英国伦敦时间 4 月 9 日, 全球顶级学术期刊《自然》(Nature) 刊载了曦智科技的光电混合计算成果:《超低延迟大规模集成光子加速器》(An integrated large-scale photonic accelerator with ultralow latency)。这是自八年前曦智科技创始人沈亦晨博士于《自然・光子学》杂志发表封面文章《由纳米光学回路实现的深度学习》(Deep learning with coherent nanophotonic circuits) 以来, 曦智科技再次登上全球顶级学术期刊。同时, 也是继 3 月 25 日其最新光电混合计算卡曦智天枢发布后, 曦智科技在光电混合计算领域的又一重要成果。
《Nature》刊登曦智科技光电混合计算成果
此次登上《Nature》是业界对于曦智科技成功研发出高度集成的光子计算处理器 PACE (Photonic Arithmetic Computing Engine) 的再一次肯定。沈亦晨博士表示:“PACE 是我们在 2021 年发布的产品。我们选择在《Nature》这样的顶级期刊上公开发布它的产品细节, 是为了开放我们的技术路线, 让更多人参与到这个行业中来, 加速光电混合生态的产业落地。”
近年来随着硅光子、纳米光学、材料科学等学科的发展, 光子计算的热度在全球范围内不断提升, 但大多数科研成果仍处于实验室阶段。此次曦智科技的产品化成果被《Nature》收录, 首要原因在于其展示了一款由商业产线生产的大规模光电集成计算卡, 并提供了全部实测数据, 证实了其在计算延迟方面的显著优势。
审稿人对曦智科技团队在光子计算工程化方面作出的努力给予了高度肯定:“在光子计算领域, 通常会通过小规模的演示对大规模系统性能进行乐观推断, 但本文中的数据均来自整个 PACE 计算系统的实测性能, 作者们工程化地实现了一个超大规模光子矩阵计算系统, 可谓‘壮举’”。
PACE 基于光执行矩阵向量乘法时延迟极低的基本原理, 通过重复矩阵乘法和巧妙利用受控噪声组成的紧密回环来实现低延迟, 从而生成伊辛问题 (Ising) 和最大割 / 最小割问题 (Max-cut / Min-cut) 这类组合优化问题的高质量解决方案。
PACE 光电混合系统
此外, 在论文中, 曦智科技还首次对外公开了其光电混合计算的具体架构。在多年来产品化推进的过程中, 曦智科技的研发团队发现, 基于非相干架构的光子矩阵因其在精度控制、矩阵调节灵活度和抗噪声能力方面的优势, 更有利于商业化落地。曦智科技首席运营官王泷表示:“PACE 是曦智科技三大核心技术之一, 光子矩阵计算 (oMAC) 的代表性成果。PACE 问世之后, 曦智团队在提升光电混合系统灵活性和光电芯片的高效协同等方面持续发力, 不断开拓更广泛的应用场景。”
PACE 系统架构图
2017 年, 沈亦晨博士在《自然・光子学》发表封面论文《由纳米光学回路实现的深度学习》, 首次提出了基于相干纳米光子电路进行深度学习计算的方法, 被业界认为是集成光子领域的开创性进展。同年, 沈亦晨博士创立曦智科技, 致力于将光子计算产品化、商业化。
2019 年, 曦智科技发布首款光子计算原型板卡, 成功运行了 Google TensorFlow 自带的卷积神经网络模型来处理 MNIST 数据集, 验证了光子计算的可行性。此后, 曦智科技团队持续在扩大矩阵规模、提高光子芯片集成度等方面不断探索, 并逐步增强电子芯片设计、封装、软件、系统等工程能力。
2021 年 PACE 的问世, 代表着光电混合计算从概念验证到产品化落地的巨大跨越。2025 年 3 月, 曦智天枢计算卡发布, 不仅在光子矩阵规模方面达到此前的 4 倍, 扩大至了 128x128, 同时也在工程落地方面解决了多项关键性问题, 如 3D TSV 先进封装在光电混合芯片上的首次成功实现; 将光源小型化内置集成到板卡上, 从而使得天枢成为一款标准的全高全长 PCIe 卡, 可直接插入现有服务器硬件。更为重要的是, 天枢首次实现了在复杂商业模型中的应用, 并在特定算法中体现出了优于商用 GPU 的延迟优势, 让人们看到光电混合计算的商业化已将到来。
曦智科技联合创始人、首席技术官孟怀宇博士表示:“我们一直坚信光电混合很快将成为新的主流算力范式, 并始终将产品化和商业化作为企业发展的目标。希望有更多的应用方、研究者、开发者和合作伙伴加入到光电混合算力生态中来, 共同探索更多光电混合算力的应用场景, 加速光电混合产品的市场化进程。曦智科技也会持续将公司的最新研发成果与业界和学界分享。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。