光計算研究始于20世紀60年代，但受到當(dāng)時應(yīng)用范圍有限以及電子計算技術(shù)快速發(fā)展的影響，光計算處理器未能成功邁向商用。時過境遷，人工智能（AI）飛速發(fā)展，以ChatGPT為代表的大語言模型所展現(xiàn)的強大能力引發(fā)全球關(guān)注，紫東太初、悟道、混元、文心、通義、盤古、言犀等一大批千億級乃至萬億級參數(shù)的國產(chǎn)大模型不斷涌現(xiàn)，大有引發(fā)新一輪科技與產(chǎn)業(yè)變革之勢。

高性能大模型擁有龐大參數(shù)規(guī)模、要求海量數(shù)據(jù)高效處理和高速傳輸，即使是當(dāng)前最先進的電子計算平臺也開始出現(xiàn)計算、存儲和傳輸?shù)钠款i。大模型的創(chuàng)新發(fā)展和迭代，離不開海量數(shù)據(jù)及高質(zhì)量數(shù)據(jù)集的構(gòu)建，更要依靠大算力集群來支撐訓(xùn)練和推理。近期，大模型訓(xùn)練計算量平均每2個月就要翻倍，激增的算力需求已遠超摩爾定律。因此，光子計算近年來又重新受到廣泛關(guān)注。

硅光計算芯片是AI芯片國產(chǎn)化和彎道超車的有效途徑

當(dāng)前，大模型訓(xùn)練和推理的硬件以通用圖形處理單元（GPU）為主，2022年全球GPU市場規(guī)模達到448.3億美元，美國AI芯片巨頭英偉達公司占有80%的市場份額并仍在持續(xù)攀升。目前，中國仍以英偉達的產(chǎn)品作為主流算力平臺，只有較小規(guī)模的算力來自國產(chǎn)神經(jīng)網(wǎng)絡(luò)加速平臺。然而，自2021年起，美國對中國集成電路領(lǐng)域?qū)嵭辛俗顬閲揽恋募夹g(shù)封鎖，限制向我國出口最先進的AI芯片和軟件。英偉達向我國提供的AI芯片是傳輸帶寬受限的特別版本，使用該版本GPU組成的超算集群的訓(xùn)練和推理效率均落后于國外同期產(chǎn)品。

因此，算力基建亟需向自主可控的國產(chǎn)化邁進。 寒武紀、燧原科技、壁仞科技和昆侖芯等國產(chǎn)AI芯片廠商，均提供了深度學(xué)習(xí)訓(xùn)練和推理的專用芯片，其主要使用專用集成電路（ASIC）硬件架構(gòu)，用于特定算法或應(yīng)用場景的優(yōu)化，計算能力在特定情況下優(yōu)于英偉達產(chǎn)品，但通用性、靈活性有待提升。基于電子計算的AI芯片的國產(chǎn)化之路受技術(shù)封鎖影響仍需突破重重阻礙，尤其是受限于先進工藝制程，國產(chǎn)同類芯片在能耗、算力、帶寬等方面難以在短期內(nèi)趕超。

此外，電子計算技術(shù)還存在固有的計算延時高和內(nèi)存墻等問題。 光子器件具有高速、大帶寬和低功耗的特點，在信息傳輸和處理方面具有重要優(yōu)勢，而且光信號可以在光子器件中并行傳輸和處理。這使得光子計算可以更好地實現(xiàn)海量數(shù)據(jù)的高效處理，也可以避免電子信號傳輸帶來的噪聲和時延等問題，更好地實現(xiàn)高帶寬的傳輸互連，從而為大模型提供關(guān)鍵支撐。

此外，與最先進的電子神經(jīng)網(wǎng)絡(luò)架構(gòu)及數(shù)字電子系統(tǒng)相比，光子計算架構(gòu)在速度和能效上優(yōu)勢突出。因此，光子計算能夠有效突破傳統(tǒng)電子器件的性能瓶頸，滿足高速、低功耗通信和計算的需求。需要指出的是，光子計算的發(fā)展目標不是要取代傳統(tǒng)計算機，而是要輔助已有計算技術(shù)在基礎(chǔ)物理研究、非線性規(guī)劃、機器學(xué)習(xí)加速和智能信號處理等應(yīng)用場景更高效地實現(xiàn)低延遲、大帶寬和低能耗。

硅光計算芯片通過在單個芯片上集成多種光子器件實現(xiàn)了更高的集成度，還能兼容現(xiàn)有半導(dǎo)體制造工藝，降低成本。光子計算芯片包括激光器、光波導(dǎo)、光調(diào)制器、光探測器等主要元件，運行過程大致如圖1所示：激光器產(chǎn)生的光，經(jīng)過光波導(dǎo)傳輸?shù)焦庹{(diào)制器實現(xiàn)對光信號的控制和處理，最后傳輸?shù)焦馓綔y器將光信號轉(zhuǎn)換為電信號，再進行后續(xù)的處理和輸出。 ?

