本文轉自雷鋒網，如需轉載請至雷鋒網官網申請授權。

自各家芯片廠商開始將芯片微縮制程作為發展重點開始，業內關于“摩爾定律是否就快走到盡頭”的討論就未停止過。

中國工程院院士許居衍曾就下一波芯片技術前瞻主題，針對CMOS和新器件、馮·諾伊曼架構和新興架構列舉了四類技術方向：

一類是硅CMOS 技術與馮·諾依曼結合的“硅·馮”范式；一類是能進入跟CMOS雷同的二值開關，新器件與馮·諾伊曼架構的結合的“類硅”模式；另外一類是仍利用現有硅CMOS器件技術，但不通過馮·諾依曼架構而是通過神經突觸傳遞，存算一體的“類腦”模式；最后一類是以新興架構和新器件來做的“新興”范式。

光，可以被視為最后一類新興范式中的一種，曾在與電子芯片競爭中落后。而如今卻有了新的突破，有潛力成為后摩爾時代另辟蹊徑、實力強勁的一員。

本月，光子計算芯片公司曦智科技發布了其最新的高性能光子處理器，在單個光子中集成超過10000個光子器件，運行1GHz系統時鐘，運行特定循環神經網絡速度可達目前高端GPU的數百倍，就充分驗證了光子芯片的優越性。

在通用計算賽道上落敗的光子計算

既然光子計算賦予芯片的性能提升要遠遠大于電子芯片，那么自墨子時期就已經被人類發現的光，為何沒能在芯片領域跑贏電子呢？

曦智科技創始人兼CEO沈亦晨

曦智科技創始人兼CEO沈亦晨告訴雷峰網(公眾號：雷峰網)，實際上在半導體剛剛起步時，就有光與電兩種技術范式，只是發展一段時間后，整個行業幾乎都覆蓋到基于數字電子的計算范式上。

數字電子計算范式之所以能夠取勝，原因有二。

一方面圖靈計算的興起，包括馮·諾依曼在內的數字芯片架構，可以讓數字芯片通過邏輯門實現幾乎所有的通用計算，且應用廣泛 。

另一方面，上世紀80年代，基于邏輯門的光子數字計算與電子計算在通用計算賽道上競爭時，都基于晶體管做運算，但當電晶體管隨著制程推進不斷微縮，越做越小時，光晶體管的尺寸一直未能打破波長限制，無法比100nm更小，自此落敗電子芯片。

但近些年，情況發生了轉變，尤其電子芯片發展至今，在算力、數據傳輸和存儲方面都遇到瓶頸，繼續在電子計算技術范式上尋求突破口步履維艱 。

算力瓶頸是第三次人工智能浪潮下最常談的問題，晶體管微縮帶來的電子隧穿現象，導致先進制程下的晶體管功耗無法進一步降低，因此一些公司寄希望于通過擴大芯片面積的方式來提升算力，不過最后卻發現，更大的面積需要更長的銅導線，更長的銅導線產生更多的熱量，因此芯片能效比并沒有隨著面積擴大而得到太大提升。

英偉達通過電互連芯片的方式提升算力，但受限于互連帶寬，互連100顆芯片或板卡，只能達到單塊板塊的10倍算力，互連效率并不高。

而現在，光計算的架構在改變。AI計算的普及也為光計算帶來了更廣闊的前景。“我們認為，光是最適合解決這些困境的底層技術方式。”沈亦晨給出了自己的答案。

光學計算完全不同于電子計算，它以光子的信息處理為載體，依賴光硬件而非電子硬件，用光運算代替電運算，擅長快速并行處理高度復雜的計算任務。

他認為，一方面，光在通信領域已經充分證明了自己優越性，目前所有遠距離的通信，包括數據中心中服務器之間的通信，都是基于光纖傳輸，另一方面，越來越多的人工智能做線性運算，而光的干涉本身就是線性工程，與電相比有天然優勢。

這一答案有著強有力的論證，2016年，MIT博士沈亦晨所在的研究團隊打造出了首個光學系統，并在2017將這一成果發表在頂級期刊Nature Photonics雜志封面上。

其創新有二，硬件上用光干涉儀作為基本的矩陣運算單元有效取代傳統電子晶體管，算法上開發了一系列在不犧牲性能條件下有效降低深度學習計算量并適應于光子芯片的算法。

光子計算成果初現

這一實驗成果的發布，啟發了全球范圍內一大批人開始關注光子AI芯片，沈亦晨本人也從MIT團隊走向業界，創辦了專注研發光子芯片相關技術的公司曦智科技（Lightelligence）。

