光子芯片是正在兴起的半导体技术。它们用光（光子）取代电子作为晶体管之间传导信息的介质。这样，计算实际上可以以光速进行，比传统的电子驱动的芯片要快得多。提高 AI 计算的速度非常重要，尤其在边缘侧，AI 必须响应环境的实时变化。低时延 AI 计算一个至关重要的例子是自动驾驶汽车。自动驾驶汽车依靠神经网络来了解所处环境、检测物体，在道路和街道上找到自己的路径并避免碰撞。
人类驾驶汽车可以轻松达到每小时 100～160 公里的速度。而对于自动驾驶汽车来说，如果只依靠摄像头来判别道路，汽车就无法以这样的速度行驶。主要原因之一是处理视频信息的 AI 模型速度无法满足这个需求。其他低时延 AI 计算的例子包括无人机操作和机器人手术，这两者都涉及安全问题，需要控制硬件的 AI 模型的实时响应。
另外，当前的 AI 技术仍然非常耗电，这个问题在云端和边缘侧都存在。以美国为例，云服务器和数据中心耗电目前约占美国用电量的 2%。根据一些预测，到 2025 年，数据中心将消耗全球电力的 1/5。如果未来云端的大部分功率都用于神经网络计算，将给 AI 产业带来环境问题。电子芯片产生热量的原因是电子信号通过铜线并导致热量损失，这就是主要的电力成本所在。相比之下，光不会像电子产品那样导致发热。光子速度很快，并且不会像电子那样相互碰撞。因此，使用光子芯片可以大大降低 AI 运行（尤其是 MAC）的能耗。另外，光子系统还可以利用光的多路复用和超高速信号传播来实现很大的带宽密度。
光子 AI 计算尤其可以在边缘侧发挥优势，它将帮助减轻重量受限的设备的负担。例如，无人机上如果配备带有很多 AI 功能的设备，就得挂上一个巨大、笨重的电池。使用光子 AI 加速器有助于降低这些设备的功耗和重量。
有前途的光子芯片已经有很多，其中有一部分正被一些初创公司变成产品。然而，尽管光子芯片在处理速度上具有极大优势，目前光子器件的可扩展性还十分有限，尚不能实现大型神经网络所要求的矩阵矢量乘法。另外，光的存储问题尚未解决。虽然从理论上讲，光子芯片在时延、功耗方面只有电子芯片的 1/1000 左右，但是光子的控制还得由电子电路来控制，实际电路还需要增加不少光电转换、ADC、DAC 等接口和电路，因此目前的实际系统还未能充分发挥光子的优势。为了在硅光芯片上实现比
（本章节未完结，点击下一页翻页继续阅读）
正在加载...