。

▲Optalysys入門級光學協(xié)處理器FT： X2000

初創(chuàng)公司 Fathom Computing成立于2014年，其光子原型計算機在2014年時識別手寫數(shù)字的準確率還只有30%左右，到2018年時已經(jīng)超過90%。其創(chuàng)始人Willam Andregg稱，這是機器學習軟件首次使用激光脈沖電路而非電力進行訓練。不過近兩年，這家創(chuàng)企似乎并未公開更多進展。

2018年，成立兩年、總部位于法國巴黎的創(chuàng)企 LightOn宣布，它已經(jīng)開始在歐洲的數(shù)據(jù)中心測試自己的光學處理單元（OPU）技術。2020年6月，LightOn發(fā)表的新論文顯示，其光學神經(jīng)網(wǎng)絡訓練芯片在運行基于MNIST手寫數(shù)字數(shù)據(jù)集訓練的模型時，學習率為0.01，測試準確率達到95.8%；同一算法在GPU上的學習率為0.001、準確率達97.6%。而該光學芯片的功耗效率要比GPU高出一個數(shù)量級。

論文鏈接：https://arxiv.org/pdf/2006.01475.pdf

當然，名氣最盛的光子芯片創(chuàng)業(yè)者，當屬曾在《自然·光子學》上發(fā)表封面文章、來自麻省理工學院的沈亦晨和尼克·哈里斯，兩人均在2017年成立光子芯片公司，都選擇Mach-Zehnder干涉儀光開關陣列（MZI）作為基礎計算單元，但具體的MZI結(jié)構及陣列架構有所不同。

沈亦晨在美國波士頓創(chuàng)辦 Lightelligence，在中國上海成立 曦智科技，發(fā)展了跨國多元團隊，是目前全球融資額最高的光子計算初創(chuàng)公司。

曦智科技在2018年獲得由百度風投和美國半導體高管財團領投的逾1000萬美元種子輪融資；2020年4月完成由經(jīng)緯中國和中金資本旗下中金硅谷基金領投、百度風投繼續(xù)追加投資的2600萬美元A輪融資；2020年7月完成由和利資本投資的數(shù)千萬美元A+輪融資。

2019年4月，曦智科技發(fā)布全球首款光子芯片原型板卡，在運行TensorFlow處理MNIST數(shù)據(jù)集的測試中取得百倍以上的速度提升，準確率接近電子芯片（97%以上），而完成矩陣乘法所用的時間不到最先進電子芯片的1/100。曦智科技計劃從2021年起為AI云計算帶來高效的量產(chǎn)產(chǎn)品。

尼克·哈里斯在波士頓創(chuàng)辦的 Lightmatter公司，則拿到了由谷歌風投、星火資本、經(jīng)緯創(chuàng)投等投資的3300萬美元資金。

在2020年的芯片頂會Hot Chips上，Lightmatter展示了其用于AI推理加速的測試芯片Mars，該芯片利用硅光電學和MEMS技術，通過由毫瓦級激光光源，為用光執(zhí)行矩陣向量乘法提供動力。相較傳統(tǒng)電子芯片，其計算速度提升數(shù)個量級。

Lightmatter預計在2021年秋季推出這款測試芯片的首款商用產(chǎn)品，并為之打造了必要的軟件工具鏈。哈里斯稱其量產(chǎn)芯片在BERT、Resnet-50推理等工作負載上，能效將是AI芯片領導者NVIDIA旗艦芯片A100的20倍、吞吐量將是A100的5倍。

▲Lightmatter測試芯片Mars

看到《自然·光子學》上MIT團隊刊發(fā)的論文后，正在研究光電子的中國北京交通大學2014級博士生白冰獲得了新的啟發(fā)，他與十余位來自清華、北大等北京8所高校的博士生們一起，在2017年在北京創(chuàng)立 光子算數(shù)團隊，開始推進光子AI芯片商業(yè)化。

光子算數(shù)于2018年9月獲得臻云創(chuàng)投、英諾天使基金投資的天使輪融資、2019年獲得由水木清華校友基金、常見投資、英諾天使基金、臻云創(chuàng)投等投資的A輪融資。

目前光子算數(shù)已研發(fā)可編程光子陣列芯片F(xiàn)PPGA（Field Programmable Photonic Gate Arrays），并基于此與北京高校一起打造了面向服務器的光電混合AI加速計算卡，能完成包括機器學習推理、時間序列分析在內(nèi)的一些定制化加速任務。

其計算卡已于2020年交由服務器廠商客戶進行測試，在不到70W的運行功耗下，能做三四十路1080P視頻同步處理，混合精度下峰值算力接近20TOPS，光部分為低精度，電部分為高精度。

從美國普林斯頓大學脫胎而出的美國光子AI芯片創(chuàng)企 Luminous Computing成立相對晚一些。

該公司由首席策略官Michael Gao、CEO Marcus Gomez和CTO Mitchell Nahmias在2018年聯(lián)合創(chuàng)立，于2019年籌得來自微軟創(chuàng)始人比爾·蓋茨、Uber首席執(zhí)行官Dara Khosrowshahi等知名投資者的900萬美元種子輪融資，2020年又籌得由Helios Capital領投的900萬美元A輪融資。

Nahmias在普林斯頓PhD期間的主要研究方向即是光子AI芯片。與MIT團隊不同，他們采用的并非MZI，而是被稱為Broadcast and Weight的方案，相較MZI型方案多了光電轉(zhuǎn)換過程，且對相位不敏感。Nahmias稱其光子集成電路可以取代3000塊TPU板，更加節(jié)省能耗，且能突破現(xiàn)有AI芯片傳輸數(shù)據(jù)的瓶頸。

▲Broadcast and Weight方案的原理框架

這些創(chuàng)業(yè)團隊的硬件均被設計為可以插入標準服務器和工作站中，可實現(xiàn)即插即用，并能與主流AI軟件配合使用，以滿足商用需求。

04 結(jié)語：光子計算踏上AI計算新征程

訓練AI模型需要超高算力的計算機芯片，這使得芯片巨頭、初創(chuàng)公司之間展開一場圍繞AI計算的全新角逐。

如今光子計算仍處早期階段，站在這一全新計算賽道上的玩家們，幾乎沒有前路可以借鑒，他們正頂著技術挑戰(zhàn)、落地風險等方面的壓力，試圖構建起光子計算生態(tài)，探索著改變計算的可能。

對于投資者來說，新興計算技術仍充滿風險。但隨著世界對多元計算方式的需求增加，以光子計算、神經(jīng)擬態(tài)芯片、量子芯片等為代表的新興計算方法，正被寄予打破標準計算系統(tǒng)制約的期待。

這是件令人期待的事情，光學計算已經(jīng)在商業(yè)化道路上邁出了重要的一步，而一旦有初創(chuàng)公司解決工程化挑戰(zhàn)、取得落地商用的成功，光學計算革命的大門或?qū)⒂纱碎_啟。

責任編輯：PSY