【热点资讯】硅光计算芯片，后摩尔时代人工智能算力基座

光计算研究始于20世纪60年代，但受到当时应用范围有限以及电子计算技术快速发展的影响，光计算处理器未能成功迈向商用。时过境迁，人工智能（AI）飞速发展，以ChatGPT为代表的大语言模型所展现的强大能力引发全球关注，紫东太初、悟道、混元、文心、通义、盘古、言犀等一大批千亿级乃至万亿级参数的国产大模型不断涌现，大有引发新一轮科技与产业变革之势。高性能大模型拥有庞大参数规模、要求海量数据高效处理和高速传输，即使是当前最先进的电子计算平台也开始出现计算、存储和传输的瓶颈。大模型的创新发展和迭代，离不开海量数据及高质量数据集的构建，更要依靠大算力集群来支撑训练和推理。近期，大模型训练计算量平均每2个月就要翻倍，激增的算力需求已远超摩尔定律。因此，光子计算近年来又重新受到广泛关注。

硅光计算芯片是AI芯片国产化

和弯道超车的有效途径

当前，大模型训练和推理的硬件以通用图形处理单元（GPU）为主，2022年全球GPU市场规模达到448.3亿美元，美国AI芯片巨头英伟达公司占有80%的市场份额并仍在持续攀升。目前，中国仍以英伟达的产品作为主流算力平台，只有较小规模的算力来自国产神经网络加速平台。然而，自2021年起，美国对中国集成电路领域实行了最为严苛的技术封锁，限制向我国出口最先进的AI芯片和软件。英伟达向我国提供的AI芯片是传输带宽受限的特别版本，使用该版本GPU组成的超算集群的训练和推理效率均落后于国外同期产品。因此，算力基建亟需向自主可控的国产化迈进。

寒武纪、燧原科技、壁仞科技和昆仑芯等国产AI芯片厂商，均提供了深度学习训练和推理的专用芯片，其主要使用专用集成电路（ASIC）硬件架构，用于特定算法或应用场景的优化，计算能力在特定情况下优于英伟达产品，但通用性、灵活性有待提升。基于电子计算的AI芯片的国产化之路受技术封锁影响仍需突破重重阻碍，尤其是受限于先进工艺制程，国产同类芯片在能耗、算力、带宽等方面难以在短期内赶超。此外，电子计算技术还存在固有的计算延时高和内存墙等问题。

光子器件具有高速、大带宽和低功耗的特点，在信息传输和处理方面具有重要优势，而且光信号可以在光子器件中并行传输和处理。这使得光子计算可以更好地实现海量数据的高效处理，也可以避免电子信号传输带来的噪声和时延等问题，更好地实现高带宽的传输互连，从而为大模型提供关键支撑。此外，与最先进的电子神经网络架构及数字电子系统相比，光子计算架构在速度和能效上优