公司成立一年半之時，曦智科技成功開發出世界第一款光子芯片原型板卡，成功演示了用光子芯片運行Google Tensorflow自帶的卷積神經網絡模型來處理MNIST數據集，即使用計算機識別手寫數字的基準機器學習模型處理數據集。整個模型超過95%的運算都有在光子芯片處理完成，此原型板卡的問世向全世界證明了用光子代替電子進行AI計算的可行性。

測試結果顯示，光子芯片處理的準確率已經接近電子芯片（97%以上）。

距離這塊原型板卡發布不到兩年，2021年12月，曦智科技又取得新進展，發布了高性能光子計算處理——PACE（Photonic Arithmetic Computing Engine，光子計算引擎）——單個光子芯片中集成超過10,000個光子器件，運行1GHz系統時鐘，運行特定循環神經網絡速度可達目前高端GPU的數百倍。

“相比于2019年推出的那款原型板卡，我們的PACE在光子器件的集成度上大約提高了兩個數量級，從100個光子器件到10000個光子器件；運行系統時鐘提高四個數量級，基本達到目前電子芯片的時鐘。”沈亦晨說道。

值得注意的是，PACE并不是純粹的光子芯片，PACE包含64x64 的光學矩陣，核心部分由一款集成硅光芯片和一塊CMOS微電子芯片以3D封裝形式倒裝堆疊而成。其中，電芯片主要用作數據存儲和數模混合調度，光芯片主要用作數據計算。

“我們認為，電存儲技術，尤其在高速存儲讀取方面，會在很長一段時間之內領先于光。這也是我們采用光電協同的原因。”沈亦晨解釋道。

PACE運行時，每個輸入向量值首先從片上存儲中提取，由數模轉換器轉換為模擬值，通過電子芯片和光子芯片之間的微凸點應用于相應的光調制器，形成輸入光矢量。

 接著，輸入光矢量通過光矩陣完成運算傳播，產生輸出光矢量，并達到一組光電探測器陣列，從而將光強轉換為電流信號。

最后，電信號通過微凸點返回到電子芯片，通過跨阻放大器和模數轉換器返回數字域。

沈亦晨表示，曦智科技所使用的光調制器，是基于馬赫曾德干涉儀方案做光與光之間的干涉，并同算法協同優化的小尺寸高速可調的光調制器。由于光在傳播時不放熱，完成矩陣運算花費時間少，延時低于電芯片，矩陣乘法并行能力更強。

PACE采用迭代法來解決全球難以高效解決的數學問題——多項式復雜程度非確定性問題，涉及生物信息中蛋白質結構預測，物流交通調度、材料研發等問題，商業應用前景廣闊。

曦智科技也做出了自己產品規劃，計劃在自2022年開始的1到3年內，在對算力、延時痛點強的應用場景落地，例如金融和云服務廠商，之后加強對訓練市場的布局，最后延伸至GPU、車載芯片等市場。

“突破”摩爾定律，徹底取代還是并行發展？

事實上， 除曦智科技外，也有不少大廠開始投入光子計算芯片的研發。據了解，華為、英特爾、英偉達目前都有入局光子計算。

光子計算賽道上的玩家越來越多，是否意味著，在未來，光子計算芯片將有能力徹底取代電子芯片，“突破“摩爾定律？

回到對摩爾定律的討論上，盡管光子計算是另一條截然不同的技術路線，但硅光芯片依然基于傳統的CMOS工藝，依賴現有的生態、固件和軟件就能滿足基本的設計需求。工藝制造方面，只需要在步驟上稍作修改，例如在光的探測器制造方面引入其他新設備。

此前基于光的晶體管體積龐大，在與電子計算的競爭中落敗，但如今光子計算改變了原先使用晶體管與電子計算競爭的路徑，利用在線性運算上的優勢做光學器件，一個光學器件的運算性能相當于上千個電晶體管，且65nm或45nm的CMOS工藝制程就能滿足現有光芯片的所有制程要求，哪怕是在未來，硅光技術迭代也不會對制程要求特別嚴苛，更多是主頻、波長方面的迭代。

這意味著，哪怕摩爾定律已經逼近物理極限，對光子計算芯片也不會有太大影響。不過這并不意味著光子芯片能夠完全取代電子芯片。

沈亦晨表示，在可預見的未來范圍內，都是光子與電子芯片深度結合的光電混合運算，曦智科技的光電混合芯片與客戶的交互都是通過電芯片來完成的，所有的指令編譯器和SDK都承載在電芯片上。與電芯片相比，光芯片主要承載線性計算和數據網絡兩大部分，電芯片的好處在于與現有的市場環境、軟件環境互相兼容。

“光與電的關系就好比新能源汽車和燃油汽車，只是在引擎和電池方面有所改變，諸如輪胎之類的器件依然相同，將有效地與現有使用場景兼容。光不會完全取代電。”沈亦晨說道。