听上去有点华而不实?但是公司的团队和技术真的是实打实的. Lightmatter的首席执行官Nick Harris曾经就在麻省理工的论文中写到了光子芯片, 并发布了不少文章来探讨光子计算架构的可行性.
跟大多数计算运行一样, AI和机器学习的最根本在于大量的计算. 普通的电脑可以做简单的计算, 但是对于复杂的问题, 则需要将其拆解细分, 各个击破. 而这种复杂问题, 在AI应用中十分常见. 更关键的问题是, 如何能让AI快速地处理大量数据集.
随着人工智能产品的需求不断增加, 人们对计算的要求也越来越高, 但显然, 目前的计算机芯片已经达到了极限速度. '摩尔定律正在消亡的一个特点就是, 像英特尔这样的公司正在大力投资量子计算等东西. 只要不是传统的计算, 他们就投资开发, ' Harris在采访中说, '所以, 现在正是寻求其他计算架构的大好时机. '
公司的光子芯片通过让光穿过一个极小的可配置镜头和传感器, 来一下子解决所有问题. 通过创建和跟踪光的相位或路径的微小变化, 仅在光从芯片这端到达另一端的极端时间内, 解决方案便可生成. 这不仅意味着计算结果的快速反馈, 也意味着所需消耗的能量也是传统芯片的极小部分.
'很多深度学习都依赖于这种特殊的运行, 而我们的芯片可以大大提高这一运行速度, ' Harris解释说, '这是一个特殊用途的光学计算机可以在特殊问题上大放异彩的时刻. 首款光子芯片可以凭精确且可扩展的方式完成这项任务. '
'在速度, 功耗和延迟方面, 我们已经非常接近理论可能性, ' Harris说. 也就是说, 你不能让光跑得更快. 但跟传统计算机类似, 你可以把芯片布置地更加密集, 让它们并行工作, 或者, 改进传感器性能等等.
公司最近宣布的1100万美元A轮融资, 由Matrix和Spark领投. 这笔新的资金将帮助团队把技术从原型层面应用到实际产品中.
'这不是一个科学项目, ' Matrix的Stan Reiss说, '这是以可控的方式首次对光学计算的应用. '
他还指出, 竞争对手们过于拘泥于提高半专业化硬件的性能, 比如开发特殊的AI主板等, 但最终他们还是跳不出传统计算机的局限.
'任何人都可以开发出这种芯片, 但问题是这类芯片也面临着巨大的竞争压力, 而Lightmatter这家公司则完全不一样. ' 而且, 光子芯片也仅仅是在最近才变得可能. 过去十年中, 在构建光子芯片的基础研究和基础设施方面的投资最终得到了回报. 如今, 这项技术已经足够成熟从实验室走向市场. Harris提到: 'AI仍处于起步阶段, 若要进一步前进, 新的技术必不可少. 在Lightmatter, 我们正在用光子技术来增强电子计算机的性能, 以从根本上推出足够强大的新计算机, 以促进下一代人工智能的发展. '