易坊好文馆

  1. 首页 > 生活百科 >

AI 一篇论文引发的AI芯片革命：这次真想要了摩尔定律的命( 二 )


2016年 ， 《Nature》在“超越摩尔（More than Moore）”一文中指出 ， 摩尔定律已接近日薄西山 ， 接下来硅晶技术的发展将不再以摩尔定律为中心 ， 造出更好的芯片然后让应用跟进 ， 而是从应用出发来看需要怎样的芯片支持 ， 进而容纳更多细微复杂的创新方向 。
而根据OpenAI发布的分析数据 ， 自2012年以来 ， AI训练对算力的需求每3.43个月翻一番 ， 增速明显快于摩尔定律 。
AI 一篇论文引发的AI芯片革命：这次真想要了摩尔定律的命
文章图片

▲自2012年以来算力需求增长超过30万倍 ， 而如果以摩尔定律的速度只会有 12 倍的增长（来源：OpenAI）
随着以神经网络计算为主的AI应用普及 ， 一些研究人员意识到 ， 深度学习可能是数十年来光学计算所等待的“杀手级应用” 。
首先 ， 光速快于电子速度 ， 理想状态下 ， 光子芯片的计算速度能比电子芯片快约1000倍 。同时 ， 采用成熟半导体工艺技术的光子芯片 ， 即可达到当下需要的计算能力 。
其次 ， 光子计算消耗能量少 ， 同等计算速度下 ， 光子芯片的功耗仅为电子芯片的数百分之一 ， 可以缓解AI创新所需的数据中心建设对环境的影响 。
AI 一篇论文引发的AI芯片革命：这次真想要了摩尔定律的命
文章图片

▲Lightmatter联合创始人兼CEO尼克·哈里斯在2020年Hot Chips上讲解光子计算相较电子计算的延时、带宽、功耗优势
最后 ， 光计算技术具有并行计算的特点 ， 光波的频率、波长、偏振态和相位等信息可以代表不同的数据 ， 且光路在交叉传输时互不干扰 。这些特性使得光子擅长做并行运算 ， 与多数计算过程花在“矩阵乘法”上的人工神经网络相契合 。
总体而言 ， 光具有高计算速度、低功耗、低时延等特点 ， 且不易受到温度、电磁场和噪声变化的影响 ， 在AI应用领域 ， 将光学技术与电子学结合 ， 有望提供比传统方法更好的速度和能效 。
03．光子计算走向商业化
嗅到AI加速带来的机会后 ， 来自英、法、美、中的一些创业团队开始扬帆起航 ， 切入云端AI计算市场 ， 其中不乏有初创公司得到来自科技巨头及知名投资者的投资 。
2013年成立的英国创企Optalysys ， 曾于2015年创建一个光计算原型 ， 实现了约320Gflops的处理速度 ， 且能效非常低 。去年上半年 ， Optalysys推出了入门级光学协处理器FT： X2000 ， 计划出售给包括计算机制造、国防及航空航天领域的部分合作伙伴及早期客户 。
AI 一篇论文引发的AI芯片革命：这次真想要了摩尔定律的命
文章图片

▲Optalysys入门级光学协处理器FT： X2000
初创公司Fathom Computing成立于2014年 ， 其光子原型计算机在2014年时识别手写数字的准确率还只有30%左右 ， 到2018年时已经超过90% 。其创始人Willam Andregg称 ， 这是机器学习软件首次使用激光脉冲电路而非电力进行训练 。不过近两年 ， 这家创企似乎并未公开更多进展 。
2018年 ， 成立两年、总部位于法国巴黎的创企LightOn宣布 ， 它已经开始在欧洲的数据中心测试自己的光学处理单元（OPU）技术 。2020年6月 ， LightOn发表的新论文显示 ， 其光学神经网络训练芯片在运行基于MNIST手写数字数据集训练的模型时 ， 学习率为0.01 ， 测试准确率达到95.8%；同一算法在GPU上的学习率为0.001、准确率达97.6% 。而该光学芯片的功耗效率要比GPU高出一个数量级 。
AI 一篇论文引发的AI芯片革命：这次真想要了摩尔定律的命
文章图片

论文链接：https：//arxiv.org/pdf/2006.01475.pdf
当然 ， 名气最盛的光子芯片创业者 ， 当属曾在《自然·光子学》上发表封面文章、来自麻省理工学院的沈亦晨和尼克·哈里斯 ， 两人均在2017年成立光子芯片公司 ， 都选择Mach-Zehnder干涉仪光开关阵列（MZI）作为基础计算单元 ， 但具体的MZI结构及阵列架构有所不同 。
沈亦晨在美国波士顿创办Lightelligence ， 在中国上海成立曦智科技 ， 发展了跨国多元团队 ， 是目前全球融资额最高的光子计算初创公司 。

推荐阅读


上一篇：人物 反转：被宣布去世后 男友称“邦女郎”坦雅·罗伯兹并未死亡

下一篇：Google 谷歌Snap等拟向印度版Twitter投资2亿美元 估值10亿