聽上去有點華而不實?但是公司的團隊和技術真的是實打實的. Lightmatter的首席執行官Nick Harris曾經就在麻省理工的論文中寫到了光子晶片, 並發布了不少文章來探討光子計算架構的可行性.
跟大多數計算運行一樣, AI和機器學習的最根本在於大量的計算. 普通的電腦可以做簡單的計算, 但是對於複雜的問題, 則需要將其拆解細分, 各個擊破. 而這種複雜問題, 在AI應用中十分常見. 更關鍵的問題是, 如何能讓AI快速地處理大量數據集.
隨著人工智慧產品的需求不斷增加, 人們對計算的要求也越來越高, 但顯然, 目前的計算機晶片已經達到了極限速度. '摩爾定律正在消亡的一個特點就是, 像英特爾這樣的公司正在大力投資量子計算等東西. 只要不是傳統的計算, 他們就投資開發, ' Harris在採訪中說, '所以, 現在正是尋求其他計算架構的大好時機. '
公司的光子晶片通過讓光穿過一個極小的可配置鏡頭和感測器, 來一下子解決所有問題. 通過建立和跟蹤光的相位或路徑的微小變化, 僅在光從晶片這端到達另一端的極端時間內, 解決方案便可生成. 這不僅意味著計算結果的快速反饋, 也意味著所需消耗的能量也是傳統晶片的極小部分.
'很多深度學習都依賴於這種特殊的運行, 而我們的晶片可以大大提高這一運行速度, ' Harris解釋說, '這是一個特殊用途的光學計算機可以在特殊問題上大放異彩的時刻. 首款光子晶片可以憑精確且可擴展的方式完成這項任務. '
'在速度, 功耗和延遲方面, 我們已經非常接近理論可能性, ' Harris說. 也就是說, 你不能讓光跑得更快. 但跟傳統計算機類似, 你可以把晶片布置地更加密集, 讓它們並行工作, 或者, 改進感測器性能等等.
公司最近宣布的1100萬美元A輪融資, 由Matrix和Spark領投. 這筆新的資金將幫助團隊把技術從原型層面應用到實際產品中.
'這不是一個科學項目, ' Matrix的Stan Reiss說, '這是以可控的方式首次對光學計算的應用. '
他還指出, 競爭對手們過於拘泥於提高半專業化硬體的性能, 比如開發特殊的AI主板等, 但最終他們還是跳不出傳統計算機的局限.
'任何人都可以開發出這種晶片, 但問題是這類晶片也面臨著巨大的競爭壓力, 而Lightmatter這家公司則完全不一樣. ' 而且, 光子晶片也僅僅是在最近才變得可能. 過去十年中, 在構建光子晶片的基礎研究和基礎設施方面的投資最終得到了回報. 如今, 這項技術已經足夠成熟從實驗室走向市場. Harris提到: 'AI仍處於起步階段, 若要進一步前進, 新的技術必不可少. 在Lightmatter, 我們正在用光子技術來增強電子計算機的性能, 以從根本上推出足夠強大的新計算機, 以促進下一代人工智慧的發展. '