一年前，小编对于武汉华为光加工厂新项目（二期）宣布到顶的信息写了一篇有关华为海思造芯的文章内容《武汉华为光芯片加工厂到顶，华为海思造芯第一枪？》，那里边也谈到了光子芯片的构成、原理，及其华为公司在光子芯片行业的布置和欲望。

那今日为何又要再说光子芯片这一问题呢？一方面光子芯片，也就是人们常说的硅光芯片的确是完成提升颠覆性创新限定的一项技术性，规模型发展趋势是必然趋势；另一方面，去年写的这篇文章里的光子芯片关键指的是光纤通信芯片，和接下来要讲的光子计算芯片最少是不一样主要用途的俩件事情，因此必须再独立拉出去谈一谈。

触碰光子计算这一定义实际上是在2019年，那时候日本电信电话株式（NTT）表明要在CPU中引进光互联网技术，早已开发设计出了袖珍型光学转换元器件，并在开发设计性能卓越、省电的光学结合型信息资源管理芯片。到时候，该芯片将运用于异构体计算系统软件，环保节能、高通量测序数据处理方法及其极低延迟检测、匹配算法解决等行业。

出自于对光子芯片的好奇心，小编逐渐阅览有关的信息内容，看到了例如“神经网络算法的练习可以同时在光子芯片上开展”的基础理论，并关心到了从MIT 精英团队问世出的俩家新成立公司 Lightelligence 和 LightMatter。

图 | 全球第一款光子芯片原形主控板

从2020年逐渐，除开基础理论认证，销售市场上逐渐产生一些原形商品，例如Lightelligence就曾在2020年12月对外开放公布开发设计出了全球第一款光子芯片原形主控板，在这个原形商品上取得成功用光子芯片运作了Google Tensorflow内置的卷积神经网络实体模型来解决MNIST数据。Lightmatter也在2021年秋天发布了配备光子计算芯片的PCIe卡，这也是Lightmatter致力于大数据中心AI逻辑推理工作中负荷而制定的，也是其第一款商业化的的商品。

也是在这段时间内，华为公司公布了一份名叫“光计算芯片、系统软件及数据处理方法技术性”的专利发明，申请办理日期是2019年8月，专利权公布号为CN112306145A。然后在2021年华为公司欧洲投资分析师交流会上，华为公司执行董事、发展战略研究院院长徐文伟表明，“到2030年，算力要求将提高100倍，怎样打造出非常算力将是一个较大的考验，将来仿真模拟计算、光子计算遭遇较大的应用领域，因此现阶段华为公司也在科学研究仿真模拟计算与光子计算。”

初创公司在前面闯，领域大佬带节奏，由此可见光子计算才算是完成非常算力的归路。这更为激发了小编的求知欲，光子计算究竟是怎么完成的？现阶段技术性演进到了哪一步？绿色生态落地式有什么艰难？正逢一系列问题涌上心头之时，Lightelligence的销售市场工作人员找到我，并告之要在2021年12月举行一场有关“全新光子计算CPU”的新品发布会，这下还有机会深层次了解一下Lightelligence和它的光子计算了。

一篇顶尖杂志期刊的封面图毕业论文开辟了光子AI计算行业

Lightelligence中文名叫曦智高新科技，是一位90后的杭州市小伙子在MIT（麻省理工大学）博士毕业后成立的，这一小伙子便是曦智高新科技创办人兼CEO的沈亦晨。

图 | 曦智高新科技创办人兼CEO沈亦晨博士研究生

有关为什么会挑选光子计算做为创业的机会，沈亦晨表明，“光子AI计算这一技术性是我还在MIT关键的研究内容，2016年我所属的科学研究精英团队打造出了第一个电子光学计算系统软件，2017年就以封面图文章内容的方式发布在了顶级期刊Nature Photonics杂志期刊上，国际性知名电子光学生物学家、斯坦福学校终生正专家教授David Miller, 曾点评称这一系列的科研成果巨大地促进了集成化电子光学在未来替代传统式电子器件计算芯片的发展趋势。因此一篇毕业论文在全世界范畴内启迪了很多人资金投入到光子 AI 芯片的研发中，可以说成开辟了光子AI计算行业，吸引住了近二十家新成立公司陆续创立，许多大企业也都陆续进到这一方位，而曦智高新科技便是这其中的一员。”

曦智高新科技现阶段在墨尔本、上海市、杭州市、南京市等地配有公司办公室及试验室，全世界职工近200人，关键精英团队中有超出10位MIT的博士研究生（关键环境是硅光和AI2个方位），业内十分有工作经验的权威专家（例如带数字、仿真模拟、封装形式的团体的Maurice Steinman），及其顶尖IT企业出去的管理层（领着手机软件和优化算法精英团队）。

