我國首個光子人工智能芯片項目正式啟動！光子芯片原理是什么？為什么更適合于AI?
2019-01-07 12:51:19 EETOP光子人工智能芯片。光子芯片的計算速度為電子芯片的1000倍，但功耗僅為其百分之一。
算力是傳統電子人工智能芯片的1000倍，但功耗只有其百分之一，低延遲還抗電磁干擾，由清華、北大、北交大等高校博士生創業研發的光子人工智能芯片，在技術上實現不少突破，未來可廣泛應用于手機、自動駕駛、智能機器人、無人機等領域。近日，該光子人工智能芯片項目落戶順義，將這項新技術推向了臺前。
“芯片的設計、加工、封裝、測試全部在國內完成，擺脫了對國外高制程光刻機的依賴，是我國在芯片領域換道超車的核心技術。”研究團隊負責人白冰說。
具高速率、低功耗優勢
落地順義的光子人工智能芯片出自一個由清華、北大、北交大等多所高校的在校博士生組成的創業團隊，該團隊是全國第一個，也是全球第二個光子人工智能芯片研究團隊。
團隊負責人、光子芯片的研發者之一——白冰，目前正在北京交通大學通信與信息系統專業攻讀博士學位。作為國內第一個研究光子計算的團隊，白冰介紹，光子芯片具有低延遲、抗電磁干擾等優勢，計算能力是傳統芯片的三個數量級，功耗卻只有傳統芯片的百分之一。
全流程可在國內完成
對于光子人工智能芯片發展的意義，白冰說，國內電子芯片設計領域能力很強，但在核心加工環節有一個很強的技術壁壘，需依賴國外的高制程光刻機，在成本等多個方面都會受限。光子人工智能芯片的生產過程自主可控，全流程可在國內完成，采用國內130nm微電子工藝加工完成，擺脫了對于國外高制程光刻機的依賴，無需在工藝制程上進行追趕。
“芯片的設計、加工、封裝、測試全部在國內完成，擺脫了對國外高制程光刻機的依賴，所以說是我國在芯片領域換道超車的核心技術。”白冰說。
白冰表示，未來芯片主要還是針對人工智能領域的應用與發展。目前光子人工智能芯片的產品部署主要集中于設備端，預計于2022年將光子芯片運用到云端。
記者了解到，第三代半導體是北京市高精尖產業的重要內容，也是順義確定發展的三大創新型產業集群之一。當前，順義正布局全產業鏈，7.1萬平方米的第三代半導體材料及應用聯合創新基地已于去年12月竣工。目前，中關村科技園區順義園管理委員會已與其團隊簽約，項目正式落戶順義。
據介紹，上海也已開始光子芯片的布局，計劃到2021年建成全國硅光子芯片研發和中試基地，到2025年量產平臺實現芯片批量供貨，成為國際知名硅光子的研發、制造基地。
白冰介紹，光子人工智能芯片是指采用硅基光子集成技術，讓光提供算力，為人工智能應用提供高性能的硬件支持。第一個層面是“人工智能芯片”。如果一個芯片要跑得非常快、非常省電，一定是芯片的物理結構跟軟件高度匹配，這樣才能達到一個比較高的效率。包括現在的人臉識別、自動駕駛、安防監控、AI金融、AI醫療等，實際上都是一種人工智能算法，要設計一款芯片結構跟其特征匹配，這就是人工智能芯片。
第二個層面是“光子”。已有的人工智能芯片都是電子芯片，電子芯片在計算速度和功耗方面會有瓶頸。光子人工智能芯片是依托硅基光子集成技術，在內部用光完成矩陣運算與數據交換。它的計算過程與人工智能算法高度匹配，計算速度比普通電子芯片高，功耗比電子芯片低。
中科院上海微系統所所長助理、上海新微科技集團總裁秦曦曾介紹，集成電路的發展沿著摩爾定律已趨于極限，硅光子技術是超越摩爾研究領域的發展方向之一。通過硅光集成，用光代替原來的電進行傳輸，成本有可能降低到原來的十分之一，甚至更低。
釋疑2 與傳統芯片比有哪些優勢？
白冰解釋，主要有兩方面優勢。一個優勢是計算速度，光子人工智能芯片的計算速度大概是電子芯片的三個數量級，約1000倍，單個電子芯片的計算速度大約是7.8TFlops，而光子人工智能芯片的計算速度大概是3200TFlops。第二個優勢是功耗，光子人工智能芯片的功耗僅為電子芯片的百分之一，單位電子芯片和耗電量大概300W，對應的光子人工智能芯片的耗電量只有4W。
