我们将越来越小的晶体管集成到芯片上的能力，使得如今无处不在的计算时代成为可能。但是这种方法终于遇到了限制，一些专家宣布了摩尔定律和丹纳德缩放定律的终结。
这些发展正好发生在一个最糟糕的时刻。近年来，由于人工智能的兴起，对计算能力的需求飙升，而且没有任何放缓的迹象。
现在，由三位麻省理工学院校友创立的Lightmatter公司通过重新思考芯片的生命线，继续推动计算的显著进展。该公司不仅仅依靠电力，还使用光来进行数据处理和传输。该公司的首两款产品，一款专门用于人工智能操作的芯片和一款用于芯片之间数据传输的互连器，同时使用光子和电子来实现更高效的操作。
Lightmatter的联合创始人兼首席执行官尼古拉斯·哈里斯博士说：“我们要解决的两个问题是‘芯片如何通信？’和‘如何进行这些[人工智能]计算？’。通过我们的前两款产品Envise和Passage，我们正在解决这两个问题。”
考虑到问题的规模和对人工智能的需求，Lightmatter在2023年以12亿美元的估值筹集了超过3亿美元的资金。现在，该公司正在与全球最大的技术公司合作，希望减少数据中心和人工智能模型的巨大能源需求。
哈里斯说：“我们将通过我们的互连技术实现平台的功能，这些平台由数十万个下一代计算单元组成。如果没有我们正在构建的技术，这是不可能实现的。”
从想法到10万美元
在麻省理工学院之前，哈里斯在半导体公司美光科技工作，研究集成芯片背后的基本器件。这段经历让他看到了改善计算性能的传统方法——在每个芯片上集成更多的晶体管——已经达到了极限。
哈里斯说：“我看到计算的路线图正在放缓，我想找出如何继续前进。有哪些方法可以增强计算机的性能？量子计算和光子学就是其中两条途径。”
哈里斯来到麻省理工学院，在电气工程和计算机科学系的副教授Dirk Englund的指导下，研究光子量子计算。作为这项工作的一部分，他构建了基于硅的集成光子芯片，可以使用光而不是电来发送和处理信息。
这项工作产生了数十项专利和80多篇发表在《自然》等著名期刊上的研究论文。但是在麻省理工学院，哈里斯还注意到了另一项技术。
哈里斯回忆道：“我记得走在走廊上，看到学生们从这些大型教室里涌出来，观看实时传输的视频讲座，看教授讲授深度学习。”他指的是人工智能技术。“校园里的每个人都知道深度学习将会是一项重大的技术，所以我开始更多地了解它，我们意识到我正在构建的用于光子量子计算的系统实际上可以用于进行深度学习。”
哈里斯原本计划在获得博士学位后成为一名教授，但他意识到通过创业可以吸引更多的资金并更快地创新，所以他与Darius Bunandar博士和Thomas Graham MBA合作。这些联合创始人通过赢得2017年麻省理工学院10万美元创业大赛成功进入创业界。
看到光明
Lightmatter的Envise芯片利用了电子在内存等方面的优势，以及光在执行深度学习模型的大规模矩阵乘法方面的优势。
哈里斯解释说：“通过光子学，你可以同时执行多个计算，因为数据是通过不同颜色的光传输的。在一种颜色中，你可以有一张狗的照片。在另一种颜色中，你可以有一张猫的照片。在另一种颜色中，可能是一棵树，你可以将这三个操作同时通过同一个光计算单元，即矩阵加速器，进行。这增加了每个区域的操作次数，并且重复使用了已有的硬件，提高了能源效率。”
Passage利用了光的延迟和带宽优势，以类似于光纤电缆使用光传输数据的方式连接处理器。它还使整个晶圆大小的芯片能够作为一个单一的处理器。在芯片之间发送信息对于运行支持云计算和运行ChatGPT等人工智能系统的大型服务器农场至关重要。
这两款产品都旨在为计算带来能源效率，哈里斯表示，这是为了满足不断增长的需求而不会带来巨大的功耗增加。
哈里斯说：“到2040年，有人预测全球80%的能源使用将用于数据中心和计算，而人工智能将占其中的很大一部分。当你看到用于训练这些大型人工智能模型的计算部署时，它们的功耗将达到数百兆瓦。它们的功耗规模相当于城市。”
Lightmatter目前正在与芯片制造商和云服务提供商合作进行大规模部署。哈里斯指出，由于该公司的设备运行在硅上，因此可以通过现有的半导体制造设施进行生产，而无需进行大规模的工艺变化。
这些雄心勃勃的计划旨在为计算开辟一条新的道路，这将对环境和经济产生巨大影响。
哈里斯说：“我们将继续研究计算机的所有部分，找出光可以加速、使其更节能和更快的地方，并继续替换这些部分。目前，我们专注于Passage的互连和Envise的计算。但随着时间的推移，我们将构建下一代计算机，而这一切都将围绕光展开。”