提升颠覆性创新限定，光子计算芯片大有作为

2012年之后，神经元网络的尺寸和计算实体模型的尺寸发生了爆发式的提高，均值每3-4个月，计算实体模型的尺寸便会翻一倍。因此，今日较大的神经元网络的实体模型大约是2012年的15-30千倍上下，而且仍在稳步增长，可是有显著受限于算力最底层限定的发展趋势，换句话说，最底层算力牵制了人工智能技术的进一步发展趋势。

那麼，算力怎么会在发展趋势上无法紧跟实体模型尺寸的效率呢？汇总出来有三大关键短板：算力、传输数据和储存。算力短板关键来自两层面：

一. 颠覆性创新的限定。过去近50年来，电子管的相对密度可以每18-20个月翻一倍，但从物理学的方面而言，一个原子的大小就会有贴近0.3个纳米技术，当半导体材料制造做到3纳米技术后，早已十分贴近物理上的極限，因此要传奇以往的每18-20个月翻一倍几乎沒有很有可能。

二. 功能损耗和发烫。2015年之后，伴随着电子管愈来愈小，电子管上的隧穿状况越来越严重，因此即使可以把电子管做得更小，单独电子管在开展计算时的功能损耗也没法进一步减少，上面的热没法更合理释放出来，限定了算力的提升。

而算力短板立即影响了企业总面积电芯片可以做的计算相对密度，对业内而言，进一步提高算力的唯一方法便是进一步扩张电芯片的总面积。应对该念头，英国一家企业干了一颗像餐具一样大的芯片，总面积是英伟达显卡芯片的70-80倍，但功能损耗是英伟达显卡芯片的200倍。这表明伴随着芯片总面积越干越大，它的耗能比并并不是随总面积正比例提高的。这是由于伴随着总面积的扩大，必须更长的铜输电线在不一样芯片、不同之处中间传递数据，可是铜输电线的热值是根据长短正比例提升的。因此，伴随着芯片总面积越来越大，在传输数据上的功率便会明显提高，这也从其本质上牵制了用一块更高的电芯片去进行算力提升的念头。

相近的，把好几个芯片根据一些电的互连后去协作做计算，因为片间互连网络带宽十分比较有限，再加上铜输电线功能损耗没法避开，实际效果也是不尽如人意。通常，根据电来互连100个芯片或是主控板后，它的算力很有可能只比单独主控板提升10倍上下，这也是电芯片无法消除的窘境。

因此，光子芯片被觉得是最合适处理这种窘境的底部技术性。最先，在数据信息运送上边，光早已在光纤通信行业充分说明它的优点；次之，如今的互联网大数据AI大多数是在做线性运算，而正好光的矩阵乘法并行处理工作能力十分强，延迟远远地小于电芯片，而且光在传递的情况下自身不容易发烫；最重要的是，这类光子计算系统软件早已被曦智高新科技那样的精英团队构建出去，并通过了具体认证，并不是纯理论的物品。

经历四年，终究会研究成果转换为光子计算系统软件“PACE”

从2017年迄今，曦智高新科技精英团队历经四年多，将光子AI计算从基础理论的研究成果，转换成了能跑卷积神经网络实体模型解决MNIST数据的光子芯片原形主控板，再到今日能跑AI和深度神经网络之外运用实例的光子计算系统软件“PACE”的问世，把最开始4×4的乘法器，提高到了把几万个光元器件集成化在一块芯片上边，单颗光芯片上的元器件处理速度提升了3个量级，系统软件钟表达1GHz，运作特殊循环系统神经元网络速率可达现阶段高档GPU的数百倍，这也是光子计算行业一个长足的进步。

图 | 曦智高新科技光子CPUPACE

沈亦晨在详细介绍“PACE”技术性时，将其分成三个一部分：根据光来做引流矩阵的相乘累积计算oMAC、上面光互联网oNOC和片间光网络。

oMAC便是根据光来做引流矩阵的相乘累积计算，它是一种仿真模拟计算，根据光脉冲信号替代传统式电子器件开展数据处理方法，数据信息可以载入在光的强度或是相位差上边，根据在光波导入的里的散播互相干预，与此同时开展计算。

oNOC是片上的光互联网，关键根据用光波导入的替代铜输电线的方法，在上面开展传输数据，包含完成片与片中间的光纤通信，及其大芯片上光油的系统总线通讯，在光芯片上搭建一个固定不动通讯拓扑结构，根据光相接，完成根据上面光互联网的数据信息互动，随后选用一些波分复用的方法来散播数据信息。它的优点主要是网络带宽高、功能损耗小、延迟低和实用性强（通用性反映在可以将不一样种类的电子器件芯片和它融合，为浏览储存芯片或是在不一样的计算芯片中间给予一个更快速、更功耗低互连的方法）。

