国产在线丝袜-国产在线丝袜精品一区免费-国产在线一二三区-国产在线永久视频-亚洲福利视频一区二区三区-亚洲福利视频一区二区

從去年底到今年3月，與硅光芯片相關的報道又多了起來——從阿里巴巴達摩院將硅光芯片列入2022十大科技趨勢、曦智科技(Lightelligence)發布高性能光子計算處理器PACE，到日前GlobalFoundries發布其硅光子工藝平臺Fotonix、Marvell發布400G DR4硅光平臺、AMD/Xilinx和Ranovus合作發布集成Versal ACAP和Ranovus Odin光通信模組的系統——那么，熱鬧的新聞背后，到底蘊藏著哪些新的市場商機？ 
突破摩爾定律限制
根據達摩院的趨勢解讀，硅光芯片的崛起、技術突破和快速迭代、以及高速增長的商業化需求，歸因于云計算與人工智能的大爆發。大型分布式計算、大數據分析、云原生應用讓數據中心內的數據通信密度大幅提升，數據移動成為性能瓶頸。傳統光模塊成本過高，難以大規模應用，硅光芯片則能夠在低成本的前提下有效提高數據中心內集群之間、服務器之間、乃至于芯片之間的通信效率。
以超大型數據中心為例，根據Equnix的數據，2017年-2021年全球互聯網帶寬容量的年復合增長率達到了48%，2020年開始正式進入400G時代，并有望于2022年進入800G時代。屆時，將有數百萬個400GbE+的硅光子收發器與數十萬臺服務器互連，并將通過新型低延遲的DCI架構擴展AI的邊緣，提升高性能計算的算力。
據Yole Development估計，硅光光模塊市場將從2018年的約4.55億美元增長到2024年的約40億美元，復合年增長率達44.5%。而LightCouting的數據則顯示，到2024年，硅光光模塊市場市值將達65億美金，占比高達60%，而在2020年，這一數字僅為3.3%。
另一方面，據Open AI統計，自2012年，每3-4個月人工智能的算力需求就翻倍，當前電子芯片的發展逼近摩爾定律極限，難以滿足高性能計算不斷增長的數據吞吐需求，而硅光芯片具備的更高計算密度與更低能耗特性，正是極致算力場景下所需要的解決方案。
曦智科技創始人兼CEO沈亦晨博士此前在接受本刊采訪時，將算力、數據傳輸和存儲視作當前電子芯片在發展過程中遇到的三個主要瓶頸。以最具代表性的圖像/語音識別類AI應用為例，數據顯示，與2012年相比，當前最大的神經網絡模型大約是當時的15-30萬倍，且仍在持續增長。但與之形成鮮明對比的，是底層算力的增長遠未達到這一幅度，制約了人工智能的進一步發展。
算力為什么難以跟上AI模型的演進速度？半導體制程微縮逐漸接近物理極限導致的摩爾定律放緩和晶體管功耗散熱問題是兩大主因。
“2015年以后，隨著晶體管體積越來越小，隧穿現象日趨明顯。這意味著，即使把單個晶體管做得再小，其在運算時的功耗也沒辦法進一步降低。但如果為了增強算力增加芯片面積，或是采用芯片級聯的方式，功耗又會顯著增長。”沈亦晨說，這就是為什么兼具高通量、高能效比、超低延遲特性的硅光技術能成為新興技術方向之一的原因。
光計算成為新看點
自20世紀70年代末以來，光纖基礎設施一直被用于長距離的通信信號傳輸，因為相比銅基電纜，光纖的帶寬容量更大、數據速率更高，且延遲更低。從那時起，高能效光互連就不斷滲入重要的電信網絡，直至進入數據中心環境中的機架到機架數據鏈路。但隨后越來越多的研究表明，硅光芯片不僅可以用于光通信，以神經網絡計算和量子計算為代表的計算領域，也正成為其釋放魅力的舞臺。
Soitec全球業務部光子材料專家Corrado Sciancalepore在日前撰寫的一篇文章中，詳細介紹了硅光子是如何賦能量子計算和光神經網絡市場的。
硅光子用于神經網絡
與硅光用于通信傳輸領域極為相似的是，全光計算(all-optical computing)還可以用來實現更快的計算，而其功率預算僅為傳統數字電子計算架構的一小部分。
眾所周知，現在的數字計算機是基于晶體管的，它通過打開和關閉電子信號構成基本的邏輯門電路。但通過光來傳輸數據與計算數據則完全不同，因為光子器件線性度極高，通過級聯不同級別的線性集成光子器件，就能夠組成光神經網絡(Optical Neural Network，ONN)的相應層。通過這種方式，僅僅依賴從ONN一端流向另一端的光，即可完成順序矩陣的乘法或轉置。
兩家初創企業——Lightmatter和曦智科技都是光神經網絡加速器領域的佼佼者。其中，曦智科技已經在2021年底發布了最新的高性能光子計算處理器——PACE(Photonic Arithmetic Computing Engine，光子計算引擎)，其在單個光子芯片中集成了超過10,000個光子器件，運行1GHz系統時鐘，算力是上一代處理器的100萬倍以上，運行特定循環神經網絡速度可達目前高端GPU的數百倍。