光子計算芯片利用成熟的硅基工藝平臺（產(chǎn)業(yè)界通常為45~180nm制程），有望在短期內(nèi)實現(xiàn)低功耗、高性能的計算系統(tǒng)，解決后摩爾時代AI硬件的性能需求，突破馮·諾依曼架構(gòu)的速度和功耗瓶頸。因此，硅光計算芯片是實現(xiàn)AI芯片國產(chǎn)化和彎道超車的有效途徑。

基于硅光平臺的神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)（ANN）是現(xiàn)有AI大模型的重要基礎(chǔ)，由人工神經(jīng)元相互連接組成，連接強弱由權(quán)重大小決定，權(quán)重即模型參數(shù)。利用光計算在信息傳輸、處理和并行計算等方面以及光通信在片內(nèi)、片間和板級系統(tǒng)間數(shù)據(jù)傳輸?shù)确矫娴膬?yōu)勢，硅光計算芯片可對神經(jīng)網(wǎng)絡(luò)訓(xùn)練和推理過程中的大規(guī)模矩陣運算、神經(jīng)元非線性運算進行加速；還可通過對不同神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)進行硬件結(jié)構(gòu)映射，來提高芯片的通用性和靈活性。

在人工神經(jīng)網(wǎng)絡(luò)計算加速方面，基于硅光平臺的神經(jīng)網(wǎng)絡(luò)已取得多項進展。例如，2017年沈亦晨等人提出一種基于硅光平臺的全光前饋神經(jīng)網(wǎng)絡(luò)架構(gòu)，采用馬赫-曾德干涉儀（MZI）進行神經(jīng)元線性部分的計算，非線性激活函數(shù)則通過電域仿真的方法實現(xiàn)；2022年阿什蒂亞尼等人采用可調(diào)光衰減器實現(xiàn)權(quán)重調(diào)節(jié)。隨著技術(shù)的發(fā)展，基于硅光平臺的神經(jīng)網(wǎng)絡(luò)也逐步走向商業(yè)化。例如，美國AI芯片公司Lightmatter推出通用光子AI加速器方案“Envise”；曦智科技于2021年發(fā)布光子計算處理器“PACE”。

人工神經(jīng)網(wǎng)絡(luò)是大腦神經(jīng)元的極簡數(shù)學(xué)模型，目前仍無法實現(xiàn)推理歸納、聯(lián)想想象、學(xué)習(xí)記憶等大腦的高級功能，而且現(xiàn)有AI大模型的功耗水平遠高于人類大腦。受腦科學(xué)和神經(jīng)科學(xué)研究的啟發(fā)，學(xué)界提出了下一代AI基礎(chǔ)——脈沖神經(jīng)網(wǎng)絡(luò)（SNN）。其利用與大腦神經(jīng)元表現(xiàn)極為近似的脈沖神經(jīng)元搭建整個網(wǎng)絡(luò)結(jié)構(gòu)，具備模擬生物大腦的網(wǎng)絡(luò)結(jié)構(gòu)和信息處理的潛能，通過部署到模擬計算硬件上，可以發(fā)揮低延時、低功耗等特性，為類腦大模型的訓(xùn)練和推理提供了可能性。

目前，圍繞基于硅光平臺的脈沖神經(jīng)網(wǎng)絡(luò)，已有科研團隊利用硅波導(dǎo)和相變材料集成等方式實現(xiàn)了光學(xué)突觸、光子脈沖神經(jīng)元乃至全光脈沖神經(jīng)網(wǎng)絡(luò)的構(gòu)建。例如，2019年費爾德曼等人構(gòu)建基于集成可塑突觸的全光脈沖神經(jīng)網(wǎng)絡(luò)，將可塑突觸上的相變材料晶化程度作為權(quán)重，將微環(huán)諧振器上的相變材料胞體相變閾值能量作為神經(jīng)元閾值調(diào)控激活函數(shù)，實現(xiàn)有監(jiān)督和無監(jiān)督學(xué)習(xí)。

