媒体披露的“光子人工智能芯片”

■本报记者 赵广立

中国芯又“换道超车”了，不过这次是“光子人工智能芯片”。

1月6日，有媒体在一篇题为《光子人工智能芯片助“中国芯”换道超车》的 文章里，介绍了一种在许多人看来可以称之为神奇的“光子人工智能芯片”：它“算力是传统电子人工智能（AI）芯片的1000倍，但功耗只有其百分之一”，“未来可广泛应用于手机、自动驾驶、智能机器人、无人机等领域”。根据该媒体的报道，该光子人工智能芯片项目已经于近日落户顺义，“将这项新技术推向了台前”。

该文还指出，光子人工智能芯片“出自一个由清华、北大、北交大等多所高校的在校博士生组成的创业团队”，并指出该团队是“全国第一个、全球第二个”光子人工智能芯片研究团队。

并非“超车”，或仅是“换道追赶”

《中国科学报》记者通过采访调查了解到，这支由“多所高校在校博士生组成的团队”之所以宣称自己是“全球第二个”光子人工智能芯片团队，是因为在光子AI芯片这条赛道上，国际上“早有蜻蜓立上头”。

来自麻省理工学院的研究团队与他们的合作者早在2016年甚至更早就提出了这种思路：用光子代替电子，来进行一些人工智能计算。他们认为这种方法将会大大提高计算速度和效率，并于2017年6月12日将他们的一些实验结果发表在著名期刊《自然—光子学》上。

该论文的第一作者及通讯作者沈亦晨，是一位出生在杭州的青年科学家，发表论文时为麻省理工学院博士后。为了实现光子芯片，沈亦晨还组建了一支团队“Lightmatter”，此后在组建公司时更名为Lightelligence，目前沈亦晨是Lightelligence 的联合创始人兼CEO。

凭借光子芯片，Lightelligence团队拿下了2017年的麻省理工学院“$100K 创业大赛”和哈佛大学“Harvard President Innovation Challenge”的第一名，这两项赛事都是全美高校最负盛名的学生创业大赛。

值得一提的是，百度风投联合美国半导体行业的基金投资了沈亦晨的Lightelligence团队，种子轮为1000万美元。Lightelligence团队当时表示，计划于2019年第一季度开发出原型产品。

中科院上海微系统与信息技术所研究员余明斌1月8日在接受采访时告诉《中国科学报》，他对沈亦晨团队有些了解，沈亦晨本人在麻省理工学院就读时就已在该方向进行过大量探索。不过，据他最近与沈亦晨沟通了解到，目前光子AI芯片领域的研发仍处于早期阶段。

不过，在媒体报道中，研究团队负责人白冰直言“（光子人工智能）芯片的设计、加工、封装、测试全部在国内完成，摆脱了对国外高制程光刻机的依赖，是我国在芯片领域换道超车的核心技术”，不仅容易给人造成“光子AI芯片已然可以流片使用”的假象，其“换道超车”之说更是令人费解。

“摆脱高制程光刻机依赖”偷换概念

在媒体报道中，白冰在阐述“光子人工智能芯片发展的意义”时提到，其在生产加工环节，只需采用国内130纳米微电子加工工艺即可，这“摆脱了对国外高制程光刻机的依赖”“无须在工艺制程上进行追赶”。

在电子芯片的核心加工环节中，高精密度的光刻机的确是很强的技术壁垒，目前我国芯片加工、生产在这方面对外依赖程度很高，在成本等多个方面受限。然而，将对加工工艺有明显不同要求的光子芯片与电子芯片直接横向对比，难免有引起误会之嫌。

光子AI芯片确实不需要太高的制程工艺，而这是光电子器件的特性决定的。一位从事硅基光子器件研发、要求匿名的教授告诉《中国科学报》，光波长在微米级别，器件尺寸较大，通常不需要几纳米尺寸的结构来控制，工程上确实比较容易实现。

该教授说，打个比方，其言论就好比我们生产一辆拖拉机，“摆脱”了对德制8缸发动机的“依赖”一样。

神经网络计算带来“机会”

