硅基光电子进入AI芯片，光子算数做商用落地先行者
发布时间：2019-07-30 09:50:00 热度：4561
7/30/2019,“神经网络”和“人工智能”可谓是最炙手可热的科技辞藻，它们应用广泛，例如在数据中心支持搜索、推荐和视频处理等任务，在无人驾驶汽车里担任视觉系统等。未来将会是一个万物互联的智能时代，人工智能的深入应用将为人类带来更多意想不到的体验。
基于硅基光电的AI芯片：光电协同加速算法处理
人工智能高速发展的基础是算法、数据和硬件算力。而在当今互联网时代下大数据高速增长，现有计算能力无法匹配，极大地限制了人工智能的发展和应用。不管是高通还是英伟达，在AI算法加速方面，传统的纯电芯片构架方案都显得力不从心，能耗压力更为显著。
近日，光纤在线编辑采访了一家专业从事光电融合AI计算硬件研发的公司——光子算数，就很好地解决了这一问题。他们将硅光技术引入AI计算，做到光电协同、软硬协同，相对于传统的纯电AI芯片方案显著节约了功耗，有效降低数据中心与企业机房的运维电费，并有效提升数据中心的计算能力。
图1 硅基光电子协处理加速芯片阵列
光子算数创始人白冰指出，目前来说硅基光电子芯片在AI计算领域的定位是协处理加速芯片，加速的对象是AI任务中的矩阵运算，因此应称为光子协处理加速芯片。计算板卡上搭载两类芯片，一类是电子芯片（FPGA或是ASIC）,另一类是光子协处理加速芯片，两者形成板卡级的异构协同计算，其中电子芯片完成控制和非线性计算的部分，光子芯片协处理加速芯片完成矩阵计算的部分。因此，光子芯片与现有电芯片的关系并非是替代，而是为现有各类电芯片提供板卡级的协处理加速方案。
在商用化产品进展方面，光子算数在明年2月份会交付第一批定制化功能的AI计算板卡商用订单，面向的市场是电信运营商的数据中心和一些大型企业的自有机房，是全球首个推出商用光电融合AI计算服务器板卡的公司。
从传输走向计算 硅基光电子大有作为
自从英特尔公司开发出世界上首个集成了激光器的硅基光电数据联结系统后，光束开始替代电子在计算机内部及周边进行数据传输，光电两种截然不同的物理现象终于成功地被结合在一起。而如今，硅作为光学通信传输方面的应用已经相当普及，由于光的快速反应和并行特性，能瞬间传输大量数据，因此被普遍应用在数据中心的服务器上。
然而，真正把“光子”带往计算领域，甚至形成“光电融合计算”的概念，却是近两年才逐渐被发掘出来。由于基于GPU、FPGA等的纯电芯片面临的物理特性限制，业界开始探索新的计算技术。
白冰解释说，在数据中心的应用中，人们往往需要重点考虑功耗的问题，基于这样的考虑，采用光学计算芯片来为数据中心的服务器提供低功耗的算力，相较于传统的GPU方案，目前阶段的技术可以将功耗控制到几分之一。服务器搭载的板卡采用光电异构的计算架构，用光子芯片来完成AI推理计算的主体部分（低精度的矩阵运算），为电芯片（FPGA等）来提供协处理加速，从而完成整体的光电融合计算。
图2 光电融合智能计算板卡
图3 光电异构的智能计算架构
光电融合AI计算芯片商用落地先行者
白冰介绍到，光电融合AI计算目前初步具备一些场景的商用能力，但是从整体技术发展上看还处于刚刚起步的阶段，从关键器件、架构设计、光电混合封装到底层驱动和应用配套算法，很多技术部分都可以优化升级，甚至是重新设计。
光子算数的技术团队涉及多个关键领域的融合，主要包括硅光芯片、模拟电子芯片、数字电子芯片、光电混合封装和底层驱动等，由来自国内知名高校的学术人员和工业界的资深技术专家组成，目前规模30人。这样的技术团队配置也反映了光电融合AI计算的特点与难点，多领域技术的高度协同——光学芯片与电学芯片匹配，光电硬件系统整体与AI场景算法匹配。光子算数同时还与国内主要的高校和研究所基本都有合作，共同承担一些该领域内重要国家科研攻关项目，这也是光子算数技术进展迅速的重要支撑。
实际上，采用光电融合AI计算的开发者光子算数并不是全球首家，在国内很多优秀的高校科研团队也的相应的突破性进展和非常好的技术路线，但光子算数期望能够成为其商业化落地应用的先行者。如今光子算数的团队正在努力优化其芯片性能，相信在不久的将来随着第一批光电融合AI计算芯片的商用化，将带来人工智能计算硬件的新局面。
在即将于2019年8月2日由光纤在线主办的“2019国际光连接峰会暨新一代光器件应用论坛”上，光子算数的创始人白冰博士将出席本次论坛，并详解基于硅基光电子的计算芯片对数据中心架构与算法的影响。论以光纤连接器为立足点，2019加入光器件元素（包含光无源器件及光有源器件），以“光连接”为主题面向所有光器件领域；规模将从去年的350人扩大到500人，演讲场次扩充至25场，打造全球光纤通信产业链的对话、交流、合作的平台，实现共赢，打造光器件产业健康可持续的发展。
