初创公司加速了光速计算的进程

我们能够将越来越小的晶体管塞进芯片上，从而实现了当今无处不在的计算时代。但这种方法最终遇到了极限，一些专家宣布摩尔定律和相关原理的终结，即丹纳德缩放。

这些事态发展来得正是时候。近年来，对计算能力的需求猛增，这在很大程度上要归功于人工智能的兴起，而且没有放缓的迹象。

现在，由三位麻省理工学院校友创立的Lightmatter公司正在通过重新思考芯片的命脉来继续计算的显着进步。该公司不仅仅依靠电力，还使用光进行数据处理和传输。该公司的前两款产品，一种是专门用于人工智能操作的芯片，另一种是促进芯片之间数据传输的互连，它们同时使用光子和电子来推动更高效的操作。

“我们正在解决的两个问题是’芯片如何说话？’和’你如何进行这些（AI）计算？’”Lightmatter 联合创始人兼首席执行官 Nicholas Harris 博士 ’17 说。“通过我们的前两款产品，Envise 和 Passage，我们正在解决这两个问题。”

为了应对问题的规模和对人工智能的需求，Lightmatter 在 2023 年以 12 亿美元的估值筹集了 3 亿美元。现在，该公司正在与世界上一些最大的科技公司展示其技术，希望减少数据中心和人工智能模型的大量能源需求。

“我们将在互连技术之上启用平台，这些技术由数十万个下一代计算单元组成，”哈里斯说。“如果没有我们正在构建的技术，这根本不可能实现。”

从想法到 $100K

在加入麻省理工学院之前，哈里斯曾在半导体公司美光科技（Micron Technology）工作，在那里他研究了集成芯片背后的基本器件。这段经历使他看到了提高计算机性能的传统方法——在每个芯片上塞入更多的晶体管——是如何达到极限的。

“我看到计算的路线图正在放缓，我想弄清楚如何继续下去，”哈里斯说。“哪些方法可以增强计算机？量子计算和光子学是其中的两条途径。

哈里斯来到麻省理工学院，在电气工程和计算机科学系副教授Dirk Englund的指导下攻读光子量子计算博士学位。作为这项工作的一部分，他建造了基于硅的集成光子芯片，可以使用光而不是电来发送和处理信息。

这项工作在 《自然》等著名期刊上获得了数十项专利和 80 多篇研究论文。但另一项技术也引起了麻省理工学院哈里斯的注意。

“我记得走在大厅里，看到学生们从这些礼堂大小的教室里涌出来，观看讲座的现场视频，看教授教授深度学习，”哈里斯回忆道，他指的是人工智能技术。“校园里的每个人都知道深度学习将是一件大事，所以我开始更多地了解它，我们意识到我为光子量子计算构建的系统实际上可以用来进行深度学习。

哈里斯原本计划在获得博士学位后成为一名教授，但他意识到他可以通过创业公司吸引更多资金并更快地创新，因此他与同样在 Englund 实验室学习的 Darius Bunandar 博士 ’18 和 Thomas Graham MBA ’18 合作。联合创始人通过赢得 2017 年麻省理工学院 $100K 创业大赛成功进入创业世界。

看见曙光

Lightmatter 的 Envise 芯片采用了电子擅长的计算部分，例如内存，并将其与光擅长的部分相结合，例如执行深度学习模型的大规模矩阵乘法。

“使用光子学，你可以同时执行多个计算，因为数据来自不同颜色的光，”哈里斯解释道。“在一种颜色中，你可以有一张狗的照片。在另一种颜色中，你可以有一张猫的照片。换一种颜色，也许是一棵树，你可以让所有这三个操作同时通过同一个光学计算单元，这个矩阵加速器。这提高了每个区域的运营效率，并重复利用了现有的硬件，从而提高了能源效率。

Passage 利用光的延迟和带宽优势，以类似于光纤电缆使用光远距离发送数据的方式链接处理器。它还使与整个晶圆一样大的芯片能够充当单个处理器。在芯片之间发送信息对于运行为云计算提供动力并运行 ChatGPT 等 AI 系统的大型服务器群至关重要。

这两款产品都旨在为计算带来能源效率，哈里斯说，这是在不大幅增加功耗的情况下跟上不断增长的需求所必需的。

“到2040年，一些人预测，地球上大约80%的能源使用将用于数据中心和计算，而人工智能将占其中的很大一部分，”哈里斯说。“当你看到用于训练这些大型人工智能模型的计算部署时，它们正朝着使用数百兆瓦的方向发展。他们的用电量相当于城市的规模。

Lightmatter目前正在与芯片制造商和云服务提供商合作进行大规模部署。哈里斯指出，由于该公司的设备在硅上运行，因此可以由现有的半导体制造设施生产，而无需对工艺进行大规模更改。

这些雄心勃勃的计划旨在为计算开辟一条新的道路，这将对环境和经济产生巨大影响。

哈里斯说：“我们将继续研究计算机的所有部件，以找出光可以加速它们的地方，使它们更节能，更快，我们将继续更换这些部件。“目前，我们专注于与 Passage 的互连以及与 Envise 的计算。但随着时间的流逝，我们将构建下一代计算机，而这一切都将以光为中心。