随着AI技术的快速发展，特别是大模型的兴起，对算力的需求呈指数级增长，这也给芯片和计算架构带来了前所未有的挑战。传统硅基芯片的制程工艺已经接近物理极限，摩尔定律逐渐失效，芯片性能的提升速度放缓，当前主流的基于电子的芯片技术能否满足未来AI发展的算力需求,已成为业界关注的焦点。
在日前举行的2024“算力中关村”技术成果对接交流专场活动上，图灵量子创始人、上海交通大学终身教授金贤敏发表《光子芯片赋能未来算力基础设施》主题演讲时也指出，“电子芯片越做越小、越做越细的方式做不下去了，算力的需求却是在暴涨，哪怕电子芯片还按照摩尔定律往前推进，也满足不了人工智能算力的需求。电子芯片走向终结以后，有挑战，也有机遇。以光子芯片为载体，或者是光量子计算、光子计算为新型的范式成为新的机遇。”
2024“算力中关村”技术成果对接交流专场活动
当前，半导体行业发展面临摩尔定律放缓的挑战，探索超越摩尔定律的‘Beyond Moore’技术路径成为关键，光子芯片作为一种新兴技术，不受摩尔定律限制，为破解AI算力困境带来了新的希望。
光子芯片具有高速、低功耗、低延迟等诸多优势,相较于传统的电子芯片，光子芯片能够更高效地处理大规模的数据，并且在能源利用率方面表现出色，非常适合应用于对算力和功耗要求极高的AI训练和推理任务。
业内人士普遍认为，随着光子芯片技术的不断成熟和进步，它将在人工智能、大数据处理和高性能计算等方面发挥重要作用。
实际上，多家科技巨头和初创公司早已在光子芯片领域发力，例如英特尔早在2019年就发布了号称性能是电子芯片1000倍的硅光子芯片;英伟达与哈佛大学、MIT等机构合作,于2021年提出了一种新型的类脑光子芯片,将神经网络算法映射到芯片上,可大幅提升AI任务的运算效率;初创企业Lightelligence、Lightmatter等则致力于研发通用光子AI芯片和系统；国内的光子芯片公司曦智科技在2021年发布的第二代处理器pace，在运行循环神经网络时，只需GPU的1%时间，显示出光子芯片在AI和深度学习应用中的巨大潜力。
以自然语言处理和计算机视觉为例，GPT-3在训练阶段需要消耗超过1200兆瓦时的电力,相当于346美国家庭一年的用电量，而据麻省理工学院研究人员测算,如果采用硅光子技术，训练效率可提高8-9个数量级，可见光子芯片技术的应用,有望从根本上突破当前AI芯片的算力瓶颈。
光子芯片技术的应用虚拟图
然而，光子芯片要成为AI算力困境的解决方案，还面临不小的挑战。一方面是技术成熟度不足，特别是大规模集成化、电光耦合等关键技术有待进一步突破；另一方面是光电融合芯片的设计制造涉及多个学科和工艺，复杂度高，良品率较低，成本居高不下。
光子芯片利用光子而非电子进行信息处理和传输,具有传输速率高、功耗低、延迟小等优势。
要实现用于AI加速的光子芯片，关键是要构建一个完整的光电混合系统，使用光调制器将电路产生的电信号转换为光信号，再通过芯片内部的光波导、光调制器、光检测器等光学元件进行高速低功耗的运算处理，最后将运算处理后的光信号转换为电信号输出。
有几个关键技术:
硅光子集成：采用成熟的CMOS工艺,在硅基底上制备出纳米尺度的光波导、微环谐振腔、行波调制器、锗硅光电探测器等光学元件,并与电子元件集成在一个芯片上,实现电光转换和光电转换。
相干光源：为保证芯片内部光信号的相干性,需要集成窄线宽、高功率的激光器作为光源,可采用异质集成III-V族化合物半导体材料。
光学矩阵运算：通过精心设计的光学矩阵,可以在光域实现类似TPU/GPU的矩阵-矩阵乘加运算,是AI算法加速的核心。其原理是基于光的干涉和叠加,入射光矢量与权重矩阵相乘得到输出光矢量,实现并行矩阵运算。
电光耦合与封装：开发高效的光子芯片-光纤耦合方案,降低耦合损耗;进行光电混合封装,解决管芯制冷、散热等问题,充分发挥光互连的高速率优势。
编程框架：需要提供光电融合芯片的编程框架和算法库,屏蔽硬件实现细节,让AI开发者能高效地进行模型开发。
此外，光子芯片还可能采用一些创新架构,如图灵量子的"数字-光模混合"架构,用数字电路产生权重矩阵,用光学矩阵加速器做矩阵-矩阵乘,兼顾了数字电路的成熟性和光计算的高效性。
如果电子芯片的革命用硅来命名的话，光子芯片的革命要用铌酸锂薄膜来命名。在专场活动上，金贤敏教授介绍了飞秒激光直写技术和铌酸锂薄膜技术这两种关键技术。
飞秒激光直写技术可用于制造复杂的三维光波导结构，是构建量子计算芯片和光电融合器件的重要工具。铌酸锂薄膜技术则凭借其高电光系数和低光学损耗，在光调制器和光波导等器件制造方面具有优势，而且该技术与CMOS工艺兼容，可利用现有电子芯片生产线进行量产，极具产业化潜力。图灵量子团队致力于发展包括这两种技术在内的多种先进的光子芯片制造技术，同时也致力于光量子计算技术的研发和产业化。
（横坐标代表调制速度，越往右表示速度越快；纵坐标代表损耗，越往上表示损耗越低。因此，右上角区域代表最佳性能。铌酸锂薄膜芯片在这方面表现出色，相较于硅光和块状磷酸锂等材料具有明显优势。）
光子芯片作为一种新兴技术，具有巨大的发展潜力，光子芯片要真正成为AI领域的"算力引擎"，在集成工艺、芯片架构、光电混合封装等方面都还有不少挑战需要攻克。
产学研用多方携手，通过不断提升技术成熟度、降低成本、完善生态系统，光子芯片有望在未来成为算力领域的重要解决方案。
热门专题