基于硅基光电的AI芯片：光电协同加速算法处理
人工智能高速发展的基础是算法、数据和硬件算力。而在当今互联网时代下大数据高速增长，现有计算能力无法匹配，极大地限制了人工智能的发展和应用。不管是高通还是英伟达，在AI算法加速方面，传统的纯电芯片构架方案都显得力不从心，能耗压力更为显著。
近日，光纤在线编辑采访了一家专业从事光电融合AI计算硬件研发的公司——光子算数，就很好地解决了这一问题。他们将硅光技术引入AI计算，做到光电协同、软硬协同，相对于传统的纯电AI芯片方案显著节约了功耗，有效降低数据中心与企业机房的运维电费，并有效提升数据中心的计算能力。
光子算数创始人白冰指出，目前来说硅基光电子芯片在AI计算领域的定位是协处理加速芯片，加速的对象是AI任务中的矩阵运算，因此应称为光子协处理加速芯片。计算板卡上搭载两类芯片，一类是电子芯片（FPGA或是ASIC）,另一类是光子协处理加速芯片，两者形成板卡级的异构协同计算，其中电子芯片完成控制和非线性计算的部分，光子芯片协处理加速芯片完成矩阵计算的部分。因此，光子芯片与现有电芯片的关系并非是替代，而是为现有各类电芯片提供板卡级的协处理加速方案。
在商用化产品进展方面，光子算数在明年2月份会交付第一批定制化功能的AI计算板卡商用订单，面向的市场是电信运营商的数据中心和一些大型企业的自有机房，是全球首个推出商用光电融合AI计算服务器板卡的公司。
从传输走向计算 硅基光电子大有作为
自从英特尔公司开发出世界上首个集成了激光器的硅基光电数据联结系统后，光束开始替代电子在计算机内部及周边进行数据传输，光电两种截然不同的物理现象终于成功地被结合在一起。而如今，硅作为光学通信传输方面的应用已经相当普及，由于光的快速反应和并行特性，能瞬间传输大量数据，因此被普遍应用在数据中心的服务器上。
然而，真正把“光子”带往计算领域，甚至形成“光电融合计算”的概念，却是近两年才逐渐被发掘出来。由于基于GPU、FPGA等的纯电芯片面临的物理特性限制，业界开始探索新的计算技术。
白冰解释说，在数据中心的应用中，人们往往需要重点考虑功耗的问题，基于这样的考虑，采用光学计算芯片来为数据中心的服务器提供低功耗的算力，相较于传统的GPU方案，目前阶段的技术可以将功耗控制到几分之一。服务器搭载的板卡采用光电异构的计算架构，用光子芯片来完成AI推理计算的主体部分（低精度的矩阵运算），为电芯片（FPGA等）来提供协处理加速，从而完成整体的光电融合计算。
图2 光电融合智能计算板卡
图3 光电异构的智能计算架构
光电融合AI计算芯片商用落地先行者
白冰介绍到，光电融合AI计算目前初步具备一些场景的商用能力，但是从整体技术发展上看还处于刚刚起步的阶段，从关键器件、架构设计、光电混合封装到底层驱动和应用配套算法，很多技术部分都可以优化升级，甚至是重新设计。
光子算数的技术团队涉及多个关键领域的融合，主要包括硅光芯片、模拟电子芯片、数字电子芯片、光电混合封装和底层驱动等，由来自国内知名高校的学术人员和工业界的资深技术专家组成，目前规模30人。这样的技术团队配置也反映了光电融合AI计算的特点与难点，多领域技术的高度协同——光学芯片与电学芯片匹配，光电硬件系统整体与AI场景算法匹配。光子算数同时还与国内主要的高校和研究所基本都有合作，共同承担一些该领域内重要国家科研攻关项目，这也是光子算数技术进展迅速的重要支撑。
实际上，采用光电融合AI计算的开发者光子算数并不是全球首家，在国内很多优秀的高校科研团队也的相应的突破性进展和非常好的技术路线，但光子算数期望能够成为其商业化落地应用的先行者。如今光子算数的团队正在努力优化其芯片性能，相信在不久的将来随着第一批光电融合AI计算芯片的商用化，将带来人工智能计算硬件的新局面。
在即将于2019年8月2日由光纤在线主办的“2019国际光连接峰会暨新一代光器件应用论坛”上，光子算数的创始人白冰博士将出席本次论坛，并详解基于硅基光电子的计算芯片对数据中心架构与算法的影响。论以光纤连接器为立足点，2019加入光器件元素（包含光无源器件及光有源器件），以“光连接”为主题面向所有光器件领域；规模将从去年的350人扩大到500人，演讲场次扩充至25场，打造全球光纤通信产业链的对话、交流、合作的平台，实现共赢，打造光器件产业健康可持续的发展。
