由三位麻省理工学院校友创立的 Lightmatter 正在利用光子技术重塑芯片的通信和计算方式。
我们把越来越小的晶体管塞进芯片的能力，使今天无处不在的计算时代成为可能。但这种方法最终遇到了限制，一些专家宣布摩尔定律和相关的登纳德缩放原理（Dennard’s Scaling）即将终结。
但是，这些进展来得不是时候。近年来，对计算能力的需求猛增，这在很大程度上要归功于人工智能的兴起，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命脉，继续着计算机领域的显著进步。除了单纯依靠电力，该公司还利用光进行数据处理和传输。该公司的前两款产品，一款是专门用于人工智能操作的芯片，另一款是促进芯片之间数据传输的互连，它们利用光子和电子来提高操作效率。
Lightmatter联合创始人兼首席执行官尼古拉斯·哈里斯（Nicholas Harris）博士说：“我们正在解决的两个问题是‘芯片是如何说话的？’以及‘你如何进行这些（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。”
考虑到这个问题的规模和对人工智能的需求，Lightmatter在2023年筹集了略高于3亿美元的资金，估值为12亿美元。现在，该公司正在与世界上一些最大的科技公司展示其技术，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：“我们将在互连技术的基础上实现平台，这些技术由成千上万的下一代计算单元组成。如果没有我们正在开发的技术，这是不可能的。”
在加入麻省理工学院之前，哈里斯曾在半导体公司美光科技工作，在那里他研究了集成芯片背后的基本设备。这一经历使他认识到，提高计算机性能的传统方法——在每个芯片上塞满更多晶体管——已经达到了极限。
哈里斯说:“我看到计算机的发展路线图正在放缓，我想弄清楚如何才能继续下去。什么方法可以增强计算机？量子计算和光子学就是其中的两条途径。”
哈里斯来到麻省理工学院攻读光子量子计算博士学位，师从电子工程与计算机科学系副教授德克·英格伦德。作为这项工作的一部分，他制造了硅基集成光子芯片，可以用光而不是用电来发送和处理信息。
这项工作获得了数十项专利，并在《自然》等知名期刊上发表了80多篇研究论文。但另一项技术也引起了哈里斯在麻省理工学院的注意。
哈里斯回忆道：“我记得走在大厅里，看到学生们从这些礼堂大小的教室里涌出来，观看直播的讲课视频，看教授们教授深度学习。”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是一件大事，所以我开始更多地了解它，我们意识到我正在为光子量子计算构建的系统，实际上可以用来进行深度学习。”
哈里斯曾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，并更快地进行创新，所以他与同样在英格兰德实验室学习的18届达吕斯·布南达尔（Darius Bunandar）博士和托马斯·格雷厄姆（Thomas Graham）MBA博士合作。两位联合创始人赢得了2017年麻省理工学院10万美元创业大赛，成功进入了创业世界。
Lightmatter公司的Envise芯片，将电子擅长的计算部分（如内存）与光擅长的部分（如执行深度学习模型的大量矩阵乘法）结合起来。
“有了光子学，你可以同时进行多个计算，因为数据来自不同颜色的光，”哈里斯解释说。“用一种颜色，你可以有一张狗的照片。换一种颜色，你可以有一张猫的照片。用另一种颜色，也许是树，你可以让这三种操作同时通过同一个光学计算单元，这个矩阵加速器。这提高了每个区域的操作次数，并且重复使用了现有的硬件，提高了能源效率。”
Passage芯片利用光的延迟和带宽优势连接处理器，其方式类似于光纤电缆利用光进行长距离数据传输。它还能使整片晶圆那么大的芯片充当单个处理器。在芯片之间发送信息是运行大型服务器群的核心，这些服务器群为云计算和ChatGPT等人工智能系统提供动力。
这两款产品的设计都是为了提高计算的能源效率，哈里斯说，这需要在不带来巨大的电力消耗增加的情况下跟上不断增长的需求。
哈里斯说：“有人预测，到2040年，地球上大约80%的能源消耗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。当你看到训练这些大型人工智能模型的计算部署时，它们正朝着使用数百兆瓦的方向发展。他们的用电量达到了城市的规模。”
Lightmatter目前正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，它可以由现有的半导体制造设施生产，而无需对工艺进行大规模改变。
哈里斯说：“我们将继续研究计算机的所有部件，以找出光可以在哪些地方加速它们，使它们更节能、更快，我们将继续更换这些部件。现在，我们专注于与Passage的互联，以及与Envise的计算。但随着时间的推移，我们将制造出下一代计算机，而这一切都将以光为中心。”