對比不同芯片在同一情境下是否具有優勢，要考慮性能功耗比、單位美元提供算力兩方面。性能功耗比是指消耗單位瓦特提供的性能，重在強調涉及多少電費，單位美元提供算力則重在強調芯片的生產成本。在這兩方面，光子人工智能芯片比電子芯片更有優勢。
釋疑3 未來主要應用在哪些方面？
白冰表示，光子人工智能芯片可廣泛用于手機、安防監控、自動駕駛、服務機器人、無人機、工業物聯網、企業服務器和數據中心等關鍵人工智能領域。比如在分揀機器人機械臂上裝上攝像頭，讓它識別有什么東西，控制它去抓取等。
據其介紹，光子人工智能芯片的發展得益于人工智能的發展。光學計算芯片其實在實驗室一直存在，但它一直沒有比較好的應用場景，沒有辦法落地應用。近年來伴隨著人工智能的興起，人工智能的算法特征恰好跟光學芯片物理性能匹配，這使得光學計算有了走出實驗室、走向產業應用的機會，就是這樣一個過程。
中科院“百人計劃”專家、上海微系統所研究員余明斌回國后也一直致力于硅光工藝平臺的建設。他認為，這是一個可能引發巨大產業新空間的前瞻性技術。
光子芯片原理及世界發展現狀
從傳輸走向計算，光子芯片將成終極計算解決方案？
從 2006 年開始，英特爾推出首款標準 CMOS 工藝的電子混合硅激光器之后，電和光這兩個截然不同的物理現象終于成功被湊在一起。往后數年，基于此技術的超高帶寬光學傳輸架構更成為高性能數據中心的最愛，借此有效降低了大量數據傳輸造成的系統瓶頸。
2015 年，IBM 研究人員，發表了針對光子計算的新實驗性技術，通過把硅光子數組集成到與 CPU 相同的封裝尺寸中。硅光子技術的問題一直在于芯片的光學接口，不過 IBM 的光子解決方案能被應用于系統單芯片 (SoC)，以廉價的標準連接器 (edge connector) 在芯片之間傳輸光，或是只要將 CMOS 芯片邊緣接在一起就能進行芯片對芯片的通訊。
這些光子芯片的發展主要是作為解決傳統芯片與芯片之間，或芯片與存儲系統之間的互連問題。而憑借集成度高的光子芯片的發明，取代了過去龐大復雜的光傳輸架構，且速度能更快，延遲更低。
然而，真正把“光子”帶往計算領域，甚至架構成“光子芯片”的概念，卻是近兩年才逐漸被發掘出來。
由于半導體芯片技術雖依靠新應用與算法的整合，能做到的事情也越來越多，但實際上芯片架構本身還是基于同樣的邏輯之下，且受限于半導體工藝，計算能力、規模以及功耗、成本形成難以均衡的四角關系。
這時，業界也開始積極尋找能突破現況的新計算技術。GPGPU、神經網絡芯片、DSP、FPGA 都在不同的時期被提出來，擅長解決特定應用計算領域，但這些芯片并沒有解決根本的問題，也就是其基于半導體結構所面臨的物理特性限制。
圖丨光子突觸作用原理
由 AI 所帶起的計算需求不斷膨脹，促進了處理架構持續推陳出新，譬如英特爾未來將結合 CPU 與 FPGA 計算能力，借以應對更復雜的應用情境；英偉達則是在其最新一代的 GPU 方案上大幅強化推理性能。除此之外，亦有不少希望能夠針對特定計算推出更適合的新架構，比如說類神經網絡芯片 (NPU)、量子計算機 (Quantum computing)，以及最新的計算概念：基于光子回路 (Photonic Circuits) 的計算架構。
實際上，“光”被使用在計算環境中已經有超過數十年的歷史，過去主要用以在不同芯片或存儲設備間傳輸數據之用，而因為相關的傳輸技術成本太高，且必須搭配昂貴的周邊才能顯現出其效益，也因此，“光”的傳輸從沒有被普及到消費市場，導致我們對這個事實沒有太明確的認知。
然而，計算則是另一層次的問題。
圖丨SMART Photonics的光子芯片
用很簡單的概念解釋光子計算芯片，就是在芯片上使用了無數個光學開關器，作用就類似半導體芯片中的邏輯柵，利用不同波長，相位和強度的光線組合，在復雜的反射鏡、濾波器以及棱鏡結構所組成的數組中進行信息處理。