光計算核心器件：

非易失性高消光比硅光開關(guān)研究

在片上和片間光互連、高速光通信、集成傳感和智能計算等應(yīng)用場景，光開關(guān)都是硅光集成所需的核心器件。當(dāng)前，硅光集成開關(guān)器件主要采用馬赫-曾德干涉儀或微環(huán)諧振器的結(jié)構(gòu)設(shè)計，這些器件存在占用空間大、對外界溫度敏感以及因需要持續(xù)外部電源維持開關(guān)狀態(tài)導(dǎo)致的高靜態(tài)功耗等問題，為高密度的硅光集成帶來了額外的困難。

2022年，中國科學(xué)院上海微系統(tǒng)與信息系統(tǒng)研究所（以下簡稱上海微系統(tǒng)所）武愛民研究員團隊研制出基于亞波長相變結(jié)構(gòu)的超小尺寸、高消光比、低能耗和良好結(jié)構(gòu)穩(wěn)定性的片上光子開關(guān)。這一新的光開關(guān)器件結(jié)構(gòu)，由單模硅光波導(dǎo)和3個級聯(lián)的鍺銻碲化合物Ge2Sb2Te5（以下簡稱GST）納米盤組成，見圖2a，總體積僅為0.229μm2×35nm。在通信波段，GST是一種具有高光學(xué)對比度的相變材料（PCM），非晶態(tài)下的折射率與硅相近，具有較低的消光系數(shù)，而晶態(tài)下的折射率則會增大兩倍。通過改變GST納米盤的相態(tài)可以調(diào)制沿波導(dǎo)傳輸?shù)墓鈴?。GST處于非晶態(tài)時，波導(dǎo)中的光可以正常通過；而處于晶態(tài)時，沿波導(dǎo)輸入的入射光被級聯(lián)的GST納米盤吸收或散射，實現(xiàn)對入射光的截止，見圖2b。

受益于GST的非易失性，光開關(guān)的開關(guān)狀態(tài)是可持續(xù)的，在施加控制脈沖后不會產(chǎn)生額外的能量消耗。在實驗中，通過對光開關(guān)施加不同能量的泵浦脈沖光，精確地加熱GST納米盤以切換其相位，從而實現(xiàn)對相變材料的調(diào)控，圖2c展示了波導(dǎo)中傳輸率的變化和脈沖能量的關(guān)系。實驗測得，該器件在C波段實現(xiàn)了高達27dB的超高消光比，并能在70nm的寬帶范圍內(nèi)保持20dB以上的高消光性能，見圖2d；通過施加特定能量的光脈沖，可對非同級狀態(tài)的光開關(guān)實現(xiàn)復(fù)位操作，見圖2e。由于GST材料已具備在互補金屬氧化物半導(dǎo)體（CMOS）平臺上的加工能力，與單模波導(dǎo)制備的光開關(guān)結(jié)合能夠直接應(yīng)用于規(guī)?；傻墓庾有酒校摴ぷ饔型诖笠?guī)模集成的光互連和光計算新型架構(gòu)等方面發(fā)揮重要作用。相關(guān)成果以《基于結(jié)構(gòu)化相變材料的超緊湊高消光比非易失性片上開關(guān)》

Ultracompact High-Extinction-Ratio Nonvolatile On-Chip Switches Based on Structured Phase Change Materials為題發(fā)表在國際光學(xué)權(quán)威期刊《激光與光子學(xué)評論》（Laser & Photonics Reviews）。

上海微系統(tǒng)所李孟研究員團隊長期從事腦科學(xué)與AI的交叉領(lǐng)域研究，研究方向主要包括兩個方面：一是應(yīng)用AI技術(shù)解決腦科學(xué)領(lǐng)域的重要問題，如使用深度神經(jīng)網(wǎng)絡(luò)對腦科學(xué)研究中動物的復(fù)雜行為進行分析和建模，并建立生物大腦神經(jīng)網(wǎng)絡(luò)活動信號與動物行為模式的對應(yīng)關(guān)系，以理解生物復(fù)雜行為、內(nèi)在狀態(tài)是如何被大腦神經(jīng)網(wǎng)絡(luò)表達、計算和調(diào)控的；二是根據(jù)腦科學(xué)前沿發(fā)現(xiàn)，將腦科學(xué)領(lǐng)域的最新成果和原理應(yīng)用于類腦算法研究，致力于研發(fā)更符合生物神經(jīng)系統(tǒng)特性的類腦算法和相應(yīng)硬件，建立面向應(yīng)用的類腦系統(tǒng)框架。在大腦破譯方向，尤其是大尺度群體神經(jīng)信號編解碼領(lǐng)域取得系列創(chuàng)新成果。2019年，解碼了十萬神經(jīng)元量級的全腦神經(jīng)信號，如圖3所示，揭示了大腦內(nèi)在狀態(tài)動態(tài)轉(zhuǎn)化的控制機理，建立了復(fù)雜高階行為與大腦神經(jīng)網(wǎng)絡(luò)內(nèi)在狀態(tài)間的關(guān)系，相關(guān)成果以《內(nèi)部狀態(tài)動態(tài)塑造了全腦活動和覓食行為》

