导读：编译/文龙 随着对人工智能需求的增长，对保持ai运行所需的计算机功能的渴望也与日俱增。 lightmatter是一家诞生于麻省理工学院（mit）的初创公司，该公司押注于一种用光子而非电子执行运算的计算机芯片。这种芯片从根本上与传统的计算机芯片相区分，有望成为...
编译/文龙
随着对人工智能需求的增长，对保持ai运行所需的计算机功能的渴望也与日俱增。
lightmatter是一家诞生于麻省理工学院（mit）的初创公司，该公司押注于一种用光子而非电子执行运算的计算机芯片。这种芯片从根本上与传统的计算机芯片相区分，有望成为能够满足ai「饥饿」的有力竞争者。
lightmatter首席执行官尼克哈里斯（nick harris）说：「要么我们发明的新计算机继续下去，要么人工智能放慢速度。」
常规的计算机芯片通过使用晶体管来控制半导体中的电子流进行工作。通过将信息编码为连续的1、0序列，这些芯片可以执行各种逻辑运算，为复杂的软件提供相应功能。相比之下，lightmatter的芯片设计为仅用于执行特定类型的数学计算，以便能够更好地运行功能强大的ai程序。
harris在位于波士顿的公司总部展示了他们的新型芯片，看起来和普通的计算机芯片并无差异。上面有几根光纤，下层的硅芯片可协调各个光子部件的功能，并提供临时的存储功能。但是，该芯片是通过在微小的通道（仅几纳米）内分离和混合光束来执行计算的。
lightmatter计划在今年晚些时候开始发售其首款基于光子的ai芯片envise，并为常规数据中心提供包含16个这种芯片的刀锋服务器。该公司目前已从gv（前google ventures）、spark capital和matrix partners筹集到了2200万美元。
图示：lightmatter的envise芯片
lightmatter声称，他们推出的envise芯片的运行速度比最先进的nvidiaa100 ai芯片快1.5至10倍，具体根据任务的不同有所差异。以运行bert自然语言模型为例，envise的速度是英伟达（nvidia）芯片的5倍，并且仅消耗了其六分之一的功率。
对此，英伟达拒绝置评。
lightmatter的芯片受限的根本原因是它的计算是模拟的，而非数字的。这使它本质上不如数字硅芯片准确，但是该公司已经研发出提高计算精度的技术。
lightmatter将其芯片定位在主要用于运行ai模型的预训练，因为这需要较低的精度。但是harris表示，原则上可以做到两者兼而有之。
虽然这项技术仍有一定的技术限制，可能很难说服公司转向使用这种未经验证的设计。但是，semico的分析师rich wawrzyniak相信这项技术极大可能会获得关注。
wawrzyniak期望大型科技公司至少可以对该技术进行测试，毕竟如今对ai的需求及其使用成本的增长十分迅速。「从许多不同角度来看，这是一个紧迫的问题。」数据中心的电力需求正「像火箭一样攀升。」
对于特定的ai计算，envise芯片速度更快、效率更高，这是因为它可以利用不同波长的光实现更有效的信息编码，并且控制光比用晶体管控制电子流所需的功率要少。
从用于数据中心的专用芯片设计到用于移动设备和可穿戴设备的高效设计，深度学习的兴起已经激发了新芯片设计的兴旺发展。
从事光子计算的加州大学洛杉矶分校（ucla）教授艾多安奥兹坎（aydogan ozcan）表示，向光子计算这一新形势的转变甚至可能会开辟新的ai方式。「我们可能会看到在计算速度、功能和并行性方面的重大进步，这将进一步推动并加速ai的成功。」
harris强调，由于成本和能源使用的上涨以及即将出现的工程限制，人工智能会在未来几年陷入困境。随着工程师试图将更多的晶体管塞入芯片以提高性能，芯片可能变得过热而无法管理。
即使芯片制造商可以使用有效的工程制造方法从设计中获取更多的计算量，但ai似乎处于不停歇的轨道上。openai的最新数据显示，进行具有里程碑意义的ai研究所需的算力在2012年至2018年期间增长了300,000倍，大约每3、4个月翻一番。
一些ai专家警告说，由于算力成本的不断扩大，ai的进展可能会逐渐放缓。其他一些ai专家则担心耗电量大的ai算法的广泛使用对环境的潜在影响。
原文地址：https://www.wired.com/story/chip-ai-works-using-light-not-electrons/amp
ayx爱游戏