硅光子和微電子一樣，都是基于硅材料的半導體架構。而硅作為光學通信傳輸方面的應用已經相當普及，由于光的快速反應和并行特性，能瞬間傳輸大量數據，因此被普遍應用在數據中心的服務器上。也因為光子傳輸過程穩定，并行能力強，且糾錯設計相對簡單，傳輸和轉換所需要的能量極小，所以采用光子計算的架構理論上可以做到相對低的功耗表現。其次，光子芯片理論上也能做到規模極小的應用上，比如說移動設備中。
光子芯片可沿用目前成熟的半導體工藝技術，而目前仍處于實驗階段的光子芯片僅需要老舊的微米級工藝就可達到大幅超越既有半導體芯片的計算能力，也因此未來工藝微縮空間極大。而憑借芯片密度的增加，性能還能大幅成長，甚至有機會徹底改寫摩爾定律的限制。
沿用 CMOS 工藝是光子計算最大優勢，但目標非取代傳統半導體計算
由于光子芯片基本上還是以目前的 CMOS 制造工藝為基礎，相對于量子計算使用的特殊工藝，在成本或量產技術方面都要更有優勢，雖然目前實驗室中的光子芯片在密度上還比不過傳統半導體芯片，但已經比量子芯片好很多了。
而光子芯片的效能取決于架構和算法，比如說同時使用多少路不同波長的光來進行組合，或者是在芯片中使用的光學信號的帶寬，以及光電轉換時的瓶頸，但是單從光的物理特性上來看，在合適的算法上要做到傳統半導體芯片的百倍速度是不會有太大的問題的。
當然，理論上光子芯片可以做到規模很大，也可以做到很小，但因為光不適合做非線性運算，另外光芯片的集成度和尺寸還是會有一定的規范，要完全取代半導體芯片還是有很大的難度。
從芯片、算法到周邊的生態正在發展中
2017 年 6 月，麻省理工學院研究團隊針對可程序設計納米光子處理器提出了一份論文，并且發表在《自然-光子》雜志上。該論文的第一作者及通訊作者，出生在杭州的沈亦晨目前為 Lightelligence 的聯合創始人兼 CEO。
沈亦晨強調，目前 Lightelligence 的光子芯片發展已經完成實驗室階段的展示，在算法、總線以及存儲方面都有相對應的設計正在進行，當然，計算芯片最重要的還是生態，這點也需要更多科研機構和公司加入到擴展光學計算這一領域來共同建立。
因為主力產品是芯片，所以核心部分在于算法和硬件的結合，以及相對應的芯片指令以及編譯程序，而 Lightelligence 的工作就是要讓開發出來的芯片可以應用到目前市場上流行的框架中，比如說 TensorFlow、Caffe 等。
另外，由于光子計算在傳輸或者是存儲有其特殊性， Lightelligence 也在開發相對應的周邊設計。當然，沿用目前的存儲系統雖可加快落地商用速度，但可能就會限制光子計算的性能表現，因此這部分未來還是會以搭配針對光子計算優化的設計為目標，才更能凸顯光子計算的整體優勢。
如今 Lightelligence 團隊正努力改善光子計算的相關生態，目前當然還不成熟，不過業界對于高性能計算，甚至更好的神經網絡計算架構有著非常高的期待，相信其光子計算架構落地之后，可以大大加速整體 AI 計算生態的變革。
沈亦晨表示，不論是特定用途，或者是針對通用計算能力，這個都會是芯片架構發展的不同過程的選擇。Lightelligence首先還是會以技術或應用場景比較成熟的光子芯片應用著手，然后再逐步去擴大可應用的范圍。同時也在努力開發光子芯片前后端的技術，為未來不同的計算場景進行更好的適配。
沈亦晨強調，總體來講，在實現光子計算的路上還有很多重大的工程改進需要完成，但和過去的種種光子計算的嘗試相比，現在可能是最好的時機，也是最接近實現的一次。
光子計算在處理一些 AI 算法時有獨特的優勢
事實上，光子芯片或許將會是未來最適合用來作為 AI 計算的硬件架構，這是因為光的特性先天適合線性計算（AI 計算里最重要的部分），這包含了高維度的并行計算。相對的，雖然量子計算近來也因為 AI 而受到關注，但量子計算還是比較偏向擅長解碼或搜索的領域，另外在量產的生態上也還不太成熟，但潛力卻不容小覷。