Internal state dynamics shape brainwide activity and foraging behaviour為題發(fā)表在國際頂級期刊《自然》上。

當(dāng)前，兩個團隊正在合作研究基于硅光平臺的受腦科學(xué)和神經(jīng)科學(xué)啟發(fā)的下一代AI計算芯片。目標是使其具有網(wǎng)絡(luò)低功耗、低延時等性能優(yōu)勢，可執(zhí)行因果推理、在線學(xué)習(xí)、終身學(xué)習(xí)、長時記憶、聯(lián)想想象、行為決策等類腦復(fù)雜功能及高級智能行為，并能廣泛應(yīng)用于智能人形機器人、自動駕駛、仿生傳感器、智能安防與檢測、腦機接口等前沿領(lǐng)域。

AI創(chuàng)新時代，算力即為生產(chǎn)力?！?022—2023全球計算力指數(shù)評估報告》顯示，信息技術(shù)的支出每投入1美元，可以拉動29美元的國內(nèi)生產(chǎn)總值（GDP）產(chǎn)出。隨著AI和計算科學(xué)的發(fā)展，大模型訓(xùn)練和海量數(shù)據(jù)處理對于計算的需求將呈爆發(fā)式增長。

以光子計算技術(shù)為核心的硅光計算芯片，有望成為后摩爾時代AI算力基座。其主要優(yōu)勢在于：一是高速計算能力，即光計算具有快速傳輸和處理能力，可實現(xiàn)神經(jīng)網(wǎng)絡(luò)中所需的高速計算；二是低功耗特性，即相比于傳統(tǒng)的電子計算，光計算利用光信號進行信息傳輸和處理，可降低能耗；三是并行計算能力，即光信號可在光子器件中并行傳輸，在光學(xué)神經(jīng)網(wǎng)絡(luò)中可實現(xiàn)更高效的并行計算。

硅光計算芯片在AI和計算科學(xué)領(lǐng)域走向廣泛應(yīng)用也面臨一定挑戰(zhàn)。例如，當(dāng)前單個光子矩陣運算規(guī)模較小，無法滿足大模型所需的計算需求；硅光計算芯片的設(shè)計尚未充分考慮集群化的應(yīng)用情形，限制了芯片的可擴展能力；由于光信號是模擬信號，光子矩陣計算尚不支持浮點數(shù)運算，無法直接表示和處理浮點數(shù)據(jù)的精確值，而AI模型訓(xùn)練則需要浮點數(shù)運算作為支持。

對標全球AI芯片行業(yè)翹楚，將硅光計算芯片打造成為未來AI和計算科學(xué)領(lǐng)域的主流計算平臺，需要構(gòu)建完整、可持續(xù)的軟硬件生態(tài)環(huán)境。例如，硅光計算芯片的底層設(shè)計需要引入可微分思想，使其具有可擴展性；通過軟硬件協(xié)同，針對不同規(guī)模的硅光計算芯片和應(yīng)用場景，開發(fā)硅光計算芯片的底層編譯器、高級編程語言接口、硬件驅(qū)動，以及基于開源指令集（如RSIC-V等）的硅光芯片專用計算指令集；開發(fā)面向AI和計算科學(xué)的學(xué)習(xí)框架和計算加速庫，更廣泛地吸引各領(lǐng)域相關(guān)人員利用硅光計算芯片開展研發(fā)工作，建設(shè)硅光計算社群，助推硅光計算蓬勃發(fā)展。通過構(gòu)建硅光計算芯片的完整軟硬件生態(tài)，硅光計算的核心競爭力將大幅提升，為未來AI芯片領(lǐng)域的國產(chǎn)化超越貢獻力量。 本文刊登于IEEE Spectrum中文版《科技縱覽》2023年11月刊。 專家簡介

何王吉：工程師。

魯若天：碩士研究生。 王碩：助理研究員。 李孟：研究員。 武愛民：研究員。 注：作者單位均為中國科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所。

審核編輯：黃飛

?