片间光互联网便是把上面的物品进一步扩展到好几个主控板和大量的集群服务器，根据立即用金属的形式把芯片和芯片立即互连起來，相近以一种光方法做芯片中间数据信息的传送。

图 | 全世界第一个示范性出光子优点的计算系统软件PACE

沈亦晨表明，“PACE是全世界仅有的，第一个示范性出光子优点的计算系统软件，也是已经知道全世界处理速度最大的光子芯片，可以展现光子计算在人工智能技术和深度神经网络之外的运用实例。PACE假如和英伟达显卡的GPU 3080跑同一个循环系统神经网络模型，花的时间段可以保证GPU的1%之内。”

从构成构造的视角，PACE由两部份构成：光芯片和电芯片，二者根据3D封装形式技术性倒装句层叠在一起。电芯片上关键做数据的存放和数学模型混和的生产调度，光芯片上关键做数据的计算。

据了解，PACE可以处理伊辛问题（Ising）和较大割/最小割问题（Max-cut/Min-cut）等如今全世界最解决不了或是无法高效率处理的数学题目——NP-Complete Problem，汉语译为代数式复杂性非可预测性问题，涉及到例如生物特征里蛋白质的功能的预测分析、货运物流交通出行生产调度、芯片设计方案、原材料开发等。

硅光芯片也是COMS加工工艺，绿色生态不用再次单独塑造

以“PACE”为例子，65/45纳米技术的COMS加工工艺线就可以达到如今光计算芯片全部的规定。硅光芯片将来的技术性迭代也不会对制造有非常的规定，大量是以别的层面开展技术性迭代，例如cpu主频、光波长总数还有不同的方式。

为什么要做这一段表述？一方面可以表明光子芯片的加工工艺制造规定不高，另一方面也使我们掌握到硅光芯片实际上是COMS加工工艺，在电力学、热力学，包含模拟仿真上都是有非常完善的软可以件立即应用，开展光学混和设计方案。唯一的不一样是针对光而言，在封装形式计划方案里必须有一个插口，把灯源导入到光芯片上来，或是把激光发生器封装形式到全部主控板里边，这一部分可能是自主创新的地区。

图 | 光学融合的信号分析提示

针对绿色生态的兼容模式，沈亦晨表明，“硅光芯片做为一种最底层的硬件配置适用，选用的是光学混合结构，和手机软件有关的全是数据芯片。全部的命令、编译程序、手机软件，最先会载入到数字电芯片上边，数字电芯片会把这种命令和互动点做一个切分和溶解，因此只要在c语言编译器和最底层推动上增加一些新的作用。例如要做矩阵乘法的情况下，数据芯片会传出一个命令让光芯片去做矩阵乘法。可是，绝大多数的命令实际上和目前命令较为贴近，例如绝大多数的最优控制命令、一些信息的调用命令，全是根据目前数字电芯片去做的。因此，从手机软件和绿色生态兼容的方面而言，实质上与目前绿色生态是一样的，无非便是换了好多个关键作用。以新能源汽车为例子，新能源汽车的汽车发动机和能源供应用的是充电电池，燃油车用的是车用汽油，但不意味着顾客驾车的过程中必须从新考一遍驾驶证。大家的光学芯片还可以那么了解，不危害顾客或是客户的系统软件，客户或是去和数字电芯片做互动。”

“但是，针对光子芯片这一大生态而言，或是要大量時间去塑造，最先要往目前绿色生态上来靠，在系统层面兼容目前的绿色生态，和一线晶圆厂、封装形式厂创建战略合作，协同同行把供应链管理渐渐地保证完善。对于销售市场侧，曦智高新科技会先进入大数据的应用情景，包含云计算、无人驾驶、金融业上的量化投资、微生物药物研发等，现阶段大家早已和一些全球顶级云服务供应商、主要金融机构等有深度的合作。” 沈亦晨补充道。

写在最后

“明年我们会推出更通用化的产品，当它去跑像Transformer这样模型的时候，并不能预期它会像PACE这样有上百倍的优势。但是，尤其是基于大模型，若将光的互联和光的计算一起加上去，还是能够跑出3-5倍的算力优势。对于第一代产品来说，这样就能够足够打到市场里面去。”这是曦智科技的短期布局和规划。

在被问到这几年赛道中逐步涌现了十几家光子计算的初创公司，国内的大公司也慢慢开始布局光计算时，沈亦晨自信地回答道，“这说明我们这个行业越来越受到大家的认可，有越来越多的人愿意参与进来，这对生态建设是件好事。我们团队的起步是所有公司里最早的，光计算不像数字电路，用一个相当成熟的设计流程完成设计，一年、两年之内就有可能超过所有其他的数字芯片。光芯片需要相当长的研发周期，从器件的设计到封装的方式，到最后软硬一体化的优化，都是需要经过时间积累的。任何一家公司，哪怕是有几百亿、几千亿的公司，要从现在开始做出像PACE这样一个产品，也会需要至少三年时间。除了先发优势外，团队也是我们的核心竞争力。我们现在有最强的、最完整的做光电混合计算的团队，集聚从硅光到数字，到模拟，到软件的各路人才，是一个已经磨合了四年的团队，这是我们最大的财富。”