为何光子芯片能比传统电子芯片有如此显著的性能功耗比？沈亦晨曾在受访时解释说，光子的特性先天适合线性计算（AI 算法里重要的部分），这包含了高维度的并行计算。

在人工智能算法中，包含有多次矩阵相乘的运算，传统计算机架构的CPU和GPU在处理这些运算的时候相对吃力，计算效率较低；而基于光学的计算方法，恰好长于此项——一旦被设置好，光学芯片开展诸如矩阵乘法运算所消耗的能量，理论上接近0。此外，由于光本身就是一种模拟介质，其可以直接在模拟域进行运算，而这要远快于那些基于“模拟—数字转换”的方法。

“利用光子来做矩阵乘法运算是功耗降低和速度提升的主要原因”，沈亦晨说，因为密集的矩阵乘法运算“是人工智能算法中最耗时间和功率的”。

一个可参照的例子是，即使是一片普通的眼镜片，也会对穿过它的光波进行一次复杂的运算：傅立叶变换。而光子芯片所执行的运算或许比傅立叶变换还要简单，但基本原理类似。

这在沈亦晨看来，“可能是光学计算有史以来最大的机会”。

这是因为，曾有很多研究者长期以来寄望于研发基于光子的计算机，但结果往往事与愿违——过去，神经网络计算尚不流行，而传统的逻辑计算并不是光子计算最擅长之处。 而今，基于光子的神经网络系统“可能对于某些深度学习算法是可行的”。

并且，随着半导体工业来到后摩尔定律时代，光子计算也是对摩尔定律的一种有效补充。余明斌告诉记者，与量子计算类似，待摩尔定律走到极限，光子计算是可以让芯片性能继续提升的一个选项。

不过，受访专家提醒道，光子计算和量子计算还有一处类似：目前仍处于实验验证阶段，何时能够实现尚不得知。

尚处于早期探索阶段

光子计算机由来已久。从 20世纪60 年代开始，美国贝尔实验室就曾花费巨资研发通用光学计算机部件，但他们的努力至今也没有取得太多成效。

个中原因，上文要求匿名的教授认为，尽管光子计算早有人做，但貌似“一直没有找对方向，现在似乎也没有”。

记者了解到，和微电子一样，“硅光子”也是基于硅材料的半导体架构。不过，光不适合做非线性运算，且光芯片的集成度和尺寸有一定的规范，要取代半导体芯片还有很大的难度。并且，在实现光子计算的路上还有很多重大的工程改进需要完成。

而从白冰团队所披露的信息来看，鉴于“没看到太多实质性内容和突破性创新”，上述匿名教授认为该团队描述的光子人工智能芯片的前景“尚有待观察”。

“光子芯片距离可用的功能芯片还很远。”受访专家告诉《中国科学报》，就算是起步较早的沈亦晨团队，目前也没有宣称推出真正的功能芯片。

余明斌还对《中国科学报》说道，媒体在文末引用的他的观点，可能是早前其在某论坛上的一些陈述，“我想要表达的是‘硅光技术可能带来一些重大的突破’”。

事实上，光子芯片目前确处于早期探索阶段。2016年，中科院B类战略性先导科技专项就立项支持了一个该类探索科研项目——“大规模光子集成芯片”项目。该项目由中科院西安光学精密机械所牵头，联合中科院半导体所、上海微系统与信息技术所、计算技术所共同承担。而中科院B类先导专项的定位，就是着眼未来，瞄准新科技革命“可能发生的方向和发展迅速的新兴、交叉、前沿方向”。

多位受访专家对《中国科学报》说，有年轻团队愿意探索、有投资人愿意投资这种面向未来的前沿新兴领域是好事情，但现在有些媒体、创业团队甚至学术研究者为了博眼球、融资、拿项目，动辄在“卡脖子”和“突破卡脖子”上大做文章，“未免太过了”。

上述匿名教授也对《中国科学报》表示，虽然“不太相信那篇报道所说的”，但“我基本上还是支持的，就算是跟在后面，作一些尝试总